公开(公告)号：CN116384401A

公开(公告)日：2023-07-04

申请号：CN202310399388.6

申请日：2023-04-14

Applicant: 苏州空天信息研究院

Inventor： 胡政 ,  胡岩峰 ,  乔雪 ,  彭晨 ,  索荣田 ,  李熙雨 ,  程嘉远 ,  向镐鹏 ,  闵飞 ,  潘宇顺

IPC: G06F40/295 ,  G06F18/214 ,  G06N3/08

Abstract: 本发明公开了一种基于提示学习的命名实体识别方法，利用文本表示模型consert计算文本序列和候选样本示例模板的相似度，选择最相似的候选样本示例模板以上下文的形式拼接到文本序列中，使用Transformer‑1编码器编码，通过一层线性映射层映射为实体边界判别向量，并通过条件随机场得到候选实体边界预测值，获得候选实体片段；利用候选实体边界预测值，在文本序列中插入候选实体片段分隔符，构造实体边界感知模板输入，使用Transformer‑2编码器进行编码，平均候选实体片段中的字符向量，得到候选实体片段向量；接着通过一层线性映射层映射为候选实体类别判别向量，并使用softmax函数得到候选实体类别预测值，得到识别出的命名实体。本发明提升了命名实体识别准确率。

公开(公告)号：CN117009496A

公开(公告)日：2023-11-07

申请号：CN202310579818.2

申请日：2023-05-22

Applicant: 苏州空天信息研究院

Inventor： 潘宇顺 ,  胡岩峰 ,  彭晨 ,  乔雪 ,  顾爽 ,  程嘉远 ,  向镐鹏 ,  闵飞 ,  胡政

IPC: G06F16/335 ,  G06F16/31 ,  G06F16/33 ,  G06F40/279 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开一种基于链接矩阵的多模态事件联合抽取方法，确定应用领域的事件结构体系，构建跨模态事件抽取数据集；构建图像块和文本序列之间的链接矩阵；基于ViLT构建多模态事件抽取模型，其中多模态Transformer编码器以图像块像素特征、词例特征和图像分块‑文本词例对特征为输入，得到多模态特征输入解码器，获取图文事件类型一致性特征、事件类型特征和图文事件要素特征；利用极大似然估计，取最大概率的图文事件类型匹配结果、事件类型、图文事件要素作为索引，利用索引映射得到文本事件信息。本发明解决了弱监督和无监督方法识别精度低，管道式多模态事件要素信息匹配不准确的问题，为多模态信息抽取领域提供了一种新的事件抽取策略。

公开(公告)号：CN113886522B

公开(公告)日：2022-12-02

申请号：CN202111070443.4

申请日：2021-09-13

Applicant: 苏州空天信息研究院

Inventor： 胡岩峰 ,  胡政 ,  潘宇顺 ,  陈诗旭 ,  乔雪 ,  宋路杰 ,  丁士伟 ,  吕东帅

IPC: G06F16/33 ,  G06F16/31 ,  G06F16/35 ,  G06F40/126 ,  G06F40/295

Abstract: 本发明提出了一种基于路径扩展的非连续实体识别方法，对文本序列使用Transformer‑1编码器编码；将Transformer‑1编码器的输出通过一层线性映射层映射为实体首字符判别向量，并使用softmax函数得到字符标签预测值，以获得实体首字符的索引值；针对预测的每个实体首字符，将其对应的Transformer‑1编码器输出向量与其后字符的Transformer‑1编码器输出向量拼接，使用Transformer‑2编码器进行编码，接着通过一层线性映射层映射为实体尾字符判别向量，并使用softmax函数得到字符标签预测值，以获得对应实体首字符的实体尾字符索引值；针对每对实体首字符和实体尾字符区间字符使用路径扩展方法，得到实体表示的路径；解码获得的实体表示路径，得到识别出的实体。本发明避免了解码模糊性问题，提高了识别的准确率。

公开(公告)号：CN113886522A

公开(公告)日：2022-01-04

申请号：CN202111070443.4

申请日：2021-09-13

Applicant: 苏州空天信息研究院

Inventor： 胡岩峰 ,  胡政 ,  潘宇顺 ,  陈诗旭 ,  乔雪 ,  宋路杰 ,  丁士伟 ,  吕东帅

IPC: G06F16/33 ,  G06F16/31 ,  G06F16/35 ,  G06F40/126 ,  G06F40/295

Abstract: 本发明提出了一种基于路径扩展的非连续实体识别方法，对文本序列使用Transformer‑1编码器编码；将Transformer‑1编码器的输出通过一层线性映射层映射为实体首字符判别向量，并使用softmax函数得到字符标签预测值，以获得实体首字符的索引值；针对预测的每个实体首字符，将其对应的Transformer‑1编码器输出向量与其后字符的Transformer‑1编码器输出向量拼接，使用Transformer‑2编码器进行编码，接着通过一层线性映射层映射为实体尾字符判别向量，并使用softmax函数得到字符标签预测值，以获得对应实体首字符的实体尾字符索引值；针对每对实体首字符和实体尾字符区间字符使用路径扩展方法，得到实体表示的路径；解码获得的实体表示路径，得到识别出的实体。本发明避免了解码模糊性问题，提高了识别的准确率。