申请/专利权人：浙江工业大学

申请日：2024-01-17

公开（公告）日：2024-03-22

公开（公告）号：CN117744659A

主分类号：G06F40/295

分类号：G06F40/295;G06N3/0442;G06N3/0455;G06N3/084;G06F18/25;G06F18/241;G06F40/30

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.09#实质审查的生效;2024.03.22#公开

摘要：本发明涉及一种融合实体边界信息的命名实体识别方法，包括：1将中文文本输入到BERT模型中，以获取中文词嵌入信息；2将词嵌入信息输入左侧边界信息提取网络模型中，首先通过BiLSTM捕捉长距离的依赖关系，并且使用FocalLoss损失函数处理标签不平衡问题和学习边界信息；3将词嵌入信息输入右侧字符特征提取网络模型，通过注意力层和BiLSTM层结合学习更多的字符特征；4使用CRF模型学习标签之间的依赖关系，提高模型的准确率和鲁棒性，使得该方法更加适合中文命名实体识别任务。本发明可以提高中文实体抽取的准确率和鲁棒性，从而解决了以往NER模型在中文数据集上准确率低、可用性低的问题。

主权项：1.一种融合实体边界信息的命名实体识别方法，其特征在于，包括如下步骤：1将中文文本输入到BERT模型中，获取得到对应的词嵌入信息；2将词嵌入信息输入到边界信息提取网络模型中获取边界信息，并得到输出特征feature_left；3将词嵌入信息输入到字符特征提取网络模型中，通过注意力机制学习语义信息，并使用BiLSTM模型捕捉依赖关系，将得到的特征feature_right输出；4将上述得到的特征feature_left和特征feature_right进行融合，并输入至CRF用于最终处理，学习标签之间的依赖关系，输出实体预测信息，即中文文本对应的标签。

全文数据：

权利要求：

百度查询： 浙江工业大学 一种融合实体边界信息的命名实体识别方法

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。

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