[发明专利]一种基于并行化改进的Transformer-CRF网络的实体命名识别方法在审
申请号: | 202210579761.1 | 申请日: | 2022-05-26 |
公开(公告)号: | CN114943233A | 公开(公告)日: | 2022-08-26 |
发明(设计)人: | 唐小勇;黄勇;许佳豪 | 申请(专利权)人: | 长沙理工大学 |
主分类号: | G06F40/295 | 分类号: | G06F40/295;G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 合肥数字代码知识产权代理有限公司 34253 | 代理人: | 张天会 |
地址: | 410114 湖南省*** | 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: | 本发明涉及文本挖掘技术领域,具体涉及一种基于并行化改进的Transformer‑CRF网络的实体命名识别方法,本发明首先对数据进行预处理,划分数据集并进行标注任务设置,再使用改进的Transformer做特征抽取器对输入的中文NER数据进行特征抽取,使用改进的Transformer做字符编码,使用改进的Transformer进行解码和训练,定义由真实标签路径得分和所有标签路径得分组成的损失函数,最后经过CRF层考虑了序列中的全局标签信息,输出最优的标签序列;本发明能够帮助研究者在海量的文本数据中高效地获取有价值的信息和知识,有效的缓解了人工抽取信息耗时耗力的问题,对进一步文本挖掘工作具有重要意义。 | ||
搜索关键词: | 一种 基于 并行 改进 transformer crf 网络 实体 命名 识别 方法 | ||
【主权项】:
暂无信息
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长沙理工大学,未经长沙理工大学许可,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/202210579761.1/,转载请声明来源钻瓜专利网。
- 基于Transformer+LSTM神经网络模型的商品销量预测方法及装置
- 一种基于Transformer模型自然场景文字识别方法
- 一种深度Transformer级联神经网络模型压缩算法
- 点云分割方法、系统、介质、计算机设备、终端及应用
- 基于Transformer的中文智能对话方法
- 一种基于改进Transformer模型的飞行器故障诊断方法和系统
- 一种基于Transformer模型的机器翻译模型优化方法
- 基于Transformer和增强交互型MPNN神经网络的小分子表示学习方法
- 基于U-Transformer多层次特征重构的异常检测方法及系统
- 基于EfficientDet和Transformer的航空图像中的飞机检测方法