基于多跳路径的生物医学知识库补全方法及装置

    公开(公告)号:CN114328493A

    公开(公告)日:2022-04-12

    申请号:CN202111652902.X

    申请日:2021-12-30

    Abstract: 本发明公开了一种基于多跳路径的生物医学知识库补全方法及装置,在生物医学知识库中存在着大量的关于疾病、药物和基因等实体的信息,补全知识库中实体之间缺失的关系可以改善许多重要的应用,例如药物设计和再利用。为了对生物医学知识库中缺少的实体关系进行补全,本发明使用了长短时记忆网络对生物医学知识库中存在的多跳路径集合进行编码,注意力机制对多跳路径集合的编码结果进行汇总,实现了实体关系补全。最后在药物和疾病为主的数据集上进行实验,实验结果表明,该方法充分地利用了路径信息,不使用外部工具,具有更好的竞争性。

    融合不同预训练词向量的卷积神经网络实体关系抽取方法

    公开(公告)号:CN112183103A

    公开(公告)日:2021-01-05

    申请号:CN202011166066.X

    申请日:2020-10-27

    Abstract: 本发明公开了一种融合不同预训练词向量的卷积神经网络关系抽取方法,关系抽取是知识图谱领域中一项重要的语义处理任务。目前最先进的方法仍然依赖一种预训练的词向量和自然语言处理(NLP)工具,如Glove词向量、word2vec词向量来获得句子表示,依存句法分析和命名实体识别器(NER)来获得高级特性。但是只使用一种词向量不能解决一词多义等问题,且引入NLP工具势必会带来误差。为了解决这些问题,本发明提出了一种融合不同预训练词向量的卷积神经网络,使用两种不同的预训练词向量和相对实体距离向量作为网络输入,采取最基础的卷积神经网络,不使用任何自然语言处理工具,简单高效。

Patent Agency Ranking