申请/专利权人：云知声智能科技股份有限公司;国网新疆电力有限公司;新疆大学

申请日：2021-07-20

公开（公告）日：2024-04-12

公开（公告）号：CN113516196B

主分类号：G06F18/214

分类号：G06F18/214;G06F40/295;G06F18/23213

优先权：

专利状态码：有效-授权

法律状态：2024.04.12#授权;2021.11.05#实质审查的生效;2021.10.19#公开

摘要：本发明涉及命名实体识别数据增强的方法、装置、电子设备和介质，该方法包括：获取第一数据集，将第一数据集进行扩充得到扩充数据集，将扩充数据集分为第一份扩充数据集和第二份扩充数据集；将第一份扩充数据集输入到BERT模型中得到句向量数据集；对句向量数据集聚类得到聚类结果；对聚类结果对抗训练确定簇数据集；使用GPT模型微调簇数据集得到第二数据集；使用第二数据集训练GPT模型得到预测模型；将第二份扩充数据集输入到预测模型中得到预测结果数据集；将预测结果数据集中的命名实体标签通配符替换为实体词典中的文字，确定第三数据集；将第三数据集与第一数据集合并得到最终的数据集。本申请实施例采用数据增强的方式可以减小所需要的数据量。

主权项：1.一种命名实体识别数据增强的方法，其特征在于，包括：获取第一数据集，所述第一数据集包括：文字样本和文字样本对应的实体标签；将所述第一数据集进行扩充得到扩充数据集，将所述扩充数据集均分为第一份扩充数据集和第二份扩充数据集；将所述第一份扩充数据集输入到预训练BERT模型中得到句向量数据集；对所述句向量数据集进行聚类得到聚类结果；对所述聚类结果进行对抗训练确定簇数据集；使用预训练GPT模型微调所述簇数据集得到第二数据集；使用所述第二数据集训练预训练GPT模型得到预测模型；将所述第二份扩充数据集输入到所述预测模型中得到预测结果数据集；将所述预测结果数据集中的实体标签通配符替换为实体词典中的文字，同时生成替换后的文字对应的实体标签，所述替换后的文字和替换后的文字对应的实体标签组成第三数据集；将所述第三数据集与所述第一数据集进行合并得到最终的数据集；其中，所述将所述第一数据集进行扩充得到扩充数据集，包括：确定所述第一数据集中的实体词典；从所述第一数据集中抽取预设比例的数据集得到第四数据集，将所述实体词典中的实体词进行同类型替换到所述第四数据集中得到第五数据集，合并所述第一数据集和所述第五数据集得到第六数据集；将所述第六数据集中的实体词替换为实体标签得到扩充数据集；将所述扩充数据集分为两份扩充数据集得到第一份扩充数据集和第二份扩充数据集。

全文数据：

权利要求：

百度查询： 云知声智能科技股份有限公司;国网新疆电力有限公司;新疆大学 命名实体识别数据增强的方法、装置、电子设备和介质

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