基于word2vec的远监督非分类关系提取方法及系统

摘要

本发明公开一种基于word2vec的远监督非分类关系提取方法及系统，能较准确提取蔬菜领域的非分类关系。方法包括：爬取网络百科和大型蔬菜网站的网络蔬菜领域非结构化文本数据作为语料，对语料依次进行预处理，得到初步的训练语料；利用初步的训练语料训练word2vec模型，利用word2vec模型得到每个句子的空间向量；将初步的训练语料按照非分类关系类型进行聚合，对于每个关系的聚合数据，抽取常见句子模式和不常见的句子模式；选择两个分别满足两种不同模式的句子空间向量作为k‑means聚类方法的初始中心，对所有句子空间向量进行聚类，选择满足常见句子模式的一类，得到质量较好的训练语料；由质量较好的训练语料训练卷积神经网络模型，通过一个全连接softmax层，提取非分类关系。