[发明专利]一种基于神经网络的命名实体识别方法和车机

权利要求书

1.一种基于神经网络的命名实体识别方法，其特征在于，包括：

接收输入的待识别字符串，并根据预置的字符与索引值的对应关系，得到所述待识别字符串中每一字符对应的索引值；

根据所述待识别字符串中每一字符对应的索引值，在预先部署的编码后字符向量表中查找与所述待识别字符串中每一字符对应的索引值相对应的压缩编码后的字符向量，得到所述待识别字符串的压缩编码后向量矩阵，其中，所述压缩编码后的字符向量为由压缩编码后的字符向量值组成的预设维数的数组；

根据预先部署的字符向量压缩编码表中压缩编码后的字符向量值与原始字符向量值的映射关系，将所得到的所述待识别字符串的压缩编码后向量矩阵中的每一个压缩编码后的字符向量值用所述字符向量压缩编码表中的原始字符向量值代替，得到所述待识别字符串的原始字符向量矩阵，其中，所述压缩编码后的字符向量值的编码位数小于所述原始字符向量值的编码位数；

根据所述待识别字符串的原始字符向量矩阵，通过所述神经网络进行推理，识别出所述待识别字符串中的命名实体和所述命名实体对应的标签；

其中，所述编码后字符向量表和所述字符向量压缩编码表通过以下方式得到：

在进行所述神经网络模型的训练时，接收包含多个字符的待识别训练样本，通过所述神经网络模型对所述待识别训练样本进行识别，得到所述待识别训练样本中的每个字符对应的索引值和预设维数的原始字符向量，所述原始字符向量由与所述字符对应的原始字符向量值组成；

统计在所述待识别训练样本中的所有字符对应的原始字符向量中每一原始字符向量值的出现次数；

根据所统计的每一原始字符向量值的出现次数对每一原始字符向量值进行编码，得到与每一原始字符向量值对应的压缩编码后的字符向量值，并根据与每一原始字符向量值对应的压缩编码后的字符向量值生成所述字符向量压缩编码表；

根据所述待识别训练样本中的每个字符对应的索引值和预设维数的原始字符向量以及与每一原始字符向量值对应的压缩编码后的字符向量值，生成所述编码后字符向量表。

2.根据权利要求1所述的命名实体识别方法，其特征在于，所述根据所统计的每一原始字符向量值的出现次数对每一原始字符向量值进行编码包括：

统计出现次数大于或等于预设次数的原始字符向量值的数量；

根据所述出现次数大于或等于预设次数的原始字符向量值的数量，确定对所述出现次数大于或等于预设次数的原始字符向量值进行指定进制编码所需的最少位数；

根据所确定的最少位数对所述出现次数大于或等于预设次数的原始字符向量值进行指定进制编码，并将出现次数小于所述预设次数的原始字符向量值编码为0。

3.根据权利要求1或2所述的命名实体识别方法，其特征在于，所述压缩编码后的字符向量值和所述原始字符向量值均为量化整型值。

4.根据权利要求3所述的命名实体识别方法，其特征在于，所述原始字符向量值为16位量化整型值。

5.根据权利要求2所述的命名实体识别方法，其特征在于，所述指定进制编码为二进制编码。

6.根据权利要求1或2所述的命名实体识别方法，其特征在于，所述字符包括中文字和/或中文词。

7.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机程序代码，当所述计算机程序代码在电子设备上运行时，导致所述电子设备执行根据权利要求1-6中任一项所述的基于神经网络的命名实体识别方法。

8.一种电子设备，其特征在于，包括：

处理器；以及

存储有计算机程序代码的存储器；

当所述计算机程序代码被所述处理器运行时，导致所述电子设备执行根据权利要求1-6中任一项所述的基于神经网络的命名实体识别方法。

9.一种车机，其特征在于，包括根据权利要求8所述的电子设备。