(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210616979.X (22)申请日 2022.06.01 (71)申请人 中译语通科技股份有限公司 地址 100131 北京市石景山区石景山路20 号中铁建 设大厦16层 (72)发明人 徐芳　蔡超　武学敏　杨万征　 王雪　 (74)专利代理 机构 北京兴智翔达知识产权代理 有限公司 1 1768 专利代理师 郭卫芹 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/28(2019.01) G06F 40/216(2020.01) G06F 40/279(2020.01)G06F 40/30(2020.01) (54)发明名称 关系抽取方法、 系统、 设备及存 储介质 (57)摘要 本发明提出一种关系抽取方法、 系统、 设备 及存储介质， 该方法包括： 获取待抽取目标文本； 将所述待抽取目标文本输入到关系抽取模型中， 获取所述待抽取目标文本对应的实体关系， 其 中， 所述关系抽取模型为神经网络模型， 所述关 系抽取模型通过样本文本和样本标签进行训练 得到， 所述 关系抽取模型在训练过程中构建的模 板实体关系进行部分掩码。 本发明采用对p rompt 进行部分掩码掉的操作可以有效的降低预训练 模型微调和训练过程中的误差， 同时对p rompt和 原始文本构建句子对原始一条文本数据构建出 多条数据的方式可以解决微调语料不足的情况， 将已有知识进行最大化利用， 提高本发明实施例 中关系抽取方法的准确性。 权利要求书2页 说明书7页 附图2页 CN 114969372 A 2022.08.30 CN 114969372 A 1.一种关系抽取 方法， 其特 征在于， 包括： 获取待抽取目标文本； 将所述待抽取目标文本输入到关系抽取模型中， 获取所述待抽取目标文本对应的实体 关系， 其中， 所述关系抽取模型为神经网络模型， 所述关系抽取模型通过样 本文本和样 本标 签进行训练得到， 所述关系抽取模型在训练过程中构建的模板实体关系进行部分掩码。 2.根据权利要求1所述的关系抽取方法， 其特征在于， 所述关系抽取模型通过样本文本 和样本标签进行训练得到， 通过如下步骤得到： 对所述样本文本进行 特征提取， 获取 所述样本文本中的样本实体； 根据所述样本实体， 基于预设实体关系模板， 对所述样本实体构建模板样本文本， 所述 模板样本文本包括 正模板样本文本和负模板样本文本； 利用所述模板样本文本对BERT中的句子对预测任务构建模型进行训练； 对所述正模板样本文本 中表征关系的词语进行掩码， 并利用掩码后的正模板样本文本 和所述样本标签对BERT的掩码语言模型进行训练， 获取训练后的BERT模型， 将训练后的 BERT模型作为所述关系抽取模型。 3.根据权利要求2所述的关系抽取方法， 其特征在于， 所述对所述样本文本进行特征提 取， 获取所述样本文本中的样本实体， 包括： 利用机器学习， 对所述样本文本进行识别， 获取样本实体。 4.根据权利要求2所述的关系抽取方法， 其特征在于， 所述根据所述样本实体， 基于预 设实体关系模板， 对所述样本实体构建模板样本文本， 包括： 对于所述样本实体中第 一样本实体和第 二样本实体， 对于所述预设实体关系 模板中的 每一预设实体关系， 构 造出所有能表达所述第一样本实体和所述第二样本实体为预设实体 关系的语句， 构造成的语句即为模板样本文本 。 5.根据权利要求3所述的关系抽取方法， 其特征在于， 所述对所述正模板样本文本 中表 征关系的词语进行掩码， 包括： 保留所述正模板样本文本 中的实体字样， 对所述正模板样本文本 中的关系字样进行掩 码。 6.一种关系抽取系统， 其特 征在于， 包括： 获取模块， 用于获取待抽取目标文本； 抽取模块， 用于将所述待抽取目标文本输入到关系抽取模型中， 获取所述待抽取目标 文本对应的实体关系， 其中， 所述关系抽取模型为神经网络模 型， 所述关系抽取模型通过样 本文本和样本标签进 行训练得到， 所述关系抽取模型在训练过程中构建的模板实体关系进 行部分掩码。 7.根据权利要求6所述的关系抽取系统， 其特征在于， 所述抽取模块包括特征提取单 元、 样本构建单 元、 第一训练单 元、 第二训练单 元 所述特征提取单元用于对所述样本文本进行特征提取， 获取所述样本文本 中的样本实 体； 所述样本构建单元用于根据所述样本实体， 基于预设实体关系模板， 对所述样本实体 构建模板样本文本， 所述模板样本文本包括 正模板样本文本和负模板样本文本； 所述第一训练单元用于利用所述模板样本文本对BERT中的句子对预测任务构建模型权　利　要　求　书 1/2 页 2 CN 114969372 A 2进行训练； 所述第二训练单元用于对所述正模板样本文本 中表征关系的词语进行掩码， 并利用掩 码后的正模板样本文本和所述样本标签对BERT的掩码语言模型进行训练， 获取训练后的 BERT模型， 将训练后的BERT模型作为所述关系抽取模型。 8.根据权利要求7所述的关系抽取系统， 其特征在于， 所述样本构建单元包括样本构建 子单元， 其中： 所述样本构建子单元用于对于所述样本实体中第 一样本实体和第 二样本实体， 对于所 述预设实体关系模板中的每一预设实体关系， 构造出所有能表达所述第一样本实体和所述 第二样本实体为预设实体关系的语句， 构造成的语句即为模板样本文本 。 9.一种计算机设备， 包括存储器、 处理器以及存储在所述存储器中并可在所述处理器 上运行的计算机程序， 其特征在于， 所述处理器执行所述计算机程序时实现如权利要求 1至 5中任一项所述关系抽取 方法的步骤。 10.一种计算机存储介质， 所述计算机存储介质存储有计算机程序， 其特征在于， 所述 计算机程序被处 理器执行时实现如权利要求1至 5中任一项所述关系抽取 方法的步骤。权　利　要　求　书 2/2 页 3 CN 114969372 A 3