公开(公告)号：CN109359297A

公开(公告)日：2019-02-19

申请号：CN201811101429.4

申请日：2018-09-20

Applicant: 清华大学

Inventor： 刘知远 ,  韩旭 ,  于鹏飞 ,  孙茂松 ,  李鹏

IPC: G06F17/27 ,  G06F16/35

Abstract: 本发明实施例提供一种关系抽取方法及系统，该方法包括：获取包含实体对的句子，根据所述句子得到对应的实例特征向量；基于关系层次的注意力机制，根据所述实例特征向量，得到不同层的实体对潜在关系；根据所述不同层的实体对潜在关系，抽取所述实体对的关系。本发明实施例提供的关系抽取方法和系统，通过引入关系的层次结构信息构建了一套层级结构的注意力机制使得关系抽取模型能够考虑关系之间的内在关联，从而提高了关系抽取模型的稳定性，并在缺少训练数据的长尾关系上表现突出，实现关系抽取模型的性能也能够极大提升，具有良好的实用性。

公开(公告)号：CN109359297B

公开(公告)日：2020-06-09

申请号：CN201811101429.4

申请日：2018-09-20

Applicant: 清华大学

Inventor： 刘知远 ,  韩旭 ,  于鹏飞 ,  孙茂松 ,  李鹏

IPC: G06F40/295 ,  G06F40/30 ,  G06F16/35

Abstract: 本发明实施例提供一种关系抽取方法及系统，该方法包括：获取包含实体对的句子，根据所述句子得到对应的实例特征向量；基于关系层次的注意力机制，根据所述实例特征向量，得到不同层的实体对潜在关系；根据所述不同层的实体对潜在关系，抽取所述实体对的关系。本发明实施例提供的关系抽取方法和系统，通过引入关系的层次结构信息构建了一套层级结构的注意力机制使得关系抽取模型能够考虑关系之间的内在关联，从而提高了关系抽取模型的稳定性，并在缺少训练数据的长尾关系上表现突出，实现关系抽取模型的性能也能够极大提升，具有良好的实用性。