申请/专利权人:北京工业大学
申请日:2024-01-12
公开(公告)日:2024-04-12
公开(公告)号:CN117875312A
主分类号:G06F40/242
分类号:G06F40/242;G06F40/295;G06F40/30
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.04.30#实质审查的生效;2024.04.12#公开
摘要:本发明涉及一种面向中文水环境文本的命名实体识别的方法,特别是涉及一种基于多特征嵌入的双向长短时记忆神经网络Bi‑directionalLongShortTermMemory,BiLSTM,高速自注意力机制HighwaySelf‑attention与条件随机场ConditionalRandomField,CRF混合神经网络的中文水环境文本命名实体识别方法。首先,将获取到的中文水环境文本数据用预先训练好的词典进行词嵌入,将中文字符与词语映射成向量。同时,将文本数据转换成拼音、五笔编码,通过模型预训练出拼音、结构与字体特征词典作为补充特征向量进行补充嵌入。然后,使用BiLSTM神经网络层从两个方向对拼接后的多特征数据进行训练提取。接着使用HighwaySelf‑attention对进一步提取句子级特征。最后使用CRF来解码特征,并获取准确度较高的命名实体所属类别的预测结果。
主权项:1.一种基于多特征嵌入长短时记忆神经网络的水环境命名实体识别方法,其特征在于,该方法包括如下步骤:1获取北京市生态环境局和中华人民共和国生态环境部过去一段时间发布的水环境方面的中文文本数据,并对文本数据所属类别打上标签;2对水环境中文文本数据通过预训练词典进行字嵌入和词嵌入处理,并且依据不同文本的长度,自适应地将中文字符与词语映射成相同维度的特征向量。3将水环境中文文本数据转换成拼音与五笔编码,并且分别基于拼音、结构与字体特征,各通过模型生成预训练生成词典,依据不同文本的长度,自适应地将拼音、结构与字体特征映射成相同维度的补充特征向量。4使用双向长短时记忆Bi-directionalLongShortTermMemory,BiLSTM神经网络层从两个方向对拼接后的多维度特征数据进行训练提取;5使用高速自注意力机制HighwaySelf-attention对数据句子级特征进行训练提取。6使用条件随机场ConditionalRandomField,CRF来解码特征,获取准确度较高的命名实体所属类别的预测结果,并通过与数据原标签进行对比进行模型评价。
全文数据:
权利要求:
百度查询: 北京工业大学 多特征嵌入长短时记忆网络的水环境命名实体识别方法
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。