一种命名实体识别方法及其装置

    公开(公告)号:CN111563380A

    公开(公告)日:2020-08-21

    申请号:CN201910075530.5

    申请日:2019-01-25

    Applicant: 浙江大学

    Abstract: 本申请公开了一种命名实体识别方法及其装置,所述方法包括:基于文本中的每个元素的结构信息,将所述文本的每个元素转换为包括第一向量的第一向量组,其中,第一向量包括每个元素的结构信息向量;将所述第一向量组中的第一向量分别输入到机器学习模型组件,获取与所述文本对应的表达向量,其中,所述机器学习模型组件根据多个训练文本向量以及与所述多个训练文本向量对应的多个表达向量之间的对应关系进行训练得到的;利用所述表达向量,识别与所述文本对应的命名实体标签,至少利用所述表达向量,识别与所述文本对应的命名实体标签。采用本申请,可利用文本的结构信息,获取所述文本对应的预测标签,从而能够利用独有的结构,提高命名实体识别的准确率。

    一种语音识别的方法及其装置

    公开(公告)号:CN111599363B

    公开(公告)日:2023-03-31

    申请号:CN201910104761.4

    申请日:2019-02-01

    Applicant: 浙江大学

    Abstract: 本申请公开了一种语音识别的方法及其装置,所述方法包括:将与获取的语音对应的声谱图输入到语音模型,获取与所述语音对应的多个候选分句;利用多层评价模型确定与所述多个候选分句中每个候选分句对应的候选值;将候选值最高的候选分句确定为目标识别文本。采用本申请,可利用多层评价模型对利用语音模型输出的多个候选分句执行量化处理,从而能够更准确且直观地确定目标识别文本。

    一种利用关系路径挖掘解决知识图谱对齐任务的方法

    公开(公告)号:CN109255002A

    公开(公告)日:2019-01-22

    申请号:CN201811057114.4

    申请日:2018-09-11

    Applicant: 浙江大学

    Abstract: 本发明公开了一种利用关系路径挖掘解决知识图谱对齐任务的方法。主要包括如下步骤:1)利用知识翻译模型、线性映射函数、对齐节点对与对齐三元组获取表示知识图谱对齐任务的损失函数。2)利用损失函数下降训练,完成关系路径挖掘,实现知识图谱对齐任务。相比于其他的知识图谱对齐任务解决方法,本发明使用到了知识图谱中的实体与关系的对齐方式。本发明在知识图谱对齐任务中所取得的效果相比于传统的方法更好。

    一种利用关系路径挖掘解决知识图谱对齐任务的方法

    公开(公告)号:CN109255002B

    公开(公告)日:2021-08-27

    申请号:CN201811057114.4

    申请日:2018-09-11

    Applicant: 浙江大学

    Abstract: 本发明公开了一种利用关系路径挖掘解决知识图谱对齐任务的方法。主要包括如下步骤:1)利用知识翻译模型、线性映射函数、对齐节点对与对齐三元组获取表示知识图谱对齐任务的损失函数。2)利用损失函数下降训练,完成关系路径挖掘,实现知识图谱对齐任务。相比于其他的知识图谱对齐任务解决方法,本发明使用到了知识图谱中的实体与关系的对齐方式。本发明在知识图谱对齐任务中所取得的效果相比于传统的方法更好。

    一种语音识别的方法及其装置

    公开(公告)号:CN111599363A

    公开(公告)日:2020-08-28

    申请号:CN201910104761.4

    申请日:2019-02-01

    Applicant: 浙江大学

    Abstract: 本申请公开了一种语音识别的方法及其装置,所述方法包括:将与获取的语音对应的声谱图输入到语音模型,获取与所述语音对应的多个候选分句;利用多层评价模型确定与所述多个候选分句中每个候选分句对应的候选值;将候选值最高的候选分句确定为目标识别文本。采用本申请,可利用多层评价模型对利用语音模型输出的多个候选分句执行量化处理,从而能够更准确且直观地确定目标识别文本。

Patent Agency Ranking