申请/专利权人:北京市遥感信息研究所
申请日:2023-11-30
公开(公告)日:2024-03-26
公开(公告)号:CN117764067A
主分类号:G06F40/289
分类号:G06F40/289;G06F18/241;G06F18/214;G06F40/30
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.12#实质审查的生效;2024.03.26#公开
摘要:本发明提出一种基于类别名称感知分解式框架的少样本命名实体识别方法,包括,获取原始数据集,对原始数据集中的文本与标签信息进行预处理,并划分训练集、验证集和测试集;构建类别名称感知分解式框架模型,将训练集和验证集输入到类别名称感知分解式框架模型中进行训练,并在验证集上进行评价指标的计算,保存最优的模型;从测试集中对每个类随机选取样本作为支撑集,利用支撑集对最优的模型进行微调;利用支撑集和微调后的模型计算得到类别名称感知的跨度过滤阈值;根据微调后的模型以及跨度过滤阈值对测试集中的样本进行预测。
主权项:1.一种基于类别名称感知分解式框架的少样本命名实体识别方法,其特征在于,包括以下步骤:获取原始数据集,对所述原始数据集中的文本与标签信息进行预处理,并划分训练集、验证集和测试集;构建类别名称感知分解式框架模型,将所述训练集和所述验证集输入到类别名称感知分解式框架模型中进行训练,并在验证集上进行评价指标的计算,保存最优的模型;从所述测试集中对每个类随机选取样本作为支撑集,利用所述支撑集对所述最优的模型进行微调;利用所述支撑集和微调后的模型计算得到类别名称感知的跨度过滤阈值;根据微调后的模型以及所述跨度过滤阈值对测试集中的样本进行预测。
全文数据:
权利要求:
百度查询: 北京市遥感信息研究所 基于类别名称感知分解式框架的少样本命名实体识别方法
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。