[发明专利]基于对抗模仿学习的事件识别及分类方法、系统、装置有效
| 申请号： | 201910440322.0 | 申请日： | 2019-05-24 |
| 公开（公告）号： | CN110209816B | 公开（公告）日： | 2021-06-08 |
| 发明（设计）人： | 陈玉博;刘康;赵军;刘健 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F40/126 |
| 代理公司： | 北京市恒有知识产权代理事务所(普通合伙) 11576 | 代理人： | 郭文浩;尹文会 |
| 地址： | 100190 *** | 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： | 本发明属于自然语言处理领域，具体涉及了一种基于对抗模仿学习的事件识别及分类方法、系统、装置，旨在解决传统事件识别及分类方法语言处理工具存在错误累计导致事件识别准确率低的问题。本发明方法包括：获取不含标准标注信息的句子并输入；将每一个词特征化后的词向量集构成词向量特征矩阵；采用向量编码器对词向量特征矩阵进行编码，并采用注意力机制为每一个词分配权重，获得知识向量；采用事件类型分类器依据知识向量计算输入信息属于各事件类别的概率；概率值最高的事件类别作为输入信息的事件类别。本发明不依赖自然语言处理工具对信息进行抽取，避免错误积累，提高了事件识别的准确率。 | ||
| 搜索关键词： | 基于 对抗 模仿 学习 事件 识别 分类 方法 系统 装置 | ||
【主权项】：
1.一种基于对抗模仿学习的事件识别及分类方法，其特征在于，该识别方法包括：步骤S10，获取不含标准标注信息的句子作为输入信息；步骤S20，对所述输入信息中每一个词进行特征化操作，获得对应的词向量集构成词向量特征矩阵；步骤S30，采用向量编码器对所述词向量特征矩阵进行编码，并使用注意力机制为所述输入信息的每一个词分配权重，获得输入信息对应的知识向量；步骤S40，基于所述输入信息对应的知识向量，通过事件类型分类器计算所述输入信息属于各事件类别的概率；步骤S50，以概率值最高的事件类别作为所述输入信息的事件类别。
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国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201910440322.0/，转载请声明来源钻瓜专利网。
