[发明专利]一种武器实体关系图谱构建方法、装置及计算设备

权利要求书

1.一种武器实体关系图谱构建方法，其特征在于，包括以下步骤：

获取待抽取文本数据；

对待抽取文本数据进行实体识别，将识别出的实体词两两组合成待识别词对；

获取所述待识别词对的词对向量偏移值；

若所述词对向量偏移值符合预先得到的同位关系分布，则确定所述待识别词对存在同位关系；

若所述词对向量偏移值符合预先得到的上下位关系分布，则确定所述待识别词对存在上下位关系；

否则，在所述待抽取文本数据中查找包含所述待识别词对的句子，并将包含所述待识别词对的句子以及其前后的句子送入训练好的神经网络关系抽取模型中，提取所述待识别词对的实体关系；

将所述抽取出来的实体关系存入关系数据库，构建武器实体的关系图谱。

2.根据权利要求1所述的武器实体关系图谱构建方法，其特征在于：同位关系分布为所述词对向量偏移值小于偏移阈值。

3.根据权利要求1所述的武器实体关系图谱构建方法，其特征在于，上下位关系分布包括若所述词对向量偏移值符合预先得到的上下位关系分布，则确定所述待识别词对存在上下位关系包括：

判断所述词对向量偏移值是否大于等于偏移阈值，若大于等于，则基于所述词对向量偏移值确定所述待识别词对所属的聚类簇；其中，各聚类簇是获取包含上位词和下位词构成的词对样本后，预先基于上位词和下位词的词对映射偏离值对词对样本进行聚类得到的；

确定所述待识别词对的词对映射偏离值，其中所述词对映射偏离值=所述待识别词对中第一实体词的词向量与聚类簇映射矩阵的乘积和所述待识别词对中第二实体词的词向量的差值，所述聚类簇映射矩阵是预先针对各聚类簇学习得到的；

若所述词对映射偏离值小于或等于所述聚类簇的第一映射偏移阈值，则判定所述第一实体词和所述第二实体词分别为上位词和下位词；

若所述词对映射偏离值大于所述聚类簇的第一映射偏移阈值且小于等于所述聚类簇的第二映射偏移阈值，则确定所述待识别词对的词向量余弦相似度，判定所述词向量余弦相似度是否满足预设上下位分布，并在满足时判定所述第一实体词和所述第二实体词分别为上位词和下位词。

4.根据权利要求3所述的武器实体关系图谱构建方法，其特征在于，判定所述词向量余弦相似度是否满足预设上下位分布包括：

将词对映射偏离区间划分为多段区间，若词对映射偏离值位于第n段区间内，则当所述词向量余弦相似度大于等于第n段区间对应的词向量余弦相似度下限时，判定所述词向量余弦相似度满足预设上下位分布。

5.根据权利要求3所述的武器实体关系图谱构建方法，其特征在于，基于所述词对向量偏移值确定所述待识别词对所属的聚类簇包括：

确定所述词对向量偏移值与各聚类簇的中心向量的距离；

确定所述距离最近的聚类簇作为所述待识别词对所属的聚类簇。

6.根据权利要求3所述的武器实体关系图谱构建方法，其特征在于，在针对各聚类簇学习得到各聚类簇的映射矩阵时，采用的学习目标为：最小化聚类簇中各词对样本的下位词的词向量与映射矩阵的乘积与上位词的词向量的差值量，并对差值量求最小均方误差。

7.根据权利要求1所述的武器实体关系图谱构建方法，其特征在于，所述神经网络关系抽取模型包括：

嵌入层，利用实体位置信息扩充字向量特征，获取词嵌入向量和句向量，并将词嵌入向量和句向量输入到GRU神经网络层；

GRU神经网络层，被配置为提取输入向量的上下文依赖的长距离隐层特征；

双重注意力层，被配置为对GRU神经网络层学习到的隐层特征进行句子层加权变换和关系层加权变换，获得句子层面的权重向量和关系层面的权重向量；

输出层，被配置为对句子层面的权重向量和关系层面的权重向量进行处理，得到所述待识别词对的实体关系。