公开(公告)号：CN110413995B

公开(公告)日：2022-12-23

申请号：CN201910601361.4

申请日：2019-07-03

Applicant: 北京信息科技大学

Inventor： 刘旭红 ,  张良 ,  刘秀磊 ,  李臻 ,  陈雨婷

IPC: G06F40/295 ,  G06F16/28

Abstract: 本发明提供一种基于双向MGU神经网络的关系抽取方法。解决了单向MGU模型对后文依赖性不足，无法处理后文信息的问题。通过实验表明了该方法的训练时间更短，抽取准确率、召回率和F值更高。通过分析不同关系类型的抽取性能，发现了关系类型的选取以及语料特点对抽取性能存在一定影响。

公开(公告)号：CN110413995A

公开(公告)日：2019-11-05

申请号：CN201910601361.4

申请日：2019-07-03

Applicant: 北京信息科技大学

Inventor： 刘旭红 ,  张良 ,  刘秀磊 ,  李臻 ,  陈雨婷

IPC: G06F17/27 ,  G06F16/28

Abstract: 本发明提供一种基于双向MGU神经网络的关系抽取方法。解决了单向MGU模型对后文依赖性不足，无法处理后文信息的问题。通过实验表明了该方法的训练时间更短，抽取准确率、召回率和F值更高。通过分析不同关系类型的抽取性能，发现了关系类型的选取以及语料特点对抽取性能存在一定影响。

公开(公告)号：CN111738002A

公开(公告)日：2020-10-02

申请号：CN202010454177.4

申请日：2020-05-26

Applicant: 北京信息科技大学

Inventor： 刘秀磊 ,  陈若愚 ,  刘旭红 ,  崔丹丹 ,  李臻

IPC: G06F40/295 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于Lattice LSTM的古文领域命名实体识别方法、系统、电子设备及可读存储介质，其中，该方法包括：采用甲言分词对预训练古文数据进行分词；采用word2vec模型对分词后的预训练古文数据进行预训练得到预训练的字词向量；将数据集数据和所述预训练的字词向量输入至Lattice LSTM模型中进行训练，得到优化后的Lattice LSTM模型；将待识别古文数据输入至优化后的Lattice LSTM模型进行命名实体识别。该方法采用甲言(jiayan)分词工具进行古文数据的分词，分词效果较好且符合语境，提高了古文分词的准确性；利用word2vec训练古文字、词向量，通过大量的文本获得质量更高的字词向量；将字向量和词向量共同作为Lattice LSTM模型的输入，提升了古文领域数据实体识别的效果。