[发明专利]事件主体识别模型优化方法、装置、设备及可读存储介质有效

专利信息
申请号: 202010911064.2 申请日: 2020-09-02
公开(公告)号: CN112036168B 公开(公告)日: 2023-04-25
发明(设计)人: 李超;吴海山;殷磊 申请(专利权)人: 深圳前海微众银行股份有限公司
主分类号: G06F40/279 分类号: G06F40/279;G06F16/35;G06F40/126;G06F40/151;G06F40/216;G06F40/284;G06F40/30
代理公司: 深圳市世纪恒程知识产权代理事务所 44287 代理人: 张志江
地址: 518000 广东省深圳市前海深港合作区前*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 事件 主体 识别 模型 优化 方法 装置 设备 可读 存储 介质
【说明书】:

发明公开了一种事件主体识别模型优化方法、装置、设备及介质,方法包括:将训练文本输入信息提取模块,提取得到训练文本中的字符信息和事件信息;将字符信息和训练文本的主体标注输入主体识别模块,得到主体识别结果和主体识别损失;将事件信息和主体识别结果输入事件与主体匹配模块得到匹配结果,并基于匹配结果和训练文本对应的事件主体匹配标注计算匹配损失;将事件信息输入事件分类模块得到事件分类结果,并基于事件分类结果和事件类型标注计算分类损失;优化主体识别损失、匹配损失和分类损失以优化事件主体识别模型。本发明简化了分类问题,从而降低了模型出错的概率,进而提高了模型进行事件分类和事件主体识别的准确率。

技术领域

本发明涉及人工智能技术领域,尤其涉及一种事件主体识别模型优化方法、装置、设备及可读存储介质。

背景技术

在现在很多金融场景中,需要分析媒体报道的很多金融事件以帮助投资决策,甚至是构建量化金融建模指标。事件识别(Event Detective,ED)是要识别文本中的事件类型,事件主体识别是要识别文本中事件的主体。现有的事件主体识别模型对文本进行识别,同时识别事件类型和事件主体,复杂度较高,例如当出现一个主体对应多个事件的情况时,容易出现事件类型判别错误的问题。

发明内容

本发明的主要目的在于提供一种事件主体识别模型优化方法、装置、设备及可读存储介质,旨在解决目前的事件主体识别的识别准确率不高的问题。

为实现上述目的,本发明提供一种事件主体识别模型优化方法,所述方法包括以下步骤:

待优化的事件主体识别模型包括信息提取模块、主体识别模块、事件与主体匹配模块和事件分类模块,所述方法包括以下步骤:

将各类事件对应的训练文本输入所述信息提取模块,提取得到所述训练文本中的字符信息和所述训练文本与各类事件相关的事件信息;

将所述字符信息和所述训练文本对应的主体标注输入所述主体识别模块进行识别,得到主体识别结果和主体识别损失;

将所述事件信息和所述主体识别结果输入所述事件与主体匹配模块进行匹配得到匹配结果,并基于所述匹配结果和所述训练文本对应的事件主体匹配标注计算匹配损失;

将所述事件信息输入所述事件分类模块进行分类得到事件分类结果,并基于所述事件分类结果和所述训练文本对应的事件类型标注计算分类损失;

优化所述主体识别损失、所述匹配损失和所述分类损失以优化所述事件主体识别模型。

为实现上述目的,本发明提供一种事件主体识别模型优化装置,待优化的事件主体识别模型包括信息提取模块、主体识别模块、事件与主体匹配模块和事件分类模块,所述装置包括:

待优化的事件主体识别模型包括信息提取模块、主体识别模块、事件与主体匹配模块和事件分类模块,所述装置包括:

提取模块,用于将各类事件对应的训练文本输入所述信息提取模块,提取得到所述训练文本中的字符信息和所述训练文本与各类事件相关的事件信息;

识别模块,用于将所述字符信息和所述训练文本对应的主体标注输入所述主体识别模块进行识别,得到主体识别结果和主体识别损失;

匹配模块,用于将所述事件信息和所述主体识别结果输入所述事件与主体匹配模块进行匹配得到匹配结果,并基于所述匹配结果和所述训练文本对应的事件主体匹配标注计算匹配损失;

分类模块,用于将所述事件信息输入所述事件分类模块进行分类得到事件分类结果,并基于所述事件分类结果和所述训练文本对应的事件类型标注计算分类损失;

优化模块,用于优化所述主体识别损失、所述匹配损失和所述分类损失以优化所述事件主体识别模型。

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深圳前海微众银行股份有限公司,未经深圳前海微众银行股份有限公司许可,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/202010911064.2/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top