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。