[发明专利]基于图模型和膨胀卷积神经网络的交通事件要素抽取算法在审
| 申请号： | 201911013059.3 | 申请日： | 2019-10-23 |
| 公开（公告）号： | CN110781393A | 公开（公告）日： | 2020-02-11 |
| 发明（设计）人： | 李芳芳;路毅恒;毛星亮 | 申请（专利权）人： | 中南大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/33;G06F40/30;G06F40/295;G06Q50/26;G06N3/04 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 410083 湖南*** | 国省代码： | 湖南;43 |
| 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图模型和膨胀卷积神经网络的交通事件要素抽取算法，包括步骤一利用爬虫技术爬取微博数据；步骤二针对交通事件文本的特点，对爬取到的文本做特定的预处理；步骤三：融合深度学习中的doc2vec技术与传统机器学习中的tf‑idf(term frequency‑inverse document frequency)技术将文本向量化，然后通过文本相似性构建交通事件文本图模型；步骤四：利用标签传播算法，对未标记的文本进行标记；步骤五：利用膨胀卷积神经网络(Iterated Dilated Convolutions Neural Network，IDCNN)和条件随机场(Conditional Random Filed，CRF)实现交通事件要素的提取。本发明不仅可以利用少量的微博文本标签信息通过标签传播算法来识别交通事件文本，也能抽取交通事件文本中的时间要素、地点要素、车辆要素、后果要素，同时可以识别未收录的交通地点名称。 | ||
| 搜索关键词： | 交通事件 文本 算法 卷积神经网络 微博 抽取 标签 预处理 膨胀 车辆要素 传统机器 爬虫技术 时间要素 文本标签 信息通过 图模型 文本图 向量化 构建 传播 融合 学习 机场 交通 | ||
【主权项】：
1.一种基于图模型和膨胀卷积神经网络的交通事件要素抽取算法，其抽取步骤如下：/n步骤一：利用python爬虫技术爬取微博数据；/n步骤二：针对交通事件文本的特点，对爬取到的文本做预处理；/n步骤三：通过文本相似性构建交通事件文本图模型；/n步骤四：利用标签传播算法，对未标记的文本进行标记；/n步骤五：利用膨胀卷积神经网络(Iterated Dilated Convolutions Neural Network，IDCNN)和条件随机场(Conditional Random Filed，CRF)实现交通事件文本的时间、道路、车辆、后果要素进行抽取。/n
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南大学，未经中南大学许可，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/201911013059.3/，转载请声明来源钻瓜专利网。
