公开(公告)号：CN113378574B

公开(公告)日：2023-10-24

申请号：CN202110732903.9

申请日：2021-06-30

Applicant: 武汉大学

Inventor： 张志剑 ,  马费成 ,  洪亮 ,  桂文瑄

IPC: G06F40/295 ,  G06F16/36 ,  G06N3/042 ,  G06N3/084 ,  G06N5/022

Abstract: 本发明提供一种基于KGANN(Knowledge Graph Artificial Neural Network，KGANN)的命名实体识别方法，该方法通过重构知识图谱的神经元，在保留知识图谱内容和结构的基础上，使其可被深度学习训练方法训练，从而达到知识图谱和深度学习模型高度融合。KGANN通过引入领域知识，从而在小规模数据集上表现优异。本发明所提方法相较传统命名实体识别方法具有明显提升，在小样本数据下具有更强的鲁棒性。

公开(公告)号：CN113378574A

公开(公告)日：2021-09-10

申请号：CN202110732903.9

申请日：2021-06-30

Applicant: 武汉大学

Inventor： 张志剑 ,  马费成 ,  洪亮 ,  桂文瑄

IPC: G06F40/295 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06N5/02

Abstract: 本发明提供一种基于KGANN(Knowledge Graph Artificial Neural Network，KGANN)的命名实体识别方法，该方法通过重构知识图谱的神经元，在保留知识图谱内容和结构的基础上，使其可被深度学习训练方法训练，从而达到知识图谱和深度学习模型高度融合。KGANN通过引入领域知识，从而在小规模数据集上表现优异。本发明所提方法相较传统命名实体识别方法具有明显提升，在小样本数据下具有更强的鲁棒性。