公开(公告)号：CN112733541A

公开(公告)日：2021-04-30

申请号：CN202110016942.9

申请日：2021-01-06

Applicant: 重庆邮电大学

Inventor： 张毅 ,  王爽胜 ,  何彬 ,  叶培明 ,  李克强

IPC: G06F40/295 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明请求保护一种基于注意力机制的BERT‑BiGRU‑IDCNN‑CRF的命名实体识别方法，包括步骤：通过大规模无标注预料训练BERT预训练语言模型；在训练好的BERT模型的基础上，构造完整的BERT‑BiGRU‑IDCNN‑Attention‑CRF命名实体识别模型；构建实体识别训练集，并在该训练集上对完整实体识别模型进行训练；将待进行实体识别的预料输入到训练好的实体识别模型，输出命名实体识别结果，本发明将BiGRU和IDCNN神经网络提取的特征向量进行合并，弥补了BiGRU神经网络在提取全局上下文特征的过程中忽略局部特征的缺陷，同时引入了注意力机制，对提取到的特征进行进行权重分配，强化对于实体识别起关键作用的特征，弱化无关特征，进一步提高命名实体识别的识别效果。

公开(公告)号：CN113221547B

公开(公告)日：2022-05-03

申请号：CN202110083233.2

申请日：2021-01-21

Applicant: 重庆邮电大学

Inventor： 张毅 ,  王爽胜 ,  何彬 ,  叶培明 ,  李克强

IPC: G06F40/279 ,  G06F40/216 ,  G06F16/335 ,  G06F16/36 ,  G06N3/08

Abstract: 本发明请求保护一种基于信息抽取和知识图谱的试题推荐方法，包括步骤：通过神经网络模型对试题进行实体识别和实体关系抽取，得到试题所考查的三元组知识点，形成试题知识图谱；根据已构建的试题知识图谱，构建基于三元组知识点关联的试题网络；根据错题以及试题网络进行试题推荐。本发明通过神经网络模型对试题进行知识点自动化提取，能有效节省人工，同时避免人工的主观性偏差，另外本发明抽取到的三元组知识点较章节大知识点，以及关键词知识点更加精细，同时考虑试题背后考查知识点之间的组合关系，构建试题网络，将试题间基于知识点的关联程度数字化、精细化，并根据错题和试题间精细化的关联信息，进行试题推荐，使得试题推荐结果更加准确。

公开(公告)号：CN113221547A

公开(公告)日：2021-08-06

申请号：CN202110083233.2

申请日：2021-01-21

Applicant: 重庆邮电大学

Inventor： 张毅 ,  王爽胜 ,  何彬 ,  叶培明 ,  李克强

IPC: G06F40/279 ,  G06F40/216 ,  G06F16/335 ,  G06F16/36 ,  G06N3/08

Abstract: 本发明请求保护一种基于信息抽取和知识图谱的试题推荐方法，包括步骤：通过神经网络模型对试题进行实体识别和实体关系抽取，得到试题所考查的三元组知识点，形成试题知识图谱；根据已构建的试题知识图谱，构建基于三元组知识点关联的试题网络；根据错题以及试题网络进行试题推荐。本发明通过神经网络模型对试题进行知识点自动化提取，能有效节省人工，同时避免人工的主观性偏差，另外本发明抽取到的三元组知识点较章节大知识点，以及关键词知识点更加精细，同时考虑试题背后考查知识点之间的组合关系，构建试题网络，将试题间基于知识点的关联程度数字化、精细化，并根据错题和试题间精细化的关联信息，进行试题推荐，使得试题推荐结果更加准确。