公开(公告)号：CN112270193A

公开(公告)日：2021-01-26

申请号：CN202011201643.4

申请日：2020-11-02

Applicant: 重庆邮电大学

Inventor： 张璞 ,  王重阳 ,  刘华东 ,  熊安萍

IPC: G06F40/295 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及自然语言处理领域，具体涉及一种基于BERT‑FLAT的中文命名实体识别方法，包括：将任意中文句子输入训练好的实体识别模型中，输出训练集中每个句子的词性标注结果，得到命名实体识别结果。本发明基于BERT‑Flat‑Lattice‑CRF的实体识别模型，BERT预训练语言模型和Flat‑Lattice结构，从大规模语料库中学习的BERT预训练语言模型可以通过上下文计算单词的向量表征，可以表征单词的多义性，增强句子的语义表征；Flat‑Lattice结构引入了词汇信息，充分地挖掘出文本中潜在的隐藏信息，达到词汇增强效果，显著地提升了中文命名实体识别的准确率。

公开(公告)号：CN112347269A

公开(公告)日：2021-02-09

申请号：CN202011255816.0

申请日：2020-11-11

Applicant: 重庆邮电大学

Inventor： 张璞 ,  刘华东 ,  陈鹏 ,  熊安萍

IPC: G06F16/36 ,  G06F16/35 ,  G06F40/211 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于自然语言处理领域，具体涉及一种基于BERT和Att‑BiLSTM的论点对识别方法，包括获取法律判决书中的数据，对数据进行预处理；将预处理的数据输入到训练好的法律论点对分类模型中，识别出诉方辩方相对应的法律论点对，根据法律论点对进行司法判决；所述法律论点对分类模型包括BERT模型和基于注意力长短期记忆循环神经网络Att‑BiLSTM分类模型；本发明在进行数据预测过程中加入了分层Attention机制，该机制为每个单词分配一个注意力权重，并为每个句子分配一个注意力权重，融合了句子级和词级特征，可以将重要特征突出，避免长序列导致的历史记忆变弱的问题，可以有效的提高识别效果。