[发明专利]基于卷积神经网络的药化实体识别方法及系统在审
| 申请号： | 201811511754.8 | 申请日： | 2018-12-11 |
| 公开（公告）号： | CN109815478A | 公开（公告）日： | 2019-05-28 |
| 发明（设计）人： | 张亮仁;杨波;刘振明;胡建星;宗晓琳 | 申请（专利权）人： | 北京大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G16H50/70;G16H70/40;G06N3/04;G06N3/08 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙) 11200 | 代理人： | 邱晓锋 |
| 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： | 本发明涉及一种基于卷积神经网络的药化实体词识别方法及系统。该方法包括：(1)将待识别药化实体的文献中的每一个词转换成词向量形式；(2)对每个词进行解析，通过字符级卷积神经网络提取每个词的字符级特征；(3)通过词级扩张卷积神经网络识别文献中的药化实体，包括不同扩张卷积提取全局特征的过程；(4)通过解码层计算词级扩张卷积神经网络的输出的仿射变换，进而计算实体词属于某一分类的概率。本发明充分利用卷积神经网络适用于并行计算的特点实现对药化实体的分类识别，自动从文本内容中学习特征表示，省略了人工设计、降维特征的步骤，能够减少人为设计错误的发生，能够高效、准确、自动地完成对药化实体的分类识别。 | ||
| 搜索关键词： | 卷积神经网络 药化 分类识别 实体词识别 并行计算 仿射变换 全局特征 人工设计 人为设计 实体识别 特征表示 文本内容 解码 词向量 词转换 自动地 省略 降维 卷积 解析 输出 分类 概率 学习 | ||
【主权项】：
1.一种基于卷积神经网络的药化实体词识别方法，其特征在于，包括以下步骤：(1)采用词向量训练算法将待识别药化实体的文献中的每一个词转换成向量形式，得到词向量；(2)对文献中的每个词进行解析，通过字符级卷积神经网络提取每个词的字符级特征，将提取的字符级特征与词向量拼接组成词级扩张卷积神经网络的输入；(3)通过词级扩张卷积神经网络识别文献中的药化实体词，包括叠加不同扩张卷积提取全局特征的过程；(4)通过解码层计算词级扩张卷积神经网络的输出的仿射变换，进而计算药化实体词属于某一分类的概率。
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/201811511754.8/，转载请声明来源钻瓜专利网。
