公开(公告)号：CN113947085B

公开(公告)日：2024-11-08

申请号：CN202111235560.1

申请日：2021-10-22

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  费岳凡 ,  朱曼 ,  吴晓诗 ,  胡慧娟

IPC: G06F40/295 ,  G06F40/216 ,  G06F16/332 ,  G06F17/15 ,  G06F17/16

Abstract: 一种面向智能问答系统的命名实体识别方法，包括如下步骤：为每条样本以滑动窗口的方式拼接上下文，并将普通的文本数据形式转化为机器阅读理解数据的形式；通过Bert预训练模型生成词向量特征；根据词向量特征，分别使用多尺度卷积与双向时序运算对其进行编码，得到样本的全局特征与局部特征；以等权重的方式为词向量特征拼接上全局特征与局部特征以增强词向量特征，得到上下文特征；对上下文特征采用多个线性网络识别文本中的命名实体。本发明能够充分利用问答系统中用户输入句子的上下文信息，以精准地抽取出用户问题中的命名实体；可以在命名实体识别的公开数据上都取得优异的效果，在对准确率要求较高的智能问答系统中具有良好的实用性。

公开(公告)号：CN115358240A

公开(公告)日：2022-11-18

申请号：CN202211060562.6

申请日：2022-08-31

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  费岳凡

IPC: G06F40/295 ,  G06F16/9535 ,  G06F16/951 ,  G06F17/16

Abstract: 一种面向金融产品智能推荐系统的命名实体识别方法，基于现有数据集微调BERT预训练模型，预测收集到的领域内其他未标注的数据，并使用置信度筛选机制挑选出可信样本；接着将更多的数据投入后续训练中；对每个样本通过BERT预训练模型生成词向量特征；根据词向量特征，使用多尺度卷积得到样本句子特征；并且对每个样本使用FLAT‑BERT模型生成字词特征；以等权重的方式将句子特征和字词特征拼接得到总体特征；对总体特征采用线性网络识别文本中的命名实体。本发明能够充分利用产品资讯文本信息，以精准地抽取出产品资讯信息中的命名实体；可以在命名实体识别的公开数据上都取得优异的效果，在对准确率要求较高的智能推荐系统中具有良好的实用性。

公开(公告)号：CN113947085A

公开(公告)日：2022-01-18

申请号：CN202111235560.1

申请日：2021-10-22

Applicant: 南京邮电大学

Inventor： 徐小龙 ,  费岳凡 ,  朱曼 ,  吴晓诗 ,  胡慧娟

IPC: G06F40/295 ,  G06F40/216 ,  G06F16/332 ,  G06F17/15 ,  G06F17/16

Abstract: 一种面向智能问答系统的命名实体识别方法，包括如下步骤：为每条样本以滑动窗口的方式拼接上下文，并将普通的文本数据形式转化为机器阅读理解数据的形式；通过Bert预训练模型生成词向量特征；根据词向量特征，分别使用多尺度卷积与双向时序运算对其进行编码，得到样本的全局特征与局部特征；以等权重的方式为词向量特征拼接上全局特征与局部特征以增强词向量特征，得到上下文特征；对上下文特征采用多个线性网络识别文本中的命名实体。本发明能够充分利用问答系统中用户输入句子的上下文信息，以精准地抽取出用户问题中的命名实体；可以在命名实体识别的公开数据上都取得优异的效果，在对准确率要求较高的智能问答系统中具有良好的实用性。