检索结果-内蒙古大学图书馆

计算机与现代化 2020年第11期 60-64,99页

作者：冯云霞衣鹏韩正亮宋波青岛科技大学山东青岛266100

针对传统方法在中文电子病历实体抽取任务中存在对词典和分词工具过于依赖,无法充分利用上下文特征等问题,本文提出一种基于字嵌入卷积(CNN)、双向门控循环单元(BGRU)和条件随机场(CRF)结合的中文电子病历实体抽取模型。首先利用字嵌入... 详细信息

针对传统方法在中文电子病历实体抽取任务中存在对词典和分词工具过于依赖,无法充分利用上下文特征等问题,本文提出一种基于字嵌入卷积(CNN)、双向门控循环单元(BGRU)和条件随机场(CRF)结合的中文电子病历实体抽取模型。首先利用字嵌入方法提取出潜在词特征,然后在使用字词特征联合方式的同时使用注意力机制突出特定的信息,最后通过合理性约束得到最终结果。该模型充分使用了字词特征避免了实体抽取受错误分词的影响,并且减少了人工构造特征的过程,提高了实体抽取效率。实验结果表明,该模型在诊断名称、症状名称、治疗方式类别的实体抽取中,F值表现优于传统的Bi-LSTM-CRF模型。

关键词：中文电子病历实体抽取卷积网络双向门控循环单元注意力机制

来源：评论

学校读者我要写书评

暂无评论

基于词、句、实体协同的关键实体抽取算法

引用

信息工程大学学报 2020年第3期21卷 304-309页

作者：刘媛媛史佳欣李响李涓子数学工程与先进计算国家重点实验室河南郑州450001 清华大学计算机科学与技术系知识工程研究室北京100084 清华大学智能技术与系统国家重点实验室北京100084

关键实体是指单篇文档中较为重要、与文档主题关联度较大、可以概括文章主题的实体。关键实体的抽取可以帮助搜索引擎和问答系统去除无关实体,更加精准地匹配用户需求。目前已有的方法一般只考虑来自实体层次的同质影响关系,忽略了词、... 详细信息

关键实体是指单篇文档中较为重要、与文档主题关联度较大、可以概括文章主题的实体。关键实体的抽取可以帮助搜索引擎和问答系统去除无关实体,更加精准地匹配用户需求。目前已有的方法一般只考虑来自实体层次的同质影响关系,忽略了词、句等异质影响关系。因此提出Multi-Rank,一种词、句、实体协同的计算框架,利用词、实体、句子之间的互增强关系,迭代计算实体的重要度,并从理论上证明了迭代过程的收敛性。实验表明,相较于经典TextRank算法,该算法在准确率、召回率指标均上升了2%,提高了关键实体的抽取质量。

关键词：实体抽取互增强关系图排序

来源：评论

学校读者我要写书评

暂无评论

基于图匹配的Web实体抽取算法研究

引用

南阳师范学院学报 2024年第3期23卷 60-65页

作者：徐曜阜阳师范大学经济学院安徽阜阳236037

现今Web中存在大量缺失、不一致及不精确的数据,而传统的搜索引擎只能根据关键词返回文档片段,无法直接获取目标实体。提出一种新的基于图匹配的实体抽取算法GMEE(Graph Matching Based Entity Extraction),首先将片段按词语分割,进行... 详细信息

现今Web中存在大量缺失、不一致及不精确的数据,而传统的搜索引擎只能根据关键词返回文档片段,无法直接获取目标实体。提出一种新的基于图匹配的实体抽取算法GMEE(Graph Matching Based Entity Extraction),首先将片段按词语分割,进行实体的初步筛选;然后根据各实体之间的结构和语义关系建立“加权语义实体关联图”;最后利用“最大公共子图匹配”策略抽取目标实体。实验结果表明,提出的算法在不需要大量参数训练及传递的情况下,能够对抽取的实体集进行有效的精简,既保证了召回率、准确率,又提高了抽取过程的可解释性。

关键词：图匹配实体抽取 Web 搜索引擎

来源：评论

学校读者我要写书评

暂无评论

深度学习基础上的中医实体抽取方法研究

引用

医学信息学杂志 2019年第2期40卷 58-63页

作者：张艺品关贝吕荫润王翀吴炳潮王永吉毕诗旋中国科学院软件研究所协同创新中心北京100190 中国科学院大学北京100049 中国科学院软件研究所计算机科学国家重点实验室北京100190 北京工业大学北京100190

介绍命名实体识别及模型应用研究情况,以中医典籍作为数据源,采用深度学习方法,进行中医疾病、方剂、中草药等实体抽取,设计BiLSTM-CRF序列标注模型,构建中医典籍实验语料进行实验,结果表明该模型算法具有高度准确性。

关键词：知识图谱实体抽取中医深度学习

来源：评论

学校读者我要写书评

暂无评论

利用技术分类号辅助的无监督专利实体抽取方法研究

引用

知识管理论坛 2024年第4期9卷 422-436页

作者：陈亮尚玮姣余池牟琳夏春姊葛川中国科学技术信息研究所北京100038 中国林业科学研究院林业科技信息研究所北京100091 山西省科技情报与战略研究中心太原030032

[目的/意义]无监督的专利实体抽取方法可以有效解决之前方法高度依赖标注资源的痼疾,进而推动智能技术在专利数据上的广泛应用并提升专利信息服务的能力和水平。[方法/过程]将专利文献固有的技术分类号与主题模型相结合,利用技术分类号... 详细信息

[目的/意义]无监督的专利实体抽取方法可以有效解决之前方法高度依赖标注资源的痼疾,进而推动智能技术在专利数据上的广泛应用并提升专利信息服务的能力和水平。[方法/过程]将专利文献固有的技术分类号与主题模型相结合,利用技术分类号指导专利词汇上的主题分配过程,进而提出一种无需实体标注信息的专利实体抽取方法。[结果/结论]利用硬盘驱动器薄膜磁头领域专利数据集和IPC技术分类体系进行实证分析,实验结果显示,不同层级的技术分类号在实体抽取上效果差异巨大,而基于IPC第五层级技术分类号方法的实体抽取效果远优于常规的SAO方法。

关键词：实体抽取主题模型专利挖掘技术分类号

来源：评论

学校读者我要写书评

暂无评论

面向工业实体抽取的联邦学习优化算法

引用

智能计算机与应用 2024年第7期14卷 246-250,F0003页

作者：傅圣泽上海工程技术大学电子电气工程学院上海201620

人工智能技术在工业、医疗和金融等领域得到了广泛应用,并取得了巨大的成功。工业实体抽取任务是实现工业领域数字化转型的关键一环,然而其实现往往需要大量的数据支持,而这些数据往往分布在各个机构或组织之间。各行各业都产生了海量... 详细信息

人工智能技术在工业、医疗和金融等领域得到了广泛应用,并取得了巨大的成功。工业实体抽取任务是实现工业领域数字化转型的关键一环,然而其实现往往需要大量的数据支持,而这些数据往往分布在各个机构或组织之间。各行各业都产生了海量的有价值的数据,但是在实际的应用场景中,安全隐私、法律法规和行业竞争等多种因素往往导致各方的数据不能共享,从而形成所谓的“数据孤岛”。针对这一问题,联邦学习提供了一种解决方案,可以有效解决数据孤岛问题,但联邦学习目前仍然面临一些问题和挑战,其中最典型的问题就是数据异构问题。针对各行各业存在的数据孤岛问题以及联邦学习本身的数据异构问题,本文以工业领域实体抽取任务为对象研究联邦学习的异构问题,从本地优化的角度提出了一种基于本地修正的联邦学习算法FedAmend,改善该联邦学习框架在面对工业领域数据非独立同分布时的表现,并在某汽车集团的工业设备故障数据上验证了FedAmend的可行性。

关键词：实体抽取联邦学习数据异构本地优化

来源：评论

学校读者我要写书评

暂无评论

基于学术论文全文内容的特定领域算法实体抽取研究

引用

数字图书馆论坛 2022年第3期 2-14页

作者：丁睿祎王玉琢章成志南京理工大学经济管理学院南京210094

对学术论文中的算法实体进行研究,能够促进深入了解算法对科学研究的作用,而从全文数据中抽取算法实体是相关研究的基础。学术论文全文内容中算法实体的抽取可以看作一种特殊的命名实体识别。本文通过人工识别的方法,从4641篇论文中抽取... 详细信息

对学术论文中的算法实体进行研究,能够促进深入了解算法对科学研究的作用,而从全文数据中抽取算法实体是相关研究的基础。学术论文全文内容中算法实体的抽取可以看作一种特殊的命名实体识别。本文通过人工识别的方法,从4641篇论文中抽取出977种算法实体并构建算法实体词列表,以此为基础构建标注语料,训练算法实体自动抽取模型,在剩余语料上抽取得到221种新算法实体,并将自动抽取结果与人工抽取结果进行整合得到全部算法实体1198种。研究结果表明:人工抽取法的结果能够为自动抽取法构建一定数量的标注语料,所构建的算法实体自动抽取模型能够有效地抽取出人工方法中遗漏的新算法实体,同时还能够抽取出已有算法实体的全新表达形式,进一步对人工抽取结果进行扩充和完善。

关键词：学术论文全文内容算法实体实体抽取学术文本挖掘

来源：评论

学校读者我要写书评

暂无评论

基于Senna-BiLSTM-CRF的测井实体抽取方法研究

引用

计算机技术与发展 2021年第12期31卷 180-186页

作者：尚福华金泉曹茂俊东北石油大学计算机与信息技术学院黑龙江大庆163318

实体抽取是构建知识图谱极为重要的过程,实体抽取的质量将直接决定构建的知识图谱的质量。为了更好地构建测井领域知识图谱,该文对测井命名实体抽取的方法进行研究。针对在测井领域知识图谱构建过程中尚无公开数据集可用的情况,收集了... 详细信息

实体抽取是构建知识图谱极为重要的过程,实体抽取的质量将直接决定构建的知识图谱的质量。为了更好地构建测井领域知识图谱,该文对测井命名实体抽取的方法进行研究。针对在测井领域知识图谱构建过程中尚无公开数据集可用的情况,收集了部分测井领域相关的非结构化文本数据,并对其中的测井实体进行人工标注,构建了测井领域知识图谱命名实体抽取数据集。基于该数据集,提出使用Senna词向量-BiLSTM-CRF的方法对测井非结构文本数据中的命名实体进行抽取,降低数据标注的难度,提高训练效率。实验结果表明使用Senna词向量-BiLSTM-CRF的方法能够比较有效地完成对测井领域实体抽取的任务,该方法在构建的测井命名实体抽取数据集上的准确率达到了84.87%,召回率达到了81.62%,F1值达到了83.22%,优于对比的BiLSTM-CRF和词向量-BiLSTM-CRF。

关键词：实体抽取知识图谱深度学习词向量测井

来源：评论

学校读者我要写书评

暂无评论

基于Transformer的教育知识图谱实体抽取技术分析

引用

电子技术（上海） 2024年第5期53卷 198-199页

作者：刘敏吴昭江文湖南科技职业学院湖南410004

阐述基于Transformer的课程知识图谱实体识别模型设计。探讨基于人机协同的人工规则和深度学习混合的知识点抽取方法,通过在前馈网络层中的共享偏置项,减少模型参数的数量,提高训练效率。

关键词：知识图谱实体抽取自然语言处理深度学习

来源：评论

学校读者我要写书评

暂无评论

基于HMM+CRF词性标注的实体抽取方法

引用

计算机与数字工程 2023年第12期51卷 2929-2933页

作者：张航文斌云南师范大学信息学院昆明650500

基于HMM+CRF词性标注的实体抽取方法从词性标注入手,对待处理文本先进行词性标注;然后根据文本的词性将实体抽取出来,在传统的CRF词性标注模型上增加一层HMM模型,提高实体抽取的精确度;最后在人民日报语料上进行实验,验证了准确率分别... 详细信息

基于HMM+CRF词性标注的实体抽取方法从词性标注入手,对待处理文本先进行词性标注;然后根据文本的词性将实体抽取出来,在传统的CRF词性标注模型上增加一层HMM模型,提高实体抽取的精确度;最后在人民日报语料上进行实验,验证了准确率分别在基于HMM实体抽取模型和基于CRF实体抽取模型的基础上提高了2.1%和0.3%。

关键词：实体抽取隐马尔可夫模型条件随机场词性标注

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：