公开(公告)号：CN114692602B

公开(公告)日：2025-04-29

申请号：CN202210290585.X

申请日：2022-03-23

Applicant: 浙江工业大学

Inventor： 张元鸣 ,  杨伟杰 ,  肖刚 ,  陆佳炜 ,  王琪冰 ,  王自立 ,  林正 ,  王学斌

IPC: G06F40/211 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了一种句法信息注意力引导的图卷积网络关系抽取方法，包括以下步骤：1)基于BERT预训练模型的字向量表示；2)基于双向长短期记忆网络来对每个单词进行上下文编码，得到包含上下文信息的每个单词的向量表示；3)融合句法依赖类型信息的图卷积网络词节点特征表示；4)通过得到的句子向量的特征表示进行关系抽取。本发明在关系抽取模型建模中考虑了依存类型信息，提高了关系抽取模型的性能。

公开(公告)号：CN113609859A

公开(公告)日：2021-11-05

申请号：CN202110893472.4

申请日：2021-08-04

Applicant: 浙江工业大学

Inventor： 张元鸣 ,  杨伟杰 ,  姬琦 ,  肖刚 ,  陆佳炜 ,  程振波

IPC: G06F40/295 ,  G06F16/35 ,  G06F16/36 ,  G06F40/216 ,  G06N3/04 ,  G06N3/08 ,  G06N5/02

Abstract: 一种基于预训练模型的特种设备中文命名实体识别方法，包括以下步骤：1)按照中文命名实体标注策略BIEOS对中文命名实体数据集进行标注，将实体类别分为四种类别；2)基于BERT预训练模型将中文句子转换为字向量表示；3)将字向量表示输入到biLSTM模型中，学习字向量序列双向编码，提取句子特征；4)采用CRF条件随机场学习上下文的标签概率，得到了每个汉字的所有可能的标签序列；5)最后输出汉字序列对应的实体类别。本发明通过无监督的方式对无标签语料中进行训练，能够有效解决小数据集、样本特征信息不足情况下中文命名实体提取的问题，用于构建特种设备领域的知识图谱。

公开(公告)号：CN114692602A

公开(公告)日：2022-07-01

申请号：CN202210290585.X

申请日：2022-03-23

Applicant: 浙江工业大学

Inventor： 张元鸣 ,  杨伟杰 ,  肖刚 ,  陆佳炜 ,  王琪冰 ,  王自立 ,  林正 ,  王学斌

IPC: G06F40/211 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种句法信息注意力引导的图卷积网络关系抽取方法，包括以下步骤：1)基于BERT预训练模型的字向量表示；2)基于双向长短期记忆网络来对每个单词进行上下文编码，得到包含上下文信息的每个单词的向量表示；3)融合句法依赖类型信息的图卷积网络词节点特征表示；4)通过得到的句子向量的特征表示进行关系抽取。本发明在关系抽取模型建模中考虑了依存类型信息，提高了关系抽取模型的性能。

公开(公告)号：CN113609859B

公开(公告)日：2024-12-03

申请号：CN202110893472.4

申请日：2021-08-04

Applicant: 浙江工业大学

Inventor： 张元鸣 ,  杨伟杰 ,  姬琦 ,  肖刚 ,  陆佳炜 ,  程振波

IPC: G06F40/295 ,  G06F16/35 ,  G06F16/36 ,  G06F40/216 ,  G06N3/0442 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/088 ,  G06N5/022

Abstract: 一种基于预训练模型的特种设备中文命名实体识别方法，包括以下步骤：1)按照中文命名实体标注策略BIEOS对中文命名实体数据集进行标注，将实体类别分为四种类别；2)基于BERT预训练模型将中文句子转换为字向量表示；3)将字向量表示输入到biLSTM模型中，学习字向量序列双向编码，提取句子特征；4)采用CRF条件随机场学习上下文的标签概率，得到了每个汉字的所有可能的标签序列；5)最后输出汉字序列对应的实体类别。本发明通过无监督的方式对无标签语料中进行训练，能够有效解决小数据集、样本特征信息不足情况下中文命名实体提取的问题，用于构建特种设备领域的知识图谱。