申请/专利权人:小语智能信息科技(云南)有限公司
申请日:2024-02-05
公开(公告)日:2024-04-30
公开(公告)号:CN117952101A
主分类号:G06F40/289
分类号:G06F40/289;G06N3/0455;G06N3/096;G06N3/084;G06N3/0985
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.17#实质审查的生效;2024.04.30#公开
摘要:本发明公开一种基于多任务学习的多标准中文分词方法,涉及自然语言处理技术领域。本发明充分利用不同标准的分词语料,将多个数据集共同训练充分学习其共享信息以提高OOV召回率;输入多个具有不同分词标准的数据集;利用BERT预训练语言模型得到输入文本的字嵌入向量;为充分进行不同标准数据集所对应的特征抽取层的分词特征交互,将不同分词标准的字嵌入向量按照特定的比例随机选择并混合,之后分别送入具有不同的头的打分层;基于每个打分层计算其多标签分类损失并相加作为损失;最后对每一个分词标准分别使用贪心策略进行解码。本发明在相同的数据集上,相比于基线模型,评价指标F1值提高了0.62%,未登录词的召回率提高了5.49%。
主权项:1.基于多任务学习的多标准中文分词方法,其特征在于:包括如下步骤:Step1、输入多个具有不同分词标准的数据集,利用BERT预训练语言模型得到输入文本的字嵌入向量;Step2、为充分进行不同标准数据集所对应的特征抽取层的分词特征交互,将不同分词标准的字嵌入向量按照特定的比例随机选择并混合,之后分别送入具有不同的头的打分层;基于每个打分层计算其多标签分类损失并相加作为损失;最后对每一个分词标准分别使用贪心策略进行解码。
全文数据:
权利要求:
百度查询: 小语智能信息科技(云南)有限公司 基于多任务学习的多标准中文分词方法
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。