公开(公告)号：CN114881032B

公开(公告)日：2025-05-06

申请号：CN202210462583.4

申请日：2022-04-28

Applicant: 北京计算机技术及应用研究所

Inventor： 程耀开 ,  田宗凯 ,  宋颖毅 ,  杨雨婷 ,  王又辰

IPC: G06F40/295 ,  G06F16/35 ,  G06N3/045 ,  G06N3/096 ,  G06N3/09

Abstract: 本发明涉及一种基于多任务学习的层次类别命名实体识别模型设计方法，属于自然语言处理技术领域。本发明通过在命名实体识别模型中加入对于类别关系的建模，使得模型能够同时识别出命名实体的多个类别，同时，本发明提出了基于多任务学习的模型来解决具有层次类别的命名实体识别问题。模型使用多任务学习机制同时学习多个层次的命名实体识别任务，这些任务共享同一个编码层，这样可以使得编码层学习到的编码向量可以同时适应多个层次的命名实体识别而不是过拟合于某一个单独的层次。最后，还分别设计了两种信息传递机制传递不同层次间的识别信息，以提高模型的识别效果。

公开(公告)号：CN114881032A

公开(公告)日：2022-08-09

申请号：CN202210462583.4

申请日：2022-04-28

Applicant: 北京计算机技术及应用研究所

Inventor： 程耀开 ,  田宗凯 ,  宋颖毅 ,  杨雨婷 ,  王又辰

IPC: G06F40/295 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于多任务学习的层次类别命名实体识别模型设计方法，属于自然语言处理技术领域。本发明通过在命名实体识别模型中加入对于类别关系的建模，使得模型能够同时识别出命名实体的多个类别，同时，本发明提出了基于多任务学习的模型来解决具有层次类别的命名实体识别问题。模型使用多任务学习机制同时学习多个层次的命名实体识别任务，这些任务共享同一个编码层，这样可以使得编码层学习到的编码向量可以同时适应多个层次的命名实体识别而不是过拟合于某一个单独的层次。最后，还分别设计了两种信息传递机制传递不同层次间的识别信息，以提高模型的识别效果。