基于异构图神经网络的实体关系联合抽取模型及构建方法

本发明涉及自然语言处理领域，提供一种基于异构图神经网络的实体关系联合抽取模型及构建方法，采用条件注意力机制将原始文本序列中预定义的关系类型信息作为先验知识引入到原始文本序列在字粒度上融合上下文语义信息的动态特征词向量中，得到融合了上下文语义信息和关系类型的特征词向量，而且在基于实体类型构建异构图时，为异构图中存在的实体对之间添加虚拟关系边，通过虚拟关系边表示相连两个实体之间的关系，实现实体与关系的联合建模，通过联合建模能够更好地捕捉到实体和关系之间的语境依赖性以及多个实体之间的关系交互，通过联合建模这些关系还可以更好地还原实际关系的复杂性，更加高效的提高抽取实体之间重叠关系的一致性和准确性。