-
公开(公告)号：CN116882398B
公开(公告)日：2023-12-08
申请号：CN202311139099.9
申请日：2023-09-06
Applicant: 华东交通大学
IPC: G06F40/289 , G06F40/30 , G06N3/0464 , G06F18/2321
Abstract: 本发明提供了一种基于短语交互的隐式篇章关系识别方法和系统，包括：对隐式篇章关系样本进行词编码得到全局向量表示、词向量矩阵；对词向量矩阵进行短语编码得到短语向量矩阵，在短语向量矩阵中融入位置信息得到增强向量矩阵；根据增强向量矩阵和掩码矩阵进行短语交互得到交互信息矩阵，根据交互信息矩阵确定交互信息向量表示；根据交互信息向量表示和全局向量表示进行分类预测得到预测类别概率分布，根据预测类别概率分布确定模型损失，根据模型损失对隐式篇章关系识别模型进行训练；将待识别样本输入训练后的隐式篇章关系识别模型进行关系识别得到篇章关系识别结果。本发明能自动学习论元中短语的语义向量表示并建模(56)对比文件Jiali Zeng等.Meta-learning basedinstance manipulation for implicitdiscourse relation recognition.《Knowledge-Based Systems》.2023,全文.
-
Patent Agency Ranking
公开(公告)号：CN116341555A
公开(公告)日：2023-06-27
申请号：CN202310606442.X
申请日：2023-05-26
Applicant: 华东交通大学
IPC: G06F40/295 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/02
Abstract: 本发明提供了一种命名实体识别方法和系统，该方法包括：对各样本文本和对应的样本图片分别进行编码得到文本表示和图片表示；根据各图片表示对各文本表示进行信息增强得到文本增强表示，并分别基于文本表示和文本增强表示进行命名实体预测，得到第一预测结果和第二预测结果；根据第一预测结果和第二预测结果确定模型总训练代价，通过最小化模型总训练代价对命名实体识别模型进行参数更新，直至收敛；将待识别文本和/或对应的图片输入收敛后的命名实体识别模型进行识别，得到命名实体识别结果。本发明能有效地建立文本中的实体与图片中的物体之间的联系，从而充分利用图片中的信息学习更好的文本表示，提高了命名实体识别的性能。
-
公开(公告)号：CN116882398A
公开(公告)日：2023-10-13
申请号：CN202311139099.9
申请日：2023-09-06
Applicant: 华东交通大学
IPC: G06F40/289 , G06F40/30 , G06N3/0464 , G06F18/2321
Abstract: 本发明提供了一种基于短语交互的隐式篇章关系识别方法和系统，包括：对隐式篇章关系样本进行词编码得到全局向量表示、词向量矩阵；对词向量矩阵进行短语编码得到短语向量矩阵，在短语向量矩阵中融入位置信息得到增强向量矩阵；根据增强向量矩阵和掩码矩阵进行短语交互得到交互信息矩阵，根据交互信息矩阵确定交互信息向量表示；根据交互信息向量表示和全局向量表示进行分类预测得到预测类别概率分布，根据预测类别概率分布确定模型损失，根据模型损失对隐式篇章关系识别模型进行训练；将待识别样本输入训练后的隐式篇章关系识别模型进行关系识别得到篇章关系识别结果。本发明能自动学习论元中短语的语义向量表示并建模语义之间的关系。
-
公开(公告)号：CN116341555B
公开(公告)日：2023-08-04
申请号：CN202310606442.X
申请日：2023-05-26
Applicant: 华东交通大学
IPC: G06F40/295 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/02
Abstract: 本发明提供了一种命名实体识别方法和系统，该方法包括：对各样本文本和对应的样本图片分别进行编码得到文本表示和图片表示；根据各图片表示对各文本表示进行信息增强得到文本增强表示，并分别基于文本表示和文本增强表示进行命名实体预测，得到第一预测结果和第二预测结果；根据第一预测结果和第二预测结果确定模型总训练代价，通过最小化模型总训练代价对命名实体识别模型进行参数更新，直至收敛；将待识别文本和/或对应的图片输入收敛后的命名实体识别模型进行识别，得到命名实体识别结果。本发明能有效地建立文本中的实体与图片中的物体之间的联系，从而充分利用图片中的信息学习更好的文本表示，提高了命名实体识别的性能。
-
公开(公告)号：CN116028630B
公开(公告)日：2023-06-02
申请号：CN202310319736.4
申请日：2023-03-29
Applicant: 华东交通大学
IPC: G06F16/35 , G06F40/284 , G06F40/30 , G06N3/0499 , G06N3/045 , G06N3/08
Abstract: 本发明提出一种基于对比学习和Adapter网络的隐式篇章关系识别方法及系统，该方法包括获取自然标注的显式篇章关系实例，基于所获取的显式篇章关系实例使用分类代价和对比学习代价联合训练连接词分类模型，基于训练好的连接词分类模型和Adapter网络构建隐式篇章关系识别模型，并基于人工标注的隐式篇章关系实例优化隐式篇章关系识别模型，基于隐式篇章关系识别模型识别隐式篇章关系实例的类别。本发明解决了现有预训练阶段没有充分有效地利用自然标注的显式篇章关系数据以及基于少量人工标注的数据进行精调时容易造成已有知识的灾难性遗忘的问题。
-
公开(公告)号：CN116028630A
公开(公告)日：2023-04-28
申请号：CN202310319736.4
申请日：2023-03-29
Applicant: 华东交通大学
IPC: G06F16/35 , G06F40/284 , G06F40/30 , G06N3/0499 , G06N3/045 , G06N3/08
Abstract: 本发明提出一种基于对比学习和Adapter网络的隐式篇章关系识别方法及系统，该方法包括获取自然标注的显式篇章关系实例，基于所获取的显式篇章关系实例使用分类代价和对比学习代价联合训练连接词分类模型，基于训练好的连接词分类模型和Adapter网络构建隐式篇章关系识别模型，并基于人工标注的隐式篇章关系实例优化隐式篇章关系识别模型，基于隐式篇章关系识别模型识别隐式篇章关系实例的类别。本发明解决了现有预训练阶段没有充分有效地利用自然标注的显式篇章关系数据以及基于少量人工标注的数据进行精调时容易造成已有知识的灾难性遗忘的问题。
-
-
-
-
-
Search Results
6
records
(took 0.018 seconds)
