一种面向领域关系抽取的标注语料生成方法

摘要

本发明属于自然语言处理技术领域，涉及领域关系抽取，具体提供一种面向领域关系抽取的标注语料生成方法，用以克服领域关系抽取所面临的语料缺乏和人工代价昂贵的问题。本发明利用回译法生成同义句，将其与原句一起作为序列生成模型的训练语料，克服了领域语料不足的问题；同时，通过依存关系分析和语态判断，将训练语料中实体替换为特定的主动和被动两种掩蔽符号，使得序列生成模型直接生成关系抽取任务所需的带标注的语料；并且，通过对实体进行掩蔽，序列生成模型专注于学习实体间的关系，有效提高关系抽取的准确性。综上，本发明能够在初始语料不够充足的情况下，生成关系抽取任务所需的带标注的语料，极大地降低了人工标注成本。