公开(公告)号：CN114925694A

公开(公告)日：2022-08-19

申请号：CN202210513350.2

申请日：2022-05-11

Applicant: 厦门大学

Inventor： 陈毅东 ,  张国成 ,  钟恩俊 ,  史晓东

IPC: G06F40/295 ,  G06K9/62 ,  G06N3/04

Abstract: 一种利用实体判别信息来提高生物医学命名体识别的方法，涉及生物医学命名体识别。包括以下步骤：1)构建EJNER模型，将EJ任务和NER任务结合的方法，称之为EJNER；EJNER模型包括EJ模型、NER模型和特征融合模块；2)定义EJ任务并训练EJ模型；3)将EJ模型提取的特征和NER模型提取的特征通过相加、门控单元、多头注意力机制方法融合，利用融合后的特征进行预测。可缓解实体边界错误分类问题。不仅仅适用于BioNER任务，同样适用于一般的命名体识别任务。

公开(公告)号：CN114492796A

公开(公告)日：2022-05-13

申请号：CN202210122504.5

申请日：2022-02-09

Applicant: 厦门大学

Inventor： 陈毅东 ,  张国成 ,  史晓东

IPC: G06N3/08 ,  G06V20/40 ,  G09B21/00

Abstract: 一种基于语法树的多任务学习手语翻译方法，涉及手语翻译。包括以下步骤：1)获得口语句子的语法树，并构造数据集；2)搭建神经网络，主要分为编码器和解码器两部分；在编码器得到输入的抽象特征表示后，将其输入到解码器中进行解码；3)预测语法树的先序遍历序列、语法树每个节点的深度以及口语句子。通过多任务学习方式来提升模型的翻译性能。不仅适用于手语翻译的翻译过程，同样可以用于神经机器翻译任务。在翻译的鲁棒性上要好于基础Transformer模型。在模型解码过程中，不仅仅预测口语句子，还要预测其对应的语法树，通过硬参数共享，以便更充分的挖掘训练数据集中隐藏的深层信息，从而使得翻译模型的预测结果更加准确。

公开(公告)号：CN114492796B

公开(公告)日：2025-03-25

申请号：CN202210122504.5

申请日：2022-02-09

Applicant: 厦门大学

Inventor： 陈毅东 ,  张国成 ,  史晓东

IPC: G06F40/253 ,  G06F40/16 ,  G06V20/40 ,  G09B21/00 ,  G06N3/0455 ,  G06N3/08

Abstract: 一种基于语法树的多任务学习手语翻译方法，涉及手语翻译。包括以下步骤：1)获得口语句子的语法树，并构造数据集；2)搭建神经网络，主要分为编码器和解码器两部分；在编码器得到输入的抽象特征表示后，将其输入到解码器中进行解码；3)预测语法树的先序遍历序列、语法树每个节点的深度以及口语句子。通过多任务学习方式来提升模型的翻译性能。不仅适用于手语翻译的翻译过程，同样可以用于神经机器翻译任务。在翻译的鲁棒性上要好于基础Transformer模型。在模型解码过程中，不仅仅预测口语句子，还要预测其对应的语法树，通过硬参数共享，以便更充分的挖掘训练数据集中隐藏的深层信息，从而使得翻译模型的预测结果更加准确。

公开(公告)号：CN114925694B

公开(公告)日：2024-06-04

申请号：CN202210513350.2

申请日：2022-05-11

Applicant: 厦门大学

Inventor： 陈毅东 ,  张国成 ,  钟恩俊 ,  史晓东

IPC: G06F40/295 ,  G06F18/214 ,  G06F18/241 ,  G06F18/2415 ,  G06N3/048

Abstract: 一种利用实体判别信息来提高生物医学命名体识别的方法，涉及生物医学命名体识别。包括以下步骤：1)构建EJNER模型，将EJ任务和NER任务结合的方法，称之为EJNER；EJNER模型包括EJ模型、NER模型和特征融合模块；2)定义EJ任务并训练EJ模型；3)将EJ模型提取的特征和NER模型提取的特征通过相加、门控单元、多头注意力机制方法融合，利用融合后的特征进行预测。可缓解实体边界错误分类问题。不仅仅适用于BioNER任务，同样适用于一般的命名体识别任务。