[发明专利]一种可扩展的基于神经网络的序列标注方法有效
| 申请号： | 201711026809.1 | 申请日： | 2017-10-27 |
| 公开（公告）号： | CN107894971B | 公开（公告）日： | 2019-11-26 |
| 发明（设计）人： | 孙栩;张艺;杨洋 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06F17/21 | 分类号： | G06F17/21;G06N3/02 |
| 代理公司： | 11200 北京君尚知识产权代理有限公司 | 代理人： | 司立彬<国际申请>=<国际公布>=<进入 |
| 地址： | 100871 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： | 本发明公开了一种可扩展的基于神经网络的序列标注方法。本方法为：创建一层叠n阶模型，该层叠n阶模型的训练过程为：首先根据训练语料中各标注单元的标签生成多个标签集合，包括一阶至n阶n个标签集合；标注单元i的标签与其邻近n‑1个标注单元的标签合并在一起作为标注单元i的n阶标签，n阶标签集合为各标注单元的n阶标签构成的标签集合；然后利用得到的各阶标签集合分别训练神经网络，分别得到n个模型，即一阶神经网络模型至n阶神经网络模型；利用该层叠n阶模型对给定的序列进行标签预测，得到一标签序列。本发明显著减少了模型过拟合风险，提高了序列标注任务效果。 | ||
| 搜索关键词： | 一种 扩展 基于 神经网络 序列 标注 方法 | ||
【主权项】：
1.一种可扩展的基于神经网络的序列标注方法，其步骤包括：/n1)创建一层叠n阶模型，该层叠n阶模型的训练过程为：首先根据训练语料中各标注单元的标签生成多个标签集合，包括一阶至n阶n个标签集合；其中，一阶标签集合为各标注单元的标签构成的标签集合；标注单元i的标签与其邻近n-1个标注单元的标签合并在一起作为标注单元i的n阶标签，n阶标签集合为各标注单元的n阶标签构成的标签集合；然后利用得到的各阶标签集合分别训练神经网络，分别得到n个模型，即一阶神经网络模型至n阶神经网络模型；/n2)利用该层叠n阶模型对给定的序列(x1，x2，…xt，…xT)进行标签预测，得到一标签序列(y1，y2，…yt，…，yT)；其中，yt表示第t个标注单元xt的标签。/n
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北京大学，未经北京大学许可，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/patent/201711026809.1/，转载请声明来源钻瓜专利网。
