龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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：山西大学
摘要：本发明公开了一种跨领域的少样本命名实体抽取方法，属于自然语言处理技术领域。针对现有实体抽取方法缺乏对实体表示的专门优化、实体类型标签的语义信息利用不充分的问题，一方面，通过多粒度对比学习显式强化实体跨度表示中对命名实体抽取更有益的语义信息，增强其实体跨度检测性能；另一方面，通过双重感知对比学习有效的利用实体类型标签中蕴含的语义信息，构建更加稳定的实体类型原型表示，增强其实体分类性能。此外，基于原型网络的设计使其具备了充分的跨领域能力，能够较为容易的进行领域迁移，而无需依赖大量的标注数据，进而提升跨领域场景下的少样本命名实体抽取模型的准确率，同时降低了数据标注带来的人力成本。
主权项：1.一种跨领域的少样本命名实体抽取方法，其特征在于，所述方法包括以下两个步骤：步骤1：实体跨度检测多粒度对比学习；步骤2：实体分类的双重感知对比学习；其中步骤1：实体跨度检测多粒度对比学习包括以下步骤：步骤1.1，输入序列编码：给定输入序列，通过深度上下文化编码器获得每一个字符的上下文化的文本向量表示；步骤1.2，粗粒度对比学习：将每一个字符的上下文化的文本向量表示看作一个整体，构造对比学习的正负例来优化字符级表示整体的语义信息；步骤1.3，细粒度对比学习：深入文本向量表示内部，构造对比学习的正负例来优化文本向量表示内部各个维度上的语义信息；步骤1.4，联合优化：计算分类过程中的交叉熵损失，并与粗、细粒度对比学习中的计算出的损失进行联合优化；步骤2：实体分类的双重感知对比学习包括以下步骤：步骤2.1，实体片段及类型标签编码：给定输入的实体片段及实体类型标签，通过深度上下文编码器获得其向量表示；步骤2.2，标签感知对比学习：将实体表示与类型标签表示向量联合，构造对比学习的正负例来充分利用类型标签的语义信息；步骤2.3，原型感知对比学习：将实体表示与各类型的原型表示向量联合，构造对比学习的正负例来优化原型表示；步骤2.4，联合优化：联合标签感知与原型感知的对比损失，对模型参数进行优化。
全文数据：
权利要求：
百度查询： 山西大学 一种跨领域的少样本命名实体抽取方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号