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。