公开(公告)号：CN111651983B

公开(公告)日：2021-06-18

申请号：CN202010397785.6

申请日：2020-05-12

Applicant: 哈尔滨工业大学

Inventor： 丁效 ,  刘挺 ,  秦兵 ,  廖阔

IPC: G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于自训练与噪声模型的因果事件抽取方法，本发明涉及因果事件抽取的方法。本发明的目的是解决现有基于深度学习模型的因果事件抽取方法在有标注数据不足的领域或场景中效果有限的问题。过程为：一、收集已标注的目标领域文本；二、计算一个向量表示；三、计算出概率最大的标签序列；四、训练三中的模型，并对二中的模型进行微调；五、得到大量自标注数据；六、为每个单词计算一个向量表示，计算单词序列生成每个可能的标签序列的概率；七、计算自标注文本中每个单词的噪声矩阵；八、得到由单词序列生成自标注标签序列的概率；九、使用一中有标注数据与五中自标注数据共同训练二、三、六、七中的整体模型。本发明用于因果事件抽取领域。

公开(公告)号：CN111651983A

公开(公告)日：2020-09-11

申请号：CN202010397785.6

申请日：2020-05-12

Applicant: 哈尔滨工业大学

Inventor： 丁效 ,  刘挺 ,  秦兵 ,  廖阔

IPC: G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 一种基于自训练与噪声模型的因果事件抽取方法，本发明涉及因果事件抽取的方法。本发明的目的是解决现有基于深度学习模型的因果事件抽取方法在有标注数据不足的领域或场景中效果有限的问题。过程为：一、收集已标注的目标领域文本；二、计算一个向量表示；三、计算出概率最大的标签序列；四、训练三中的模型，并对二中的模型进行微调；五、得到大量自标注数据；六、为每个单词计算一个向量表示，计算单词序列生成每个可能的标签序列的概率；七、计算自标注文本中每个单词的噪声矩阵；八、得到由单词序列生成自标注标签序列的概率；九、使用一中有标注数据与五中自标注数据共同训练二、三、六、七中的整体模型。本发明用于因果事件抽取领域。