[发明专利]一种基于深度学习的数据实体关系抽取方法

说明书

一种基于深度学习的数据实体关系抽取方法，包括如下步骤：采用开放式实体关系抽取方法获取训练数据，借助DBPedia、OpenCyc、YAGO或FreeBase实体知识库将数据实体关系实例映射到实体知识库中的大量文本中，通过文本对齐方法获得训练数据，获得的训练语料中存在噪声标注；采用有监督的实体关系抽取方法对噪声标注进行重新标注，并在标注的训练数据的基础上训练机器学习模型；抽取与实体对组合对应的数据实体关系。本发明结合开放式实体关系抽取方法和有监督的实体关系抽取方法进行数据实体关系的抽取，开放式实体关系抽取方法获取训练数据效率高，有监督的实体关系抽取方法获取的训练数据精确度高，提高了实体关系的抽取效率和精确度。

技术领域

本发明涉及数据处理技术领域，尤其涉及一种基于深度学习的数据实体关系抽取方法。

背景技术

实体关系模型(Entity Relationship Diagram)直接从现实世界中抽象出实体类型和实体间联系，然后用实体联系图(E-R图)表示数据模型，是描述概念世界，建立概念模型的实用工具，这种数据模型典型的用在信息系统设计的第一阶段；比如它们在需求分析阶段用来描述信息需求和/或要存储在数据库中的信息的类型。但是数据建模技术可以用来描述特定论域的任何本体。在基于数据库的信息系统设计的情况下，在后面的阶段，概念模型要映射到逻辑模型如关系模型上；它依次要在物理设计期间映射到物理模型上。实体关系抽取定义为两个或多个实体之间的联系，关系抽取就是自动识别实体之间的某种语义关系。根据数据源的不同，关系抽取分为三类：面向结构化文本的关系抽取、面向非结构化文本的抽取和面向半结构化的文本抽取。基于神经网络的关系抽取方法的一般步骤是：1、特征表示，将纯文本的特征表示为分布式特征表示； 2、神经网络的构建与高层特征表示；3、模型训练：利用标注数据优化网络参数；4、模型分类：利用训练的模型，对新样本进行分类，进而完成关系抽取。

在对实体关系进行抽取时，根据对标注数据的依赖程度，实体关系抽取方法被分为有监督学习方法、半监督学习方法、无监督学习方法和开放式抽取方法。有监督学习方法人工标注数据，精确度高，但工作量大；开放式抽取方法获取训练数据效率高，但获取的训练数据中存在较多的噪声数据，精确度较差。

发明内容

(一)发明目的

为解决背景技术中存在的技术问题，本发明提出一种基于深度学习的数据实体关系抽取方法，通过结合开放式实体关系抽取方法和有监督的实体关系抽取方法进行数据实体关系的抽取，开放式实体关系抽取方法获取训练数据效率高，有监督的实体关系抽取方法获取的训练数据精确度高，提高了实体关系的抽取效率和精确度。

(二)技术方案

为解决上述问题，本发明提供了一种基于深度学习的数据实体关系抽取方法，包括如下步骤：

采用开放式实体关系抽取方法获取训练数据，借助DBPedia、OpenCyc、YAGO 或FreeBase实体知识库将数据实体关系实例映射到实体知识库中的大量文本中，通过文本对齐方法获得训练数据，获得的训练语料中存在噪声标注；

采用有监督的实体关系抽取方法对噪声标注进行重新标注，并在标注的训练数据的基础上训练机器学习模型；

抽取与实体对组合对应的数据实体关系。

优选的，包括如下步骤：

对自然语言文本进行预处理，将文字符号特征表示为分布式特征信息；

构建深度学习网络训练集：采集数据中对文本进行处理后的分布式特征信息；

构建实体关系抽取深度学习网络。

优选的，包括如下步骤：