欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 202310254368X
申请人: 山东师范大学
专利类型:发明专利
专利状态:已下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.面向音乐领域的实体关系抽取方法,其特征是,包括:

获取待处理文本;

对待处理文本进行句子过滤,得到候选句子;所述候选句子中包括至少两个音乐命名实体;

对候选句子,进行降噪处理;

将降噪处理后的候选句子,输入到训练后的实体关系抽取模型中,输出候选句子中包含的音乐实体关系,其中,实体关系抽取模型,包括:依次连接的词嵌入层、神经网络层、注意力机制层和输出层;所述训练后的实体关系抽取模型,是采用已标注实体关系的音乐文本进行训练得到的,其工作过程包括:将降噪处理后的候选句子输入到词嵌入层的BERT模型中,词嵌入层的BERT模型对输入的候选句子进行编码生成词向量;

神经网络层的BiGRU模型对词向量进行处理,得到带有时序信息的文本表示;

注意力机制层,通过键值对计算序列中文本表示与关系类别的相关性,得到注意力权重,采用注意力权重对带有时序信息的文本表示进行加权求和,得到句子级的文本表示;

定义注意力机制层,对文本中的信息进行权重分配,以此来增加文本中关键词的关联程度占比,分为四步:初始化权重矩阵,然后对和进行点乘、归一化,得到矩阵;它代表着每个词语所对应的权重,权重比值大小代表着对于文本关系抽取所贡献的相关程度;

定义一个可学习的函数,用于对输入文本函数的词汇进行打分,采用相似度计算;

对于打分的结果进行归一化,得到每个词汇的权重;

对每个词语进行加权求和,得到最终的句子特征表示;

;

在经过BiGRU编码后,获得特征矩阵;其中,为第个词汇的隐藏状态;

输出层,通过分类器对句子级的文本表示进行分类,输出最终的音乐实体关系类别。

2.如权利要求1所述的面向音乐领域的实体关系抽取方法,其特征是,对待处理文本进行句子过滤,得到候选句子,具体包括:对待处理文本进行分句、分词和词性标注处理;对获得的句子进行过滤,对于包含至少两个音乐命名实体的句子进行保留,剩余句子予以删除;对候选句子,进行降噪处理,具体包括:对候选句子,去除停用词、删除特殊符号以及空格。

3.如权利要求1所述的面向音乐领域的实体关系抽取方法,其特征是,将降噪处理后的候选句子,输入到训练后的实体关系抽取模型中,输出候选句子中包含的音乐实体关系,其中,训练后的实体关系抽取模型,模型训练过程包括:构建数据集,将数据集按照设定比例划分为训练集和测试集;

将训练集输入到时态关系抽取模型中,对模型进行训练,当模型的损失函数值不再下降时,或者训练迭代次数超过设定次数时,停止训练,得到初步训练后的实体关系抽取模型;

再对初步训练后的实体关系抽取模型,采用测试集进行测试,如果测试的准确度超过设定阈值,则得到训练后的实体关系抽取模型,如果测试的准确度低于设定阈值,则更换训练集,对模型再次进行训练。

4.如权利要求3所述的面向音乐领域的实体关系抽取方法,其特征是,所述构建数据集,具体包括:对语料进行分句、分词和词性标注处理;对获得的句子进行过滤,对于包含至少两个音乐命名实体的句子作为候选句子进行保留,剩余句子予以删除;对候选句子进行降噪处理;

定义音乐实体的类型以及音乐实体关系的类别,为音乐实体关系类别生成标签索引编号;

形成音乐领域的数据集。

5.如权利要求4所述的面向音乐领域的实体关系抽取方法,其特征是,定义音乐实体的类型以及音乐实体关系的类别,其中,所述音乐实体的类型,包括:人物、音乐、专辑、影视、机构、时间、游戏和别名;

所述人物,包括:歌手、组合、乐队、作词家、作曲家和编曲家;所述音乐,是指中文歌曲;所述专辑,是指音乐专辑;所述影视,是指电影、电视剧和动漫;所述机构,是指唱片公司;所述时间,是指歌曲或专辑的发行时间;所述游戏,是指手游或网游;所述别名,是指人物的昵称、别名和英文名;

定义音乐实体的类型以及音乐实体关系的类别,其中,所述音乐实体关系的类别,包括:别名、作词、作曲、编曲、艺术家-歌曲、艺术家-专辑、歌曲-专辑、插曲、唱片公司、合作、其他情况、专辑-发行时间和歌曲-发行时间;

其中,所述别名,是指歌手的昵称和外号;所述作词,是指作词家为某首歌曲作词;所述作曲,是指作曲家为某首歌曲作曲;所述艺术家-歌曲,表明某首歌曲是属于某个歌手、组合的作品;所述艺术家-专辑,是指某张专辑是属于某个歌手或组合的;所述歌曲-专辑,是指当前首歌是某张专辑的中的一首歌;

所述插曲,是指当前首歌是某个影视作品的主题曲、片尾曲或者插曲;所述唱片公司,是指歌手或者组合签约某家唱片公司;所述合作,是指两人共同创作或演唱某首歌,或参演同一部影视作品;所述其他情况,是指文本中所涉及的两个实体的关系未知或者不存在关系;所述专辑-发行时间,是指某张专辑的发行时间;所述歌曲-发行时间,是指某首歌曲的发行时间;

为音乐实体关系类别生成标签索引编号,具体包括:

艺术家-歌曲的关系类别标签索引编号为0、作词的关系类别标签索引编号为1、作曲的关系类别标签索引编号为2、编曲的关系类别标签索引编号为3、歌曲-专辑的关系类别标签索引编号为4、艺术家-专辑的关系类别标签索引编号为5、合作的关系类别标签索引编号为6、插曲的关系类别标签索引编号为7、其他的关系类别标签索引编号为8、别名的关系类别标签索引编号为9、专辑发行时间的关系类别标签索引编号为10、歌曲发行时间的关系类别标签索引编号为11和唱片公司的关系类别标签索引编号为12;

所述输出候选句子中包含的音乐实体关系之后,还包括:基于音乐实体关系,构建音乐知识图谱;基于音乐知识图谱实现音乐知识问答、音乐搜索结果推荐。

6.面向音乐领域的实体关系抽取系统,其特征是,包括:

获取模块,其被配置为:获取待处理文本;

过滤模块,其被配置为:对待处理文本进行句子过滤,得到候选句子;所述候选句子中包括至少两个音乐命名实体;

降噪模块,其被配置为:对候选句子,进行降噪处理;

输出模块,其被配置为:将降噪处理后的候选句子,输入到训练后的实体关系抽取模型中,输出候选句子中包含的音乐实体关系,其中,实体关系抽取模型,包括:依次连接的词嵌入层、神经网络层、注意力机制层和输出层;所述训练后的实体关系抽取模型,是采用已标注实体关系的音乐文本进行训练得到的,其工作过程包括:将降噪处理后的候选句子输入到词嵌入层的BERT模型中,词嵌入层的BERT模型对输入的候选句子进行编码生成词向量;

神经网络层的BiGRU模型对词向量进行处理,得到带有时序信息的文本表示;

注意力机制层,通过键值对计算序列中文本表示与关系类别的相关性,得到注意力权重,采用注意力权重对带有时序信息的文本表示进行加权求和,得到句子级的文本表示;

定义注意力机制层,对文本中的信息进行权重分配,以此来增加文本中关键词的关联程度占比,分为四步:初始化权重矩阵,然后对和进行点乘、归一化,得到矩阵;它代表着每个词语所对应的权重,权重比值大小代表着对于文本关系抽取所贡献的相关程度;

定义一个可学习的函数,用于对输入文本函数的词汇进行打分,采用相似度计算;

对于打分的结果进行归一化,得到每个词汇的权重;

对每个词语进行加权求和,得到最终的句子特征表示;

;

在经过BiGRU编码后,获得特征矩阵;其中,为第个词汇的隐藏状态;

输出层,通过分类器对句子级的文本表示进行分类,输出最终的音乐实体关系类别。

7.一种电子设备,其特征是,包括:

存储器,用于非暂时性存储计算机可读指令;以及

处理器,用于运行所述计算机可读指令,

其中,所述计算机可读指令被所述处理器运行时,执行上述权利要求1-5任一项所述的方法。

8.一种存储介质,其特征是,非暂时性地存储计算机可读指令,其中,当非暂时性计算机可读指令由计算机执行时,执行权利要求1-5任一项所述方法的指令。