申请/专利权人：上海阿尔卡特网络支援系统有限公司

申请日：2020-05-11

公开（公告）日：2024-04-02

公开（公告）号：CN111680512B

主分类号：G06F40/295

分类号：G06F40/295;G06F40/289;G06F40/242;G06N3/0442;H04M3/493;H04M3/54;G10L15/26

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2020.10.20#实质审查的生效;2020.09.18#公开

摘要：本发明公开了一种命名实体识别模型，其基于注意力机制的双向长短时记忆单元‑条件随机场包括：嵌入层为本模型使用的预训练的词向量；双向LSTM层进行特征提取，每个词获得同时包含前向和后向信息表示；自注意层捕获句子内部词依赖关系；全连接层将双向LSTM层和自注意层的输出映射是一个维度为输出标签数量的向量；CRF层用于学习标签之间的依赖关系。本发明还公开了一种电话总机转接分机方法和一种电话总机转接分机系统。本发明的命名实体识别模型能快速准确的识别实体信息。本发明的电话总机转接方法系统能够依据客户需求，准确、快速地为客户检索到欲联系的分机号并进行转接，支持为多客户同时提供分机转接服务，提供优质、高效的总机转接服务体验。

主权项：1.一种命名实体识别方法，其基于注意力机制的双向长短时记忆单元-条件随机场，其特征在于，包括：嵌入层，其为本模型使用的预训练的词向量，该向量随着模型的迭代不断更新；双向LSTM层，其适用于进行特征提取，对于每个词获得同时包含前向和后向信息的表示；双向LSTM层将每个词获得同时包含前向和后向信息的表示如下：双向LSTM是两层神经网络，第一层是从右边作为系列的起始输入，表示从句子的最后一个词语作为输入，在每一个时间步i输出为bhi；第二层从左边作为系列的起始输入，表示从句子的开头开始输入，在每一个时间步i输出为fhi，最终的输出层LSTM的隐藏状态的级联hi为： hi＝[fhi，bhi]；自注意层，其适用于捕获句子内部的词依赖关系；自注意层采用以下方式捕获句子内部的词依赖关系；在每一个时间步i，计算当前的隐藏层状态hi与所有隐藏层状态h＝[h1,h2,...hT]的相似度，T为序列长度，再进行归一化得到相似度分数α，使用α对h进行加权求和得到上下文向量ci； 全连接层，其适用于将双向LSTM层和自注意层的输出使用全连接层映射为一个维度为输出标签数量的一个向量；全连接层输出向量是当前时间步i对于所有标签的预测得分；pi＝Wi[hi，ci]+bi；其中，Wi和bi为模型所需要学习的参数，初始化时服从标准正态分布，pi为全连接层输出的向量，也是预测当前时间步i对于所有标签的预测得分；CRF层，其具有两种类型的分数，发射分数和转移分数，其适用于学习标签之间的依赖关系；发射分数为每个词映射到标签的概率值，即全连接层的输出；转移分数为第一标签转移到第二标签的转移概率。

全文数据：

权利要求：

百度查询： 上海阿尔卡特网络支援系统有限公司 命名实体识别模型、电话总机转接分机方法及系统

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