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：西安交通大学
摘要：基于表示学习命名实体识别方法、系统、设备和存储介质，根据句子级别的注意力机制，得到基于字符信息的词向量；将基于字符信息的词向量与词所在句子的特征向量拼接起来，并作为输入送入Bi‑LSTM模型中进行训练，得到训练后的模型；采用训练后的模型进行申请文档的命名实体识别。本发明中采用训练后的模型进行申请文档的命名实体识别，得到了词向量在隐空间更合理地表示。整个命名实体识别模型训练好后是一个端到端的模型，不需要人工参与，并且训练速度相比自回归类模型快，参数量相比端到端的自回归模型少。
主权项：1.一种基于表示学习命名实体识别方法，其特征在于，包括以下步骤：根据句子级别的注意力机制，得到基于字符信息的词向量；将基于字符信息的词向量与词所在句子的特征向量拼接起来，并作为输入送入Bi-LSTM模型中进行训练，得到训练后的模型；采用训练后的模型进行申请文档的命名实体识别；根据句子级别的注意力机制，得到基于字符信息的词向量的具体过程为：根据词语的词频-逆文档频率值得到申请文档分词后的词语权重，然后根据词语权重使用预训练模型RoBERTa加载申请文档分词后词语的向量；根据句子级别的注意力机制，得到基于字符信息的词向量的具体过程为：采用cw2vec笔画模型将汉字拆分为一个个笔画，根据当前词语c与上下文词w的相似度假定已知中心词出现上下文词的概率，并根据中心词出现上下文词的概率通过负采样操作，得到对数目标函数L，如式3所示； 其中，V为语料库中的所有词语表，Tw为当前中心词w所在窗口的所有上下文词，σ为sigmoid函数，α为负采样操作得到的负样本个数，Ε为求期望，t为负采样操作得到样本；通过梯度下降算法优化对数目标函数L，并更新上下文词向量，得到基于字符信息的词向量；词所在句子的特征向量通过以下过程得到：将每一个词在文档级别的权重与词经预训练模型RoBERTa输出的词向量加权相乘后相加，得到词所在句子对应的特征向量。
全文数据：
权利要求：
百度查询： 西安交通大学 基于表示学习命名实体识别方法、系统、设备和存储介质
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