基于元学习的多模态关系抽取方法及系统

    公开(公告)号:CN119418168A

    公开(公告)日:2025-02-11

    申请号:CN202410952324.9

    申请日:2024-07-16

    Abstract: 本发明提供一种基于元学习的多模态关系抽取方法及系统,属于文本实体识别技术领域,获取待预测的文本图像对;利用预先训练好的关系预测模型对获取的文本图象对进行处理,得到实体之间的多模态关系。本发明提出基于元学习的多模态关系抽取框架,适用于任何基于梯度下降的关系分类模型;通过元学习从头部关系类中学习获得初始参数,然后对尾项特征学习过程中的模型参数进行微调,它利用了从头部数据中学习到的先验知识,实现从易到难的任务学习;增强了尾部类的特征表示,弥合头类和尾类之间的特征差距,提高了关系识别的性能;在稀有类别训练时,动态地提高正梯度的权重并降低负梯度的权重,用于解决尾部数据稀疏问题。

    融合迭代式主动学习的生物医学关系抽取方法及系统

    公开(公告)号:CN116070700A

    公开(公告)日:2023-05-05

    申请号:CN202310052151.0

    申请日:2023-02-02

    Inventor: 周雪忠 苏鑫 杨扩

    Abstract: 本发明提供一种融合迭代式主动学习的生物医学关系抽取方法及系统,属于医学信息处理技术领域,从PubMed等生物医学文献库中获取用于关系抽取的标准数据集;结合主动学习算法筛选出有价值的样本对模型进行训练;利用训练好的关系抽取模型,对待抽取的句子进行处理,得到最后的实体关系联合抽取结果,抽取出生物医学文献中的知识;其中,关系抽取模型为使用融合迭代式主动学习的生物医学关系抽取模型训练方法训练得到。本发明融合多种主动学习策略的生物医学实体关系联合抽取框架,实现迭代式的主动学习样本筛选和实体关系联合抽取模型训练,有效减少了实体关系联合抽取过程中模型训练所需要的训练集数量,提高了模型训练效率,降低了模型训练成本。

Patent Agency Ranking