公开(公告)号：CN108491375A

公开(公告)日：2018-09-04

申请号：CN201810173270.0

申请日：2018-03-02

Applicant: 复旦大学

Inventor： 梁家卿 ,  陈砺寒 ,  肖仰华

IPC: G06F17/27

Abstract: 本发明公开了一种基于CN-DBpedia的实体识别与链接系统和方法。该系统包括实体链接模块和实体识别模块；实体链接模块包括同义词匹配单元和实体链接单元；实体识别模块包括分词器、词概率计算单元和实体判别单元。本发明构建了实体与词语的语义关系，从而能在极少的上下文中挖掘到与实体的关系。本发明将基于机器学习的实体识别算法与非监督的分词算法融合。能从全局性的角度考虑实体名划分的合理性，又扩展了分词的词表空间，以更加合理的算法计算实体词的成词概率。本发明先链接再识别，使得实体识别时充分利用到了文本的语义信息，实现更好的分词与实体识别。

公开(公告)号：CN118468872A

公开(公告)日：2024-08-09

申请号：CN202310086891.6

申请日：2023-02-09

Applicant: 复旦大学

Inventor： 陈砺寒 ,  朱庭辉 ,  刘井平 ,  梁家卿 ,  肖仰华

IPC: G06F40/295 ,  G06F40/126 ,  G06N3/047 ,  G06N3/048 ,  G06N3/08 ,  G06N3/0442

Abstract: 本发明提供了一种基于分层强化学习的端到端实体链接方法，具有这样的特征，包括以下步骤：步骤S1构建结果集合；步骤S2输入文本编码得到高层状态；步骤S3由高层状态生成候选指代集合；步骤S4由高层策略得到高层动作若为候选指代进入步骤S5否则进入步骤S11；步骤S5将高层动作编码获得向量；步骤S6初始化i和单词序列；步骤S7由向量和单词序列得低层状态；步骤S8由低层策略得低层动作若为单词进入步骤S9否则进入步骤S10；步骤S9低层动作放入单词序列中i加1进入步骤S7；步骤S10候选指代和单词序列放入结果集合进入步骤S2；步骤S11结果集合作为实体链接结果。总之，本方法能够更加准确地对指代链接实体。

公开(公告)号：CN108491375B

公开(公告)日：2022-04-12

申请号：CN201810173270.0

申请日：2018-03-02

Applicant: 复旦大学

Inventor： 梁家卿 ,  陈砺寒 ,  肖仰华

IPC: G06F40/295 ,  G06F40/30 ,  G06F40/247

Abstract: 本发明公开了一种基于CN‑DBpedia的实体识别与链接系统和方法。该系统包括实体链接模块和实体识别模块；实体链接模块包括同义词匹配单元和实体链接单元；实体识别模块包括分词器、词概率计算单元和实体判别单元。本发明构建了实体与词语的语义关系，从而能在极少的上下文中挖掘到与实体的关系。本发明将基于机器学习的实体识别算法与非监督的分词算法融合。能从全局性的角度考虑实体名划分的合理性，又扩展了分词的词表空间，以更加合理的算法计算实体词的成词概率。本发明先链接再识别，使得实体识别时充分利用到了文本的语义信息，实现更好的分词与实体识别。