[发明专利]一种基于Lattice-LSTM的改进中文命名实体识别方法在审
申请号: | 202010167070.1 | 申请日: | 2020-03-11 |
公开(公告)号: | CN111476031A | 公开(公告)日: | 2020-07-31 |
发明(设计)人: | 甘玲;黄成明 | 申请(专利权)人: | 重庆邮电大学 |
主分类号: | G06F40/295 | 分类号: | G06F40/295;G06N3/04;G06N3/08 |
代理公司: | 北京同恒源知识产权代理有限公司 11275 | 代理人: | 赵荣之 |
地址: | 400065 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 基于 lattice lstm 改进 中文 命名 实体 识别 方法 | ||
1.一种基于Lattice-LSTM的改进中文命名实体识别方法,其特征在于:该方法包括以下步骤:
S1:构建模型;
S2:特征输入;
S3:特征提取;
S4:标签预测;
S5:结果评价。
2.根据权利要求1所述的一种基于Lattice-LSTM的改进中文命名实体识别方法,其特征在于:所述S1具体为:基于Lattice-LSTM模型,引入Transformer结构编码器部分,使用python语言编写并调试;
实验数据集包括weibo数据集、微软MSRA数据集和resumne数据集。
3.根据权利要求1所述的一种基于Lattice-LSTM的改进中文命名实体识别方法,其特征在于:所述S2具体为:
以高维的数字向量,代表一句话中的每一个文字,而最终参与计算的是这些高维向量,使用特征信息,包括词向量、汉语拼音特征、汉语偏旁特征和汉语字形特征;
将多种特征拼接后表达这一个汉语字符的特征,这些特征是采取不同的模型训练而来的高纬度向量。
4.根据权利要求1所述的一种基于Lattice-LSTM的改进中文命名实体识别方法,其特征在于:所述S3具体为:分为两个方面的特征提取;
一方面是对于一句话中的文字信息本身的特征提取,使用LSTM结构的针对中文的改进模型Lattic-LSTM结构,融合单一汉字的特征与一句话分词后每一个词的特征,同时采用双向的结构,从正向顺序提取语句特征,以及逆向的提取语句特征,将二者拼接,得到这句话的基本文字信息;
另一方面是采用Transformer结构,通过计算一句话中不同文字的重要程度,然后计算句子中文字的特征信息,再采用前向网络结构,充分的映射融合其隐藏信息,得到句子的结构信息,而句子的结构信息是从整个句子全局出发提取的信息,能概述性表达句子的整体特征,将该信息与计算的文字信息相结合,表达整句话的语意和结构的特征信息。
5.根据权利要求1所述的一种基于Lattice-LSTM的改进中文命名实体识别方法,其特征在于:所述S4具体为:采用主流结构条件随机场CRF结构,基于维特比算法解码上一部分的特征信息,计算出整个语句的全局最优标签序列,而这个标签序列则是预测的整个句子的实体标签类别。
6.根据权利要求1所述的一种基于Lattice-LSTM的改进中文命名实体识别方法,其特征在于:所述S5具体为:结果评价指标:包括精确率、召回率和综合评价指标F1,计算方式如下:
精确率:P=TP/(TP+FP)
召回率:R=TP/(TP+FN)
综合评价指标:F1=2PR/(P+R)
其中,TP:正样本被预测为正样本;FP:负样本被预测为正样本;FN:正样本被预测为负样本。
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重庆邮电大学,未经重庆邮电大学许可,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/pat/books/202010167070.1/1.html,转载请声明来源钻瓜专利网。