(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210021957.9 (22)申请日 2022.01.10 (71)申请人 山东师范大学 地址 250014 山东省济南市历下区文化 东 路88号 (72)发明人 丁艳辉　耿艳芳　王栋　徐卫志　 于惠　范胜玉　龙开放　赵晗　 孙胤泰　朱继然　董继坤　 (74)专利代理 机构 济南圣达知识产权代理有限 公司 372 21 专利代理师 张庆骞 (51)Int.Cl. G06F 16/36(2019.01) G06F 16/31(2019.01) G06N 3/04(2006.01) (54)发明名称 一种基于图神经网络的文档级实体关系抽 取方法及系统 (57)摘要 本发明属于自然语言处理以及 图神经网络 领域， 提供了一种基于图神经网络的文档级实体 关系抽取方法及系统。 其中， 该方法包括获取文 档数据， 得到文档数据中的所有实体及其相关信 息； 基于实体及其相关信息， 构建出相应文档数 据的实体 ‑联系图； 基于文档数据的实体 ‑联系图 及图神经网络， 抽取出相应文档级实体关系； 其 中， 在所述实体 ‑联系图中， 节点包括实体节点和 相关信息节点； 边包括实体与实体之间的边、 实 体与该实体的相关信息 之间的边、 不同实体相关 信息之间的边、 相同实体相关信息之间的边、 实 体与其他实体的相关信息之间的边。 权利要求书2页 说明书5页 附图1页 CN 114519106 A 2022.05.20 CN 114519106 A 1.一种基于图神经网络的文档级实体关系抽取 方法， 其特 征在于， 包括： 获取文档数据， 得到文档数据中的所有实体及其相关信息； 基于实体及其相关信息， 构建出相应文档数据的实体 ‑联系图； 基于文档数据的实体 ‑联系图及图神经网络， 抽取 出相应文档级实体关系； 其中， 在所述实体 ‑联系图中， 节点包括实体节点和相关信息节点； 边包括实体与实体 之间的边、 实体与该实体的相关信息之 间的边、 不同实体相关信息 之间的边、 相同实体相关 信息之间的边、 实体与其 他实体的相关信息之间的边。 2.如权利要求1所述的基于图神经网络的文档级实体关系抽取方法， 其特征在于， 抽取 相应文档级实体关系的过程包括： 基于图神经网络计算各个实体节点及与其相连的节点的权 重并进行聚合； 基于实体关系图及聚合后的权重， 得到实体对之间关系的概率， 进而得到文档级实体 关系。 3.如权利要求2所述的基于图神经网络的文档级实体关系抽取方法， 其特征在于， 所述 聚合后的权 重均为归一 化值。 4.如权利要求2所述的基于图神经网络的文档级实体关系抽取方法， 其特征在于， 基于 图神经网络计算各个实体节点及与其相连的节点的权 重的过程 为： 直接将每条边的两个节的特 征向量拼接为一个两倍长的特 征向量； 基于两倍长的特 征向量及全连接网络， 预测相应边上的权 重。 5.如权利要求1所述的基于图神经网络的文档级实体关系抽取方法， 其特征在于， 所述 相关信息节点 为实体的属性节点。 6.一种基于图神经网络的文档级实体关系抽取系统， 其特 征在于， 包括： 文档数据获取模块， 其用于获取文档数据， 得到文档数据中的所有实体及其相关信息； 实体‑联系图模块， 其用于基于实体及其相关信息， 构建出相应文档数据的实体 ‑联系 图； 实体关系抽取模块， 其用于基于文档数据的实体 ‑联系图及图神经网络， 抽取出相应文 档级实体关系； 其中， 在所述实体 ‑联系图中， 节点包括实体节点和相关信息节点； 边包括实体与实体 之间的边、 实体与该实体的相关信息之 间的边、 不同实体相关信息 之间的边、 相同实体相关 信息之间的边、 实体与其 他实体的相关信息之间的边。 7.如权利要求6所述的基于图神经网络的文档级实体关系抽取系统， 其特征在于， 所述 实体关系抽取模块， 还 包括： 权重聚合模块， 其用于基于图神经网络计算各个实体节点及与其相连的节点的权重并 进行聚合； 关系确定模块， 其用于基于实体关系图及聚合后的权重， 得到实体对之间关系的概率， 进而得到文档级实体关系。 8.如权利要求6所述的基于图神经网络的文档级实体关系抽取系统， 其特征在于， 在所 述关系确定模块中， 所述聚合后的权 重均为归一 化值。 9.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该程序被处理器执 行时实现如权利要求1 ‑5中任一项 所述的基于图神经网络的文档级实体关系抽取方法中的权　利　要　求　书 1/2 页 2 CN 114519106 A 2步骤。 10.一种电子设备， 包括存储器、 处理器及存储在存储器上并可在处理器上运行的计算 机程序， 其特征在于， 所述处理器执行所述程序时实现如权利要求 1‑5中任一项 所述的基于 图神经网络的文档级实体关系抽取 方法中的步骤。权　利　要　求　书 2/2 页 3 CN 114519106 A 3