[发明专利]一种基于多种语言的实体关系抽取方法及服务器

说明书

本发明公开一种基于多种语言的实体关系抽取方法及服务器。其中，所述方法包括：在多种语言中获取待抽取关系的两个实体以及在每种语言中第一预设数量的与所述两个实体相关的句子，并构建每个与两个实体相关的句子的向量表示；根据某一种语言中每个与两个实体相关的句子的向量表示以及预设的两个实体间的关系的向量表示，获得所述某一种语言中与两个实体相关的句子相对于多种语言中任意一种语言的综合向量表示；根据各个所述综合向量表示以及预先建立的关系抽取模型，在所述预设的两个实体间的关系中抽取两个实体间的关系。所述服务器用于执行上述方法。本发明提供的基于多种语言的实体关系抽取方法及服务器，提高了两个实体间关系抽取的准确性。

技术领域

本发明涉及信息处理技术领域，具体涉及一种基于多种语言的实体关系抽取方法及服务器。

背景技术

随着社会飞速发展，我们已经进入信息爆炸时代，每天都会有海量新的实体与信息产生。互联网作为当今最为便捷的信息获取平台，用户对有效信息筛选与归纳的需求日益迫切，如何从海量数据中获取有价值的信息成为一个难题。

为了结构化地对现实世界的知识进行存储和处理，人们建立了很多大规模的知识图谱，例如Wikidata和Dbpedia等。知识图标将世界上所有人物、地名、机构名等专有名词与事物表示为实体，将实体之间的内在联系表示为关系，旨在将数据库中的海量知识表示为实体之间的利用关系，例如，“纽约是美国的一座城市”这一知识，在知识图谱中则利用三元组关系(纽约，是……的一座城市，美国)进行表示，“纽约”和“美国”为实体，“是……的一座城市”为关系。目前，关系抽取作为一种从自然文本中抽取有结构数据的方法，得到了广泛应用。现有关系抽取都需要大量的人工标注数据，非常的耗时耗力。针对这个问题，基于远程监督的关系抽取方法提出可以通过对纯文本和知识库之间进行对其来自动产生训练数据。但是，这种远程监督产生的训练数据存在一个严重的问题，就是产生的训练数据噪音非常严重，因为并不是所有的包含两个实体的句子都会反映他们两者之间的关系。为了降低噪声，传统非神经网络的方法通常通过概率图模型的方法优化句子与两个实体关系之间关系。而上述关系抽取的方法，专注于在单语言数据上进行关系抽取，并没有涉及到对多语言数据进行关系提取。

因此，如何提出一种方法，能够基于多种语言资源，提高两个实体间关系抽取的准确性成为业界亟待解决的重要课题。

发明内容

针对现有技术中的缺陷，本发明提供一种基于多种语言的实体关系抽取方法及服务器。

一方面，本发明提出一种基于多种语言的实体关系抽取方法，包括：

在多种语言中获取待抽取关系的两个实体以及在每种语言中第一预设数量的与所述两个实体相关的句子，并构建每个与所述两个实体相关的句子的向量表示；

根据某一种语言中每个与所述两个实体相关的句子的向量表示以及预设的所述两个实体间的关系的向量表示，获得所述某一种语言中与所述两个实体相关的句子相对于所述多种语言中任意一种语言的综合向量表示；

根据各个所述综合向量表示以及预先建立的关系抽取模型，在所述预设的所述两个实体间的关系中抽取所述两个实体间的关系。

另一方面，本发明提供一种服务器，包括：

第一构建单元，用于在多种语言中获取待抽取关系的两个实体以及在每种语言中第一预设数量的与所述两个实体相关的句子，并构建每个与所述两个实体相关的句子的向量表示；

第一获得单元，用于根据某一种语言中每个与所述两个实体相关的句子的向量表示以及预设的所述两个实体间的关系的向量表示，获得所述某一种语言中与所述两个实体相关的句子相对于所述多种语言中任意一种语言的综合向量表示；

抽取单元，用于根据各个所述综合向量表示以及预先建立的关系抽取模型，在所述预设的所述两个实体间的关系中抽取所述两个实体间的关系。