申请/专利权人：北京理工大学

申请日：2022-12-28

公开（公告）日：2023-06-13

公开（公告）号：CN116257608A

主分类号：G06F16/332

分类号：G06F16/332;G06F40/30;G06F18/2431;G06F18/2415;G06F18/10;G06N20/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.30#实质审查的生效;2023.06.13#公开

摘要：本发明涉及一种基于事后验证的证据句去噪方法，属于自然语言处理中的机器阅读理解技术领域。首先采用静态词向量为训练集进行伪证据标注，为标注数据训练模型，包括答案分类与证据句跨度预测，保存最优模型。根据最优模型预测获取候选证据列表。根据最优模型，对预测证据进行去噪。根据候选证据分数对候选证据进行重排，按要求选择最大分数候选证据作为最终证据句，重新评价后得到新证据准确率和总准确率，将它们与原准确率进行比较，衡量方法的有效性。本发明能够以小成本为模型进行证据去噪，在得到很好的效果的同时，还可应用于各种包含证据抽取任务的工作中。

主权项：1.一种基于事后验证的证据句去噪方法，其特征在于，包括以下步骤：步骤1：采用静态词向量为训练集进行伪证据标注；步骤2：为标注数据训练模型，包括答案分类与证据句跨度预测，保存最优模型M0；步骤3：根据最优模型M0预测获取候选证据列表；步骤4：根据最优模型，对预测证据进行去噪；步骤5：根据候选证据分数对候选证据进行重排，按要求选择最大分数候选证据作为最终证据句，重新评价后得到新证据准确率和总准确率，将它们与原准确率进行比较，衡量方法的有效性。

全文数据：

权利要求：

百度查询： 北京理工大学 一种基于事后验证的证据句去噪方法

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD