公开(公告)号：CN112364654B

公开(公告)日：2024-12-20

申请号：CN202011252896.4

申请日：2020-11-11

Applicant: 安徽工业大学

Inventor： 秦锋 ,  张志文 ,  郑啸

IPC: G06F40/295 ,  G06F40/30 ,  G06F16/33 ,  G06N3/084 ,  G06Q50/20

Abstract: 本发明公开了一种面向教育领域的实体和关系联合抽取方法，用于解决现有方法缺少在教育领域中的应用，本发明利用预训练的XLNET语言模型获得高层次特征嵌入，并通过Mogrifier BiGRU神经网络捕获文本上下文语义信息，同时在Mogrifier BiGRU神经网络后引入MultiHead Attention机制捕捉文本特征中较为重要的部分，有效解决了实体内部存在大量修饰词干扰的问题；本发明通过联合提取的方式，同时进行实体与关系的抽取，通过参数共享编码层实现实体与关系子任务间的依赖，从而缓解了错误传播的问题。

公开(公告)号：CN112364654A

公开(公告)日：2021-02-12

申请号：CN202011252896.4

申请日：2020-11-11

Applicant: 安徽工业大学

Inventor： 秦锋 ,  张志文 ,  郑啸

IPC: G06F40/295 ,  G06F40/30 ,  G06F16/33 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明公开了一种面向教育领域的实体和关系联合抽取方法，用于解决现有方法缺少在教育领域中的应用，本发明利用预训练的XLNET语言模型获得高层次特征嵌入，并通过Mogrifier BiGRU神经网络捕获文本上下文语义信息，同时在Mogrifier BiGRU神经网络后引入MultiHead Attention机制捕捉文本特征中较为重要的部分，有效解决了实体内部存在大量修饰词干扰的问题；本发明通过联合提取的方式，同时进行实体与关系的抽取，通过参数共享编码层实现实体与关系子任务间的依赖，从而缓解了错误传播的问题。