基于深度学习的地铁设计领域规范的实体间关系抽取方法

摘要

本发明公开了基于深度学习的地铁设计领域规范的实体间关系抽取方法，采用了一定的输出结构去捕捉存在于句子中的多实体之间的多关系，利用基于实体的掩码信息，屏蔽掉句子中实体之外的部分。同时，将句子中实体的相对位置信息融入到注意力计算过程中，加强了句子中“每个字”的注意力信息。参数选择方面开展了基于迭代次数、学习率、微调使用的BERT层数、最大长度、实体最大距离和最大关系数量等多个超参数的择优过程，以探究不同超参数对实验性能的影响角度和影响程度。方法对比部分选取了和本发明任务设定符合的R‑BERT，着重探究多关系输出结构的可用性，以及实体相对位置信息对任务性能提升的有效性。