[发明专利]结合注意力机制和多任务协同训练的命名实体识别方法有效
| 申请号： | 201810210591.3 | 申请日： | 2018-03-14 |
| 公开（公告）号： | CN108628823B | 公开（公告）日： | 2022-07-01 |
| 发明（设计）人： | 卓汉逵;付豪 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F40/295 | 分类号： | G06F40/295;G06N3/04;G06N3/08 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 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： | 本发明提供一种结合注意力机制和多任务协同训练的命名实体识别方法，该方法包括如下步骤：(1)对训练数据进行预处理操作，通过字符层级的映射获得句子的字符向量表征；(2)将步骤(1)中获得的字符向量表征输入一个双向LSTM网络，获得每个词语的字符向量表征；(3)通过词语层级的映射，获得每一个句子的词向量表征；(4)通过注意力机制对步骤(3)中获得的词向量表征和步骤(1)中获得的字符向量表征进行拼接，传入双向LSTM神经网络，获得句子的语义特征向量；(5)针对步骤(4)中得到的语义特征向量，利用条件随机场对每个单词进行实体标注，解码出实体标签。 | ||
| 搜索关键词： | 结合 注意力 机制 任务 协同 训练 命名 实体 识别 方法 | ||
【主权项】：
1.一种结合注意力机制和多任务协同训练的命名实体识别方法，其特征在于，包括以下步骤：(1)、对训练数据进行预处理操作，通过字符层级的映射获得句子的字符向量表征；(2)、将步骤(1)中获得的字符向量表征输入一个双向LSTM网络，获得每个词语的字符向量表征；(3)、通过词语层级的映射，获得每一个句子的词向量表征；(4)、通过注意力机制对步骤(3)中获得的词向量表征和步骤1中获得的字符向量表征进行拼接，传入双向LSTM神经网络，获得句子的语义特征向量；(5)、针对步骤(4)中得到的语义特征向量，利用条件随机场对每个单词进行实体标注，解码出实体标签。
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山大学，未经中山大学许可，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/201810210591.3/，转载请声明来源钻瓜专利网。
- 上一篇：无语义文本的识别方法及装置
- 下一篇：一种基于中文电子病历的实体识别方法
