[发明专利]一种基于Bi‑LSTM、CNN和CRF的文本命名实体识别方法在审
| 申请号： | 201610959519.1 | 申请日： | 2016-10-27 |
| 公开（公告）号： | CN106569998A | 公开（公告）日： | 2017-04-19 |
| 发明（设计）人： | 汤斯亮;吴飞;张宁;戴洪良;庄越挺;张寅 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06N3/08 |
| 代理公司： | 杭州求是专利事务所有限公司33200 | 代理人： | 张法高,傅朝栋 |
| 地址： | 310058 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于Bi‑LSTM、CNN和CRF的文本命名实体识别方法。该方法包括如下步骤(1)利用卷积神经网络对文本单词字符层面的信息进行编码转换成字符向量；(2)将字符向量与词向量进行组合并作为输入传到双向LSTM神经网络来对每个单词的上下文信息进行建模；(3)在LSTM神经网络的输出端，利用连续的条件随机场来对整个句子进行标签解码，并标注句子中的实体。本发明是一个端到端的模型，不需要未标注语料集中除预训练好的词向量之外的数据预处理，因此本发明能在不同的语言和领域的语句标注中有广泛应用。 | ||
| 搜索关键词： | 一种 基于 bi lstm cnn crf 文本 命名 实体 识别 方法 | ||
【主权项】：
一种基于Bi‑LSTM、CNN和CRF的文本命名实体识别方法，其特征在于包括如下步骤：(1)根据文本数据进行数据预处理，对文本进行分句、分词，得到字符特征向量；(2)利用卷积神经网络对每一个单词进行字符特征向量提取；(3)将字符特征向量与词向量组合，传入到LSTM神经网络，利用双向LSTM神经网络来训练得到输入语句信息特征；(4)针对(3)中所得到的语义特征，利用条件随机场来对每个单词进行实体标注，标记出语句序列中的实体信息。
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浙江大学，未经浙江大学许可，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/201610959519.1/，转载请声明来源钻瓜专利网。
