[发明专利]基于命名实体模型的字符串识别方法、电子设备、存储介质

说明书

本发明提供了一种基于命名实体模型的字符串识别方法，包括：命名实体模型的输入层接收用户输入的字符串，将字符串转化为字索引数组并输出至字嵌入层，字嵌入层将字索引数组中的每个元素分别转化为多维字向量并输出至双向长短记忆网络层。双向长短记忆网络层的sigmoid激活函数单元或tanh激活函数单元接收到输入数据时，生成sigmoid查表请求或tanh查表请求，并调用预置函数接口，针对不同查表请求，利用预置函数接口采用不同的查表方式在同一个预设查找表中查找对应的数据，并将查找到的数据作为相应激活函数单元的输出结果。双向长短记忆网络层对激活函数单元的输出结果进行逻辑处后输出至全连接层，由全连接层为输出结果数据添加实体标签。本发明方案能有效提高激活函数的数据处理效率。

技术领域

本发明涉及字符识别技术领域，特别是涉及一种基于命名实体模型的字符串识别方法、电子设备及计算机存储介质。

背景技术

在汽车车机NLP(Natural Language Processing,自然语言处理)领域，命名实体识别(Named Entity Recognition，NER)是一项很基础的任务，就是指从文本中识别出命名性指称项，为关系抽取等任务做铺垫。狭义上，是识别出人名、地名和组织机构名这三类命名实体，广义上可以识别更多命名实体，比如歌手、歌名等。由于NER模型中双向长短记忆网络层的sigmoid和tanh函数是指数函数，在计算时需要用到浮点单元或者专用硬件模块，而在汽车车机中，当前大部分车载芯片没有浮点单元或者专用硬件加速模块，并且采用通用处理器软件来模拟指数运算的性能又很低，无法达到更高效地运算效果。

发明内容

鉴于上述问题，提出了本发明以便提供一种克服上述问题或者至少部分地解决上述问题的一种基于命名实体模型的字符串识别方法、电子设备及计算机存储介质。

依据本发明一方面，提供了一种基于命名实体模型的字符串识别方法，所述命名实体模型包括输入层、字嵌入层、双向长短记忆网络层和全连接层，所述方法包括：

所述输入层接收用户输入的字符串，将所述字符串转化为字索引数组并输出至字嵌入层，字索引数组的元素为所述字符串中每个字的索引号；

所述字嵌入层将所述字索引数组中的每个元素分别转化为多维字向量，并将多维字向量依次输出至双向长短记忆网络层；

所述双向长短记忆网络层的sigmoid激活函数单元或tanh激活函数单元接收到输入数据时，生成sigmoid查表请求或tanh查表请求，并调用预置函数接口；

针对所述sigmoid查表请求，利用所述预置函数接口将所述输入数据作为查表数据，利用所述查表数据在预设查找表中进行数据查找，将查找到的数据作为所述sigmoid激活函数单元的输出结果；

针对所述tanh查表请求，利用所述预置函数接口将所述输入数据转换为适用sigmoid激活函数的数据且将转换后的数据作为查表数据，利用所述查表数据在所述预设查找表中进行数据查找，将查找到的数据还原为适用tanh激活函数的数据，并作为所述tanh激活函数单元的输出结果；

所述双向长短记忆网络层对所述sigmoid激活函数单元的输出结果和tanh激活函数单元的输出结果进行逻辑处理，将逻辑处理后得到的数据输出至所述全连接层，由所述全连接层为输出结果数据添加实体标签。

可选地，利用所述预置函数接口将所述输入数据转换为适用sigmoid激活函数的数据且将转换后的数据作为查表数据，利用所述查表数据在所述预设查找表中进行数据查找，将查找到的数据还原为适用tanh激活函数的数据，并作为所述tanh激活函数单元的输出结果，包括：

利用所述预置函数接口将所述输入数据扩大2倍得到适用sigmoid激活函数的数据，且将扩大2倍后的数据作为查表数据；