-
公开(公告)号:CN112256868A
公开(公告)日:2021-01-22
申请号:CN202011069841.X
申请日:2020-09-30
IPC分类号: G06F16/35 , G06F40/151 , G06K9/62 , G06N3/04
摘要: 本申请适用于终端人工智能技术领域,提供了零指代消解方法、训练零指代消解模型的方法及电子设备。上述训练零指代消解模型的方法包括:将训练文本中的所有词转换为第一向量;其中,训练文本中包括多个先行词和多个零代词,第一向量包括与各个先行词对应的第一先行词向量和与各个零代词对应的第一零代词向量,第一零代词向量中包含零代词的位置信息;将零代词的位置信息融合到第一先行词向量中,得到第二先行词向量;基于第一零代词向量和第二先行词向量,确定每个先行词的理论类别标签;其中,每个先行词对应一个预设类别标签;根据每个先行词的理论类别标签与预设类别标签,对零指代消解模型进行训练。上述方法能够提高零指代消解的准确性。
-
公开(公告)号:CN113392629B
公开(公告)日:2022-10-28
申请号:CN202110733081.6
申请日:2021-06-29
申请人: 哈尔滨工业大学
IPC分类号: G06F40/211 , G06F40/284 , G06F40/295 , G06N3/04 , G06N3/08
摘要: 基于预训练模型的人称代词消解方法,涉及人工智能技术领域,针对现有技术中代词消解的准确率低问题,本申请模型使用基于排序的代词消解框架,对于一个待消解的代词,存在一个候选先行词的集合,对于每一个候选先行词进行消解打分,打分最高的候选先行词作为消解对象进行消解。本申请引入预训练模型,利用预训练模型使用大量无标注文本进行训练的特点,能够更好的捕捉上下文信息,有效提高代词消解的指标,从而更好的帮助下游任务,提高代词消解的准确率,并提高了代词消解的效率。
-
公开(公告)号:CN113392629A
公开(公告)日:2021-09-14
申请号:CN202110733081.6
申请日:2021-06-29
申请人: 哈尔滨工业大学
IPC分类号: G06F40/211 , G06F40/284 , G06F40/295 , G06N3/04 , G06N3/08
摘要: 基于预训练模型的人称代词消解方法,涉及人工智能技术领域,针对现有技术中代词消解的准确率低问题,本申请模型使用基于排序的代词消解框架,对于一个待消解的代词,存在一个候选先行词的集合,对于每一个候选先行词进行消解打分,打分最高的候选先行词作为消解对象进行消解。本申请引入预训练模型,利用预训练模型使用大量无标注文本进行训练的特点,能够更好的捕捉上下文信息,有效提高代词消解的指标,从而更好的帮助下游任务,提高代词消解的准确率,并提高了代词消解的效率。
-
-