公开(公告)号：CN115221880A

公开(公告)日：2022-10-21

申请号：CN202210855621.2

申请日：2022-07-20

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 涂自龙 ,  段思欣 ,  郭伟滨 ,  许剑峰

IPC: G06F40/295 ,  G06F40/289 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种命名实体识别方法及终端，对获取的文本进行分词，得到文字序列，其包括字符文字序列；基于所述字符文字序列使用特征增强算法进行特征增强，并基于增强后的多元特征获取特征向量；使用多头注意力机制对特征向量进行时序编码，输出得到时序特征；对时序特征进行预测，得到最优标注序列，并根据其得到文本对应的命名实体识别结果，能够融合多元特征，利用多元特征有利于模型学习到更多的语义信息，且能够有效地获取字符序列之间的注意力，可在计算过程中将序列中任意两个字符直接联系起来，缩短距离依赖，有效利用特征完整表达整个文本的特征以及上下文特征，且字符之间能够相互关联，从而有效提高了命名实体识别的准确率。

公开(公告)号：CN115221322A

公开(公告)日：2022-10-21

申请号：CN202210855619.5

申请日：2022-07-20

Applicant: 厦门市美亚柏科信息股份有限公司

Inventor： 段思欣 ,  郭伟滨 ,  涂自龙 ,  许剑峰

IPC: G06F16/35 ,  G06N20/20 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开一种基于联邦学习的文本情感分类方法及终端，通过建立全局模型和多组客户端模型，形成联邦学习的情感分类模型框架，不仅可以避免涉密训练数据外传以及隐私数据交叉外泄等安全问题，而且能节省大数据传输过程所消耗的资源，还具有较高的时效性；同时，分布式模型框架可以使AI模型能学习到来自不同客户的大量样本，极大提升模型泛化能力和效果，即基于联邦学习的情感分类模型框架，让模型在客户本地训练，使得数据只会存在于客户本地，而且又能获得一个强大的AI分类模型的效果。