[发明专利]一种使用序列标注进行识别文本分段的方法有效
| 申请号： | 201811360997.6 | 申请日： | 2018-11-15 |
| 公开（公告）号： | CN111191456B | 公开（公告）日： | 2023-05-09 |
| 发明（设计）人： | 罗立刚;刘辉;张正宽;张天泽;常涛;王玲 | 申请（专利权）人： | 零氪科技（天津）有限公司 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F40/289;G06F16/35;G16H10/60 |
| 代理公司： | 北京华夏正合知识产权代理事务所(普通合伙) 11017 | 代理人： | 韩登营 |
| 地址： | 300000 天津市滨海新区天津自贸*** | 国省代码： | 天津;12 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 使用 序列 标注 进行 识别 文本 分段 方法 | ||
【权利要求书】：
1.一种使用序列标注进行识别文本分段的方法，其特征在于，包括步骤：
A、分别将样本集合S1的不同文字段Pi切分为各子句Sij，所述各子句Sij构成子句集合，子句Sij构成形容文字段Pi的标注集合S2；
采用语义特征向量标注所述子句集合以形成语义特征向量集合S3；
B、对所述语义特征向量集合S3进行聚类训练，得到聚类模型M1；
C、利用所述聚类模型M1对所述标注集合S2进行验算，以确定出各子句Sij所属的簇编号cid，将所述标注集合S2转换为簇编号序列，簇编号序列表示为Sij_cid；
D、采用序列标注模型M2对所述各子句所属的簇编号进行映射，以确定出所述各子句所在的各个片段。
2.根据权利要求1所述的方法，其特征在于，所述步骤A包括：
对所述子句集合中的各子句进行分词处理，得出各子句中各分词的词向量；
分别对各子句中的词向量进行平均值计算，得出该各子句的语义特征向量。
3.根据权利要求1～2任一所述的方法，其特征在于，所述样本集合为历史病历。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于零氪科技（天津）有限公司，未经零氪科技（天津）有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201811360997.6/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种减振结构及洗衣机
- 下一篇：一种页面创建方法、存储介质、电子设备及系统
