1.一种基于二维时序网络的端到端文本实体关系识别方法，其特征在于：所述方法包括：
s1、获取文本语句，对文本语句进行处理后嵌入embedding层，并对嵌入结果进行编码处理，得到语句的向量表示；
s2、对步骤s1中得到的向量表示进行处理，得到头实体张量和尾实体张量；
s3、对步骤s1中得到的向量表示进行识别处理，得到文本语句提及的关系类别；
s4、用步骤s3中得到的关系类别对步骤s2中得到的头实体张量和尾实体张量进行缩放处理；
s5、从步骤s4中经缩放的头实体张量中识别涉及到的实体类别，得到头实体类别；从步骤s4中经缩放的尾实体张量中识别涉及到的实体类别，得到尾实体类别；
s6、对步骤s4中经缩放的头实体张量和尾实体张量分别进行加权处理；
s7、用步骤s5中得到的头实体类别对步骤s6中经加权的头实体张量进行缩放处理，用步骤s5中得到的尾实体类别对步骤s6中经加权的尾实体张量进行缩放处理；
s8、对步骤s7中经缩放的头实体张量和尾实体张量进行处理，得到最终的关系张量。
2.根据权利要求1所述的一种基于二维时序网络的端到端文本实体关系识别方法，其特征在于：所述步骤s1中对文本语句的处理，包括序列编码处理和cls字符嵌入处理，所述cls字符用来代表整个文本语句。
3.根据权利要求1所述的一种基于二维时序网络的端到端文本实体关系识别方法，其特征在于：所述步骤s5中得到的头实体类别和尾实体类别均采用bio标注方法。
4.根据权利要求1所述的一种基于二维时序网络的端到端文本实体关系识别方法，其特征在于：所述步骤s6中，利用点积缩放自注意力机制对步骤s4中经缩放的头实体张量和尾实体张量分别进行加权处理。
5.根据权利要求1所述的一种基于二维时序网络的端到端文本实体关系识别方法，其特征在于：所述步骤s8中，利用s3步骤中得到的关系类别对所述关系张量进行缩放处理。
6.根据权利要求1所述的一种基于二维时序网络的端到端文本实体关系识别方法，其特征在于：所述步骤s4中得到的头实体类别和尾实体类别，以及s8步骤中得到的关系张量均含有关系类别纬度。