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。