申请/专利权人:广东工业大学
申请日:2020-08-20
公开(公告)日:2024-04-23
公开(公告)号:CN111950287B
主分类号:G06F40/295
分类号:G06F40/295;G06F16/33;G06F16/35;G06N3/045;G06N3/0442;G06N3/08
优先权:
专利状态码:有效-授权
法律状态:2024.04.23#授权;2020.12.04#实质审查的生效;2020.11.17#公开
摘要:本申请公开了一种基于文本的实体识别方法及相关装置,方法包括:通过第一预置Word2Vec模型将预置词语数据集映射为词语特征向量集;采用预置BiLSTM模型提取预置词语数据集的上下文特征向量,构成上下文特征向量集;通过第二预置Word2Vec模型将预置词性数据集映射为词性特征向量集;将词语特征向量、上下文特征向量和词性特征向量拼接成融合特征向量;采用预置卷积神经网络模型处理预置边矩阵数据集和融合特征向量集,得到词语标签概率矩阵;采用预置CRF模型对词语标签概率矩阵进行处理,得到命名实体的识别结果。本申请能够解决现有技术计算耗时较长、特征选取不可靠以及识别准确度较低的技术问题。
主权项:1.一种基于文本的实体识别方法,其特征在于,包括:采用爬虫获取大量的文本数据,构成初始文本数据集;通过预置狄利克雷主题模型对所述初始文本数据集进行筛选,得到筛选后的文本数据集;利用预置分词工具对所述筛选后的文本数据集依次进行触发词类型筛选和句法依存分析操作,得到句法依存图;根据所述句法依存图得到预置词语数据集和预置词性数据集;根据所述句法依存图计算所述预置词语数据集对应的边矩阵,构成所述预置边矩阵数据集;通过第一预置Word2Vec模型将预置词语数据集映射为词语特征向量集,所述词语特征向量集包括词语特征向量;采用预置BiLSTM模型提取所述预置词语数据集的上下文特征向量,构成上下文特征向量集,所述预置BiLSTM模型基于自注意力机制构建;通过第二预置Word2Vec模型将预置词性数据集映射为词性特征向量集,所述词性特征向量集包括词性特征向量;将所述词语特征向量、所述上下文特征向量和所述词性特征向量拼接成融合特征向量,构成融合特征向量集;采用预置卷积神经网络模型处理预置边矩阵数据集和所述融合特征向量集,得到词语标签概率矩阵;采用预置CRF模型对所述词语标签概率矩阵进行处理,得到命名实体的识别结果。
全文数据:
权利要求:
百度查询: 广东工业大学 一种基于文本的实体识别方法及相关装置
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。