首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

一种联合字符感知和句子感知的小样本实体识别方法 

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

申请/专利权人:南华大学

摘要:联合字符感知和句子感知的小样本实体识别方法与模型,涉及自然语言处理技术领域,该方法包括:通过一个具有学习参数的嵌入函数,将支持集和查询集中的每一个字符编码成一个连续的维嵌入向量;原型网络根据支持集中的样例以及支持集与查询集句子间的相关性得到对应的所有实体类别的原型,且原型网络还根据支持集中的样例以及支持集与查询集字符间的相关性得到另外对应的所有实体类别的原型;分别计算查询实体与所有类别原型之间的距离,得到查询实体的两种类别分布;结合该两种类别分布得到小样本查询实体最终的类别分布,本发明利用句子之间的相关性和字符之间的相关性来改善模型在小样本实体识别任务上的性能,可有效提高模型的鲁棒性和精度。

主权项:1.一种联合字符感知和句子感知的小样本实体识别方法,其特征在于,包括如下步骤:S1、采用如下方法得到小样本中查询实体的类别分布;S101、通过一个具有学习参数θ的嵌入函数fθ,将支持集和查询集中的每一个字符编码成一个连续的D维嵌入向量;Xi=fθxi,Xi∈RD1S102、构建捕捉小样本中支持集与查询集句子间相关性的句子感知模型,原型网络根据支持集中的样例以及句子感知模型得到的支持集与查询集句子间的相关性,得到所有实体类别的原型;S103、计算查询实体与每个类别原型之间的距离;S104、根据S103得到的距离确定查询实体的类别分布;在S102中,所述句子感知模型采用如下方法获得支持集与查询集句子间的相关性:先使用一维卷积神经网络提取查询集中每个句子sq的特征,并将其编码成一个连续低维的句向量hq;hq=convsqq1,.....,qn2再使用一维卷积神经网络提取支持集中每个句子sl的特征,并将其编码成一个连续低维的句向量 最后通过如下方式计算句子之间的相关性αl; 在S102中,原型网络根据支持集中的样例以及句子感知模型得到的支持集与查询集句子间的相关性所得到所有实体类别的原型为: 式中,|ci|是属于实体类别ci的字符数量;在S103中,查询实体与每个类别原型之间的距离为: 在S104中,采用如下式确定查询实体的类别分布: S2、采用如下方法得到小样本中查询实体的类别分布;S201、构建捕捉小样本中支持集与查询集字符间相关性的字符感知模型,原型网络根据支持集中的样例以及字符感知模型得到的支持集与查询集字符间的相关性,得到所有实体类别的原型;S202、计算查询实体与每个类别原型之间的距离;S203、根据S202得到的距离确定查询实体的类别分布;在S201中,所述字符感知模型采用如下式获得小样本中支持集与查询集字符间的相关性; 式中,βj表示查询实体q与ci类中的xj实体之间的相关系数;在S201中,原型网络根据支持集中的样例以及字符感知模型得到的支持集与查询集字符间的相关性所得到所有实体类别的原型为: 式中,|ci|是属于实体类别ci的字符数量;在S202,查询实体与每个类别原型之间的距离为: 在S203中,采用如下式确定查询实体的类别分布: S3、结合步骤S1和S2中得到的类别分布得到小样本查询实体最终的类别分布。

全文数据:

权利要求:

百度查询: 南华大学 一种联合字符感知和句子感知的小样本实体识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。

相关技术
相关技术
相关技术
相关技术