摘要
本发明提供了一种基于空间感知依赖图和无损解码的联合信息抽取方法,包括:步骤1,利用预训练的语言模型对输入文本序列进行编码;步骤2,识别出实体和事件触发器;步骤3,将位置信息添加到实体和事件触发器表示中;步骤4,将信息抽取任务构造为图预测模型,实体和事件触发器为图的节点,关系和事件论元为图的边;步骤5,计算节点和边的联合概率分布;步骤6,得到节点和边的标签;步骤7,输入文本,输出文本所含实体、关系、事件触发器、事件论元类别。本发明改进了现有的局部解码策略,采取随机梯度变分推断避免解码过程中同一任务标签之间依赖性的损失,以实现更好的实例标签的全局最优分配。有效提升联合信息抽取的准确性和鲁棒性。
技术关键词
事件触发器
前馈神经网络
标签
节点
联合信息抽取方法
信息抽取模型
因子
代表
无损解码
文本
序列
事件触发词
命名实体识别
线性链条件随机场
关系
编码
sigmoid函数
动态位置信息
系统为您推荐了相关专利信息
存算一体芯片
神经网络算法模型
验证方法
节点
系统仿真
样本标注方法
标签
标注装置
数据标注技术
半监督学习