(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210224702.2 (22)申请日 2022.03.07 (71)申请人 南京信息 工程大学 地址 224002 江苏省盐城市 盐南高新区新 河街道文港南路10 5号 (72)发明人 胡志臣　许小龙　胡祥奔　程勇　 (74)专利代理 机构 南京纵横知识产权代理有限 公司 32224 专利代理师 董建林 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/35(2019.01) G06F 40/295(2020.01) G06F 40/216(2020.01) G06N 3/04(2006.01)G06N 3/08(2006.01) (54)发明名称 一种基于NLP与触发器的实体从属关系抽取 识别方法、 系统、 装置和存 储介质 (57)摘要 一种基于NLP与触发器的实体从属关系抽取 识别方法、 系统、 装置和存储介质， 本发明所述方 法在分析文档上下文语段， 构造实体和关系后， 通过聚类算法， 将松散的子类实体， 与父类实体 相互关联， 形成紧密的查询结构； 在文本实体识 别过程中， 采用构建触发器的方法进行触发要素 的选择， 提高文字识别准确率， 能够更快速、 便捷 地寻找到识别目标； 在数据集构建中， 采取了多 路匹配的方式， 有利于提升整体的数据集构建效 率， 减少人工标注所带来的时间成本。 在针对文 本关系进行抽取过程中， 采用双向长短期神经网 络并结合注 意力机制， 提升文本中抽取实体之间 关系的准确率。 权利要求书4页 说明书10页 附图1页 CN 114625885 A 2022.06.14 CN 114625885 A 1.一种基于N LP与触发器的实体从属关系抽取识别方法， 其特 征在于， 包括： 根据训练文本的上 下文语段， 获取训练文本中自定义多类实体及实体列表； 根据实体列表， 通过聚类处 理得到实体从属关系； 批量输入不同的训练文本到预构建的触发器中进行去重处理， 得到校正的实体和实体 列表； 对得到的校正实体分别进行多路匹配， 记录实体之间的关系标签属性， 生成样本数据 集； 根据样本数据集， 将待识别文本作为输入， 依次经过双 向长短期记忆神经网络模型和 注意机制进行关系抽取， 输出待识别文本的实体从属关系。 2.根据权利要求1所述的基于NLP与触发器的实体从属关系抽取识别方法， 其特征在 于， 所述根据训练文本的上 下文语段， 获取文本中自定义多类实体及实体列表； 具体包括： 分析训练文本内容上 下文语段， 获取训练文本语句中自定义多类实体的实体列表： ER＝{er1,er2,...,erN} 式中， er1表示第一个种类 的实体列表， er2表示第二个种类的实体列表， erN表示第N个 种类的实体列表； ER中第n个种类的实体列表的元组表示 为 ern＝(timn,geon,natn,orgn,pern)， 1≤n≤N， 式中， timn代表实体存在时间， geon代表所发现实体的地理位置， natn代表ern中对应的 实体名称， orgn代表发现实体的组织， pern代表该实体的发现者； 对实体列表数据集进行关系定义： Relationship＝{ER1,R1,ER2,ER3,R2,ER4,...,ERn,ERn,ERn+1}， n>1, 式中， ERn代表实体列表数据集中第n个 实体， ERn+1代表实体数据集中第n+1个 实体， Rn代 表关联ERn和ERn+1的第n个关系， R中第n个关系的实体列表的元组表示为rn＝(nat‑timn, nat‑includen,nat‑propertyn,nat‑unknown)， 其中1≤n≤N， 其中nat ‑timn代表实体与实体 之间存在时间关系， nat ‑includn代表实体与实体之间存在从属关系， nat ‑propertyn代表实 体与实体之间存在属性 值关系， nat ‑unknown代表实体与实体之间没有任何关系。 3.根据权利要求1所述的基于NLP与触发器的实体从属关系抽取识别方法， 其特征在 于， 所述根据实体列表， 通过聚类处 理得到实体从属关系； 具体包括： 通过实体列表来推断其父类节点， 并且推断出所有父类组合路线， 同时计算出多种父 类组合中最佳 的路径， 最终确定该父类实体； 利用实体列表中所含词语出现的频率进行加 权处理， 当输入实体组合中全部在实体列表中出现时则最大比值为1， 其最终词频F表达式 为： F＝tf(d,w)*idf(w) tf(d,w)＝ w/d idf(w)＝ log(N/N(w) ) 式中， tf(d,w)是每一个实体列表子列d中词语w的词频； idf(w)是逆子列频次； w为在子 列中d中出现的次数， d为子列的总词语数； N是实体列表所有的总 列表数， N(w)是包含词语w 的列表数总和。 4.根据权利要求1所述的基于NLP与触发器的实体从属关系抽取识别方法， 其特征在权　利　要　求　书 1/4 页 2 CN 114625885 A 2于， 触发器内嵌入 命名体识别中门循环单 元。 5.根据权利要求3所述的基于NLP与触发器的实体从属关系抽取识别方法， 其特征在 于， 所述批量输入不同的训练文本到预构建的触发器中进行去重处理， 得到校正的实体和 实体列表； 具体包括： 触发器的构建首先确定事件触发词trigger＝ern＝{t1,t2,t3,.....tn}， 还需要设置触 发词的对应事件触发要素argument＝{a1,a2,a3,.....an}； 所述触发要素包括单一句子中 同时至少包 含两类不同的ern以及相邻两句中至少含有两类不同的ern； 在触发要素下初步筛选 出含有实体句子中， 有 一个当前的输入xt， 和上一个节点传递下 来的隐状态ht‑1， 这个隐状态包含了之前节点的相关信息； 结合xt和ht‑1， 命名体识别中门循 环单元会得到当前隐藏节点的输出yt和传递给 下一个节点的隐状态ht； 通过上一个传输 下来的状态 ht‑1和当前节点的输入xt来获取两个门控状态,计算表 达式 如下： r＝ δ(wr[ht‑1,xt]) 式中r为控制重置门， δ为si gmoid函数， 通过这个函数将数据变换为0 ‑1范围内的数值， 从而来充当门控信号； ht‑1为上一个传输下来的状态， xt为当前输入的节点， wr为相应的权重 矩阵， [ht‑1， xt]将ht‑1和xt按行叠加起 来； 获得控制更新门Z， 计算表达式如下： z＝ δ(wz[ht‑1,xt]) 式中z为控制更新门， δ为si gmoid函数， 通过这个函数将数据变换为0 ‑1范围内的数值， 从而来充当门控信号； ht‑1为上一个传输下来的状态， xt为当前输入的节点， wz为相应的权重 矩阵， [ht‑1， xt]将ht‑1和xt按行叠加起 来； 当得到门控信号之后， 首 先使用重 置门控来得到 重置之后的数据， 计算表达式如下： 式中ht‑1′为在将要传递到一下时刻上含有的信息， ht‑1为上一个传输下来的状态， 为 Hadamard  Product， 也就是操作矩阵中对应的元素相 乘， 因此要求两个相 乘矩阵是同型， r 为重置门； 将存储信息进行更新数据， 在这个阶段， 同时进行了遗忘和记忆两个步骤， 使用先前得 到的控制更新门z， 更新数据表达式如下： 式中ht表示时间t时隐藏层的状态， z为控制更新门， ht‑1为上一个传输 下来的状态， 为 操作矩阵中对应的元素相乘， (1 ‑z)代表输入门， h ′为传递到下一时刻存储的状态信息； 表示对原本隐藏状态的选择性遗忘， 表示对包含当前节点信息的h ′进行 选择性记 忆； 批量输入不同的训练文本， 通过所述触发器识别出实体， 加上聚类传递将关系列举到 实体之后， 并去除形重复的实体节点， 输出 得到校正的实体及关系表。 6.根据权利要求1所述的基于NLP与触发器的实体从属关系抽取识别方法， 其特征在 于， 所述对得到的校正 实体分别进行多路 匹配， 记录实体之间的关系标签属性， 生成样 本数 据集； 具体包括：权　利　要　求　书 2/4 页 3 CN 114625885 A 3