-
公开(公告)号：CN113298253B
公开(公告)日：2021-12-14
申请号：CN202110621275.7
申请日：2021-06-03
Applicant: 清华大学
IPC: G06N3/08 , G06N3/04 , G06K9/62 , G06F40/295
Abstract: 本发明提供一种用于命名实体识别的模型训练方法、识别方法及装置，该模型训练方法包括：将预定义类数据输入到由编码模块和分类模块构建的第一原型网络，得到学习后的编码模块；将预定义类数据分别输入到学习前后的编码模块，结果分别输入到组分类器进行训练；将其他类数据分别输入到学习前后的编码模块，结果分别输入到训练后的组分类器，得到其他类数据的分组结果；将预定义类数据和其他类数据输入到第二原型网络，对第二原型网络进行训练。本发明提供的用于命名实体识别的模型训练方法、识别方法及装置，通过利用预定义类的弱监督信号，能够有效地从其他类中挖掘更多的未定义类，从而利用其他类中丰富的语义信息，增强小样本命名实体识别能力。
-
Patent Agency Ranking
公开(公告)号：CN111259851A
公开(公告)日：2020-06-09
申请号：CN202010076960.1
申请日：2020-01-23
Applicant: 清华大学
IPC: G06K9/00 , G06F40/211 , G06F40/258 , G06F40/289
Abstract: 本发明实施例提供一种多模态事件检测方法及装置。所述方法包括获取与待测句子匹配的待测图像集合；得到待测句子的初始的句子表达式，并得到各待测图像的图像表达式；采用交替对偶注意力机制，依次根据各图像表达式对句子表达式进行更新，得到更新后的句子表达式；采用残差融合器得到融合后的句子表达式；输入到事件预测模块得到对应的事件检测结果，本发明实施例通过获取待测句子的待测图像，分别编码得到句子表达式和图像表达式，依次根据各待测图像的图像表达式，采用交替对偶注意力机制，对句子表达式进行更新和残差融合，再将融合后的句子表达式通过事件预测模型，得到事件检测结果，从而提升了对于待测文本的事件检测的效率和质量。
-
公开(公告)号：CN111813931B
公开(公告)日：2021-03-16
申请号：CN202010548917.0
申请日：2020-06-16
Applicant: 清华大学
Abstract: 本发明实施例提供了一种基于开放域知识增强的事件检测深度学习模型的构建方法、装置、电子设备及存储介质，方法包括：获取标注数据和未标注数据；将标注数据输入到第一事件分类模型中，进行训练；根据外部语义库采用义原映射算法，对未标注数据中的第一数据子集进行处理，得到开放域触发词识别结果；根据开放域触发词识别结果和第二数据子集，采用知识蒸馏的方式，对第二事件分类模型进行训练；对训练后的第一事件分类模型和训练后的第二事件分类模型进行联合训练，得到基于开放域知识增强的事件检测深度学习模型。本发明实施例得到的基于开放域知识增强的事件检测深度学习模型可以有效解决各类标注分布不均匀的长尾难题。
-
公开(公告)号：CN113298253A
公开(公告)日：2021-08-24
申请号：CN202110621275.7
申请日：2021-06-03
Applicant: 清华大学
IPC: G06N3/08 , G06N3/04 , G06K9/62 , G06F40/295
Abstract: 本发明提供一种用于命名实体识别的模型训练方法、识别方法及装置，该模型训练方法包括：将预定义类数据输入到由编码模块和分类模块构建的第一原型网络，得到学习后的编码模块；将预定义类数据分别输入到学习前后的编码模块，结果分别输入到组分类器进行训练；将其他类数据分别输入到学习前后的编码模块，结果分别输入到训练后的组分类器，得到其他类数据的分组结果；将预定义类数据和其他类数据输入到第二原型网络，对第二原型网络进行训练。本发明提供的用于命名实体识别的模型训练方法、识别方法及装置，通过利用预定义类的弱监督信号，能够有效地从其他类中挖掘更多的未定义类，从而利用其他类中丰富的语义信息，增强小样本命名实体识别能力。
-
公开(公告)号：CN111813931A
公开(公告)日：2020-10-23
申请号：CN202010548917.0
申请日：2020-06-16
Applicant: 清华大学
Abstract: 本发明实施例提供了一种基于开放域知识增强的事件检测深度学习模型的构建方法、装置、电子设备及存储介质，方法包括：获取标注数据和未标注数据；将标注数据输入到第一事件分类模型中，进行训练；根据外部语义库采用义原映射算法，对未标注数据中的第一数据子集进行处理，得到开放域触发词识别结果；根据开放域触发词识别结果和第二数据子集，采用知识蒸馏的方式，对第二事件分类模型进行训练；对训练后的第一事件分类模型和训练后的第二事件分类模型进行联合训练，得到基于开放域知识增强的事件检测深度学习模型。本发明实施例得到的基于开放域知识增强的事件检测深度学习模型可以有效解决各类标注分布不均匀的长尾难题。
-
公开(公告)号：CN111259851B
公开(公告)日：2021-04-23
申请号：CN202010076960.1
申请日：2020-01-23
Applicant: 清华大学
IPC: G06K9/00 , G06F40/211 , G06F40/258 , G06F40/289
Abstract: 本发明实施例提供一种多模态事件检测方法及装置。所述方法包括获取与待测句子匹配的待测图像集合；得到待测句子的初始的句子表达式，并得到各待测图像的图像表达式；采用交替对偶注意力机制，依次根据各图像表达式对句子表达式进行更新，得到更新后的句子表达式；采用残差融合器得到融合后的句子表达式；输入到事件预测模块得到对应的事件检测结果，本发明实施例通过获取待测句子的待测图像，分别编码得到句子表达式和图像表达式，依次根据各待测图像的图像表达式，采用交替对偶注意力机制，对句子表达式进行更新和残差融合，再将融合后的句子表达式通过事件预测模型，得到事件检测结果，从而提升了对于待测文本的事件检测的效率和质量。
-
-
-
-
-
Search Results
6
records
(took 0.016 seconds)
