公开(公告)号：CN117271771A

公开(公告)日：2023-12-22

申请号：CN202311232741.8

申请日：2023-09-22

Applicant: 华中科技大学

Inventor： 项威 ,  王邦 ,  占传鸿 ,  徐明华 ,  徐涵

IPC: G06F16/35 ,  G06F40/284 ,  G06F40/30 ,  G06F18/214 ,  G06N3/0455

Abstract: 本发明公开了一种事件因果关系识别模型的构建方法及应用，属于自然语言处理领域；通过对训练集中的事件对模版化，得到对应的句子T后再输入到预训练语言模型中进行训练，实现确定性假设的提示学习，进而构建得到事件因果关系识别模型；所构建的事件因果关系识别模型从传统的直接预测事件提及之间的关系词，转为假设两个事件提及之间具有确定性因果关系，通过判断此假设的合理度，进而判断是否具有因果关系，免去了答案空间的构造问题，促进了事件因果关系识别效果的提升，能够在不依赖于提示模板和答案空间词的设计的前提下，实现准确率较高的事件因果关系识别的技术问题。

公开(公告)号：CN116432752B

公开(公告)日：2024-02-02

申请号：CN202310468690.2

申请日：2023-04-27

Applicant: 华中科技大学

Inventor： 张青 ,  项威 ,  王邦 ,  梁超 ,  徐明华

IPC: G06N5/025 ,  G06F40/30 ,  G06F16/35 ,  G06N20/00 ,  G06F40/295

Abstract: 本发明公开了一种隐式篇章关系识别模型的构建方法及其应用，建立了基于任务增强提示学习的隐式篇章关系识别模型，包括编码模块、门控融合模块和语义标签分类模块。该构建方法首先对论元进行模板化，利用输入的论元、连接词等信息构成合适的提示模板并使用编码模块进行编码，得到[MASK]、[CLS]的隐层向量；通过门控融合模块将[CLS]的隐层向量融入主任务[MASK]的隐层向量中得到新的[MASK]隐层向量；最后通过语义标签分类模块预测两个论元之间的隐式篇章关系识别结果。本发明采用任务增强

公开(公告)号：CN116432752A

公开(公告)日：2023-07-14

申请号：CN202310468690.2

申请日：2023-04-27

Applicant: 华中科技大学

Inventor： 张青 ,  项威 ,  王邦 ,  梁超 ,  徐明华

IPC: G06N5/025 ,  G06F40/30 ,  G06F16/35 ,  G06N20/00 ,  G06F40/295

Abstract: 本发明公开了一种隐式篇章关系识别模型的构建方法及其应用，建立了基于任务增强提示学习的隐式篇章关系识别模型，包括编码模块、门控融合模块和语义标签分类模块。该构建方法首先对论元进行模板化，利用输入的论元、连接词等信息构成合适的提示模板并使用编码模块进行编码，得到[MASK]、[CLS]的隐层向量；通过门控融合模块将[CLS]的隐层向量融入主任务[MASK]的隐层向量中得到新的[MASK]隐层向量；最后通过语义标签分类模块预测两个论元之间的隐式篇章关系识别结果。本发明采用任务增强提示学习的方式对隐式篇章关系识别任务的论元、连接词等信息进行了更加全面的建模，有效的提高了隐式篇章关系识别的准确度。