一种社交噪音文本实体关系抽取优化方法及系统

专利申请号：CN202110364805.4

公 开 号：CN113076421A

发 明 人：刘晓明 李承祖 冯乙洋 多小川 贺靖涵 

代 理 人：贺小停

代理机构：61200 西安通大专利代理有限责任公司

专利类型：发明申请

申 请 日：20210706

公 开 日：20210402

专利主分类号：G06F16/35(20190101)

关 键 词：关系抽取 文本实体 因果推断 词向量 数据集 噪音 自然语言处理 应用可能性 实际场景 数据标注 数据更新 数据增强 文本领域 创新性 鲁棒性 标注 干预 引入 中文 优化 应用 

摘      要：本发明一种社交噪音文本实体关系抽取优化方法及系统，可解决社交文本领域数据标注成本大、数据更新速度快、数据集本身存在偏差以及原有模型可能陷入虚假相关性的问题。该方法将因果推断引入自然语言处理生成词向量的过程中，应用因果推断中干预与反事实的优势，实现了数据增强并减弱数据集本身带来的偏差。不仅能够减少人力标注数据的投入成本，而且能够有效模拟实际场景中文本的不规范性与创新性，提高模型对于社交噪音文本实体关系抽取的鲁棒性。与此同时，由于方法本身对于词向量进行处理，因此对于现有各类模型均有较好的适应性与应用可能性。