[发明专利]关系抽取方法、装置、计算机设备及可读存储介质

权利要求书

1.一种关系抽取方法，其特征在于，所述方法包括：

将文档的关系抽取后字向量输入关系抽取模型，得到所述文档中的字的初步向量；

通过所述初步向量提取所述文档中实体对的实体级特征向量；

根据所述初步向量和所述实体级特征向量，确定文档级特征向量；

通过所述实体级特征向量和所述文档级特征向量，确定所述文档中实体对之间的实体关系。

2.根据权利要求1所述的方法，其特征在于，所述通过所述初步向量提取所述文档中实体对的实体级特征向量，包括：

通过所述初步向量，将所述实体对映射至子空间得到映射向量，其中，所述初步向量包括关系抽取后字向量、实体类型特征向量和共指特征向量；

将所述映射向量输入第一全连接神经网络模型，得到所述实体级特征向量。

3.根据权利要求2所述的方法，其特征在于，所述通过所述初步向量，将所述实体对映射至子空间得到映射向量，包括：

计算所述初步向量的平均值，得到所述实体对中实体的指称向量；

计算所述指称向量的平均值，得到所述实体的实体向量；

将所述实体向量映射到子空间，得到所述实体的映射向量。

4.根据权利要求1-3中任一项所述的方法，其特征在于，所述根据所述初步向量和所述实体级特征向量，确定文档级特征向量，包括：

对所述文档中的字赋予第一权重系数，通过所述第一权重系数和所述字的初步向量得到所述文档中句子的句子向量；

将所述句子向量和所述实体级特征向量输入第二全连接神经网络模型，得到句子级特征向量；

通过所述句子级特征向量，获取所述文档级特征向量。

5.根据权利要求4所述的方法，其特征在于，所述通过所述句子级特征向量，获取所述文档级特征向量，包括：

将所述句子级特征向量输入双向长短时记忆循环神经网络模型，得到句子的特征向量，并采用自注意力机制得到句子的第二权重系数；

通过所述句子的特征向量和所述句子的第二权重系数，确定所述文档级特征向量。

6.根据权利要求1所述的方法，其特征在于，所述通过所述实体级特征向量和所述文档级特征向量，确定所述文档中实体对之间的实体关系，包括：

将所述实体级特征向量和所述文档级特征向量输入至第三全连接神经网络模型，得到所述实体对之间存在各实体关系的关系概率；

通过所述关系概率和预设阈值，确定所述实体对之间的实体关系。

7.根据权利要求1所述的方法，其特征在于，所述方法还包括：

获取所述文档的文档向量；

对所述文档向量进行转换处理，得到所述关系抽取后字向量，所述关系抽取后字向量包括所述文档中的字在关系抽取词表中的表达字符、所述文档中字的填补属性和所述字所属的句子在所述文档中的句子序号。

8.一种关系抽取装置，其特征在于，所述装置包括：

初步向量获取模块，用于将文档的关系抽取后字向量输入关系抽取模型，得到所述文档中的字的初步向量；

第一特征向量获取模块，用于通过所述初步向量提取所述文档中实体对的实体级特征向量；

第二特征向量获取模块，用于根据所述初步向量和所述实体级特征向量，确定文档级特征向量；

实体关系确定模块，用于通过所述实体级特征向量和所述文档级特征向量，确定所述文档中实体对之间的实体关系。

9.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。

10.一种可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述方法的步骤。