[发明专利]一种基于深度学习的信息技术数据实体属性抽取方法

权利要求书

1.一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，包括以下具体步骤：

一、插入——将字或者词变成一个稠密的向量，一般认为待变成稠密向量的词与实体之间的位置是一个相对位置；

二、编码——对于关系识别来说，即包含卷积神经网络相关的，也包含运行相关的，把上下文的信息考虑进来。举例说明，一个脉冲耦合神经网络可通过两个实体把句子分为多个部分，每个部分分别做卷积神经网络的最大值池化，再经过Softmax分类器进行分类；

三、处理——处理器可以处理分辨出两个实体是由于哪个词分辨出是顾佣的关系；

四、判定——对定长的向量进行判定分类，主要是把两部分的一些模型的参数在底层被共享起来。

2.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，将文本信息里的字或者词变成一个稠密的向量，便于取机器的识别。

3.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，创建一个为待变成稠密向量的词与实体之间的位置。

4.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，在获取对应位置的稠密向量后，使脉冲耦合神经网络通过两个实体把句子分为多个部分，每个部分分别做卷积神经网络的最大值池化。

5.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，再将最大值池化的每个部分经过Softmax分类器进行分类，避免因直接对多个部分进行最大值池化造成数据信息的丢失，提高机器抽取的准确度。

6.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，对编码后的两个实体进行处理，便于确定两个实体之间的从属关系。

7.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，使机器进行层级关系的区分时，便于根据从属关系进行层级关系的辨别。

8.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，便于在对不同长度的向量进行层级关系的分辨后，对定长的向量进行建模。

9.根据权利要求1所述的一种基于深度学习的信息技术数据实体属性抽取方法，其特征在于，便于使底层的模型参数可在外界设备命令需求时得到共享，便于提高机器数据抽取的速率。