[发明专利]一种基于对抗训练的命名实体识别方法在审
| 申请号： | 201911358738.4 | 申请日： | 2019-12-25 |
| 公开（公告）号： | CN111191453A | 公开（公告）日： | 2020-05-22 |
| 发明（设计）人： | 袁超逸;刘忠麟;王立才;张起闻;罗琪彬;郝韫宏;李孟书 | 申请（专利权）人： | 中国电子科技集团公司第十五研究所 |
| 主分类号： | G06F40/295 | 分类号： | G06F40/295;G06F16/36;G06F16/35 |
| 代理公司： | 北京理工大学专利中心 11120 | 代理人： | 田亚琪 |
| 地址： | 100083 北*** | 国省代码： | 北京;11 |
| 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 基于 对抗 训练 命名 实体 识别 方法 | ||
【权利要求书】：
1.一种基于对抗训练的命名实体识别方法，其特征在于，包括以下步骤：
步骤一、将司法领域的裁判文书切分为单个文字作为训练样本，通过RoBERTa模型训练获得司法领域文字之间关联性特征；
将司法领域的裁判文书切分为单个文字和词组，利用Word2Vec方法将词组转换为词向量，利用Fasttext方法将单个文字转换为基于字的词向量；引入司法领域之外的利用Word2Vec方法得到的词向量，引入司法领域之外的利用Fasttext方法得到的基于字的词向量；将所有词向量混合；
步骤二、对混合的词向量矩阵进行扰动，通过损失函数的最大值来找到最坏情况的扰动，利用外部经验风险的最小化来得到模型的最佳鲁棒参数，从而得到对抗扰动优化后的词向量；
步骤三、利用长度为a的滑动窗口将步骤二获得的词向量输入Bi-LSTM，经过Bi-LSTM的训练，获得司法领域字词之间的关联性特征；
步骤四、将步骤一和步骤三得到的两个关联性特征拼接在一起，然后利用条件随机场模型对训练样本进行预测获得预测的结果。
2.如权利要求1所述的一种基于对抗训练的命名实体识别方法，其特征在于，1000a2000。
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中国电子科技集团公司第十五研究所，未经中国电子科技集团公司第十五研究所许可，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/201911358738.4/1.html，转载请声明来源钻瓜专利网。
- 上一篇：一种基于风格迁移的社交网络用户节点匹配方法
- 下一篇：物流智能寄件方法及系统
