检索结果-内蒙古大学图书馆

作者：林基远中国科学院大学

学位级别：硕士

非结构化文本的实体解析对于综合多源数据挖掘实体信息具有重要的意义。伴随着大数据时代的到来，这一问题遇到了新的挑战:如何高效有效地进行大规模的实体解析。基于现有分布式编程模型和平台是其中比较可行和实用的手段。目前主流的... 详细信息

非结构化文本的实体解析对于综合多源数据挖掘实体信息具有重要的意义。伴随着大数据时代的到来，这一问题遇到了新的挑战:如何高效有效地进行大规模的实体解析。基于现有分布式编程模型和平台是其中比较可行和实用的手段。目前主流的做法是将原问题分为3个子问题:数据分块、块内实体匹配、各块结果合并。\n 本文也是按照这种分解原问题逐个解决子问题的做法，但针对目前研究及解决方法在某些方面的的不足，本文进行了相关研究和改进，作了以下几个方面的贡献:\n 1)提出一种基于具有相关性的有序键值的数据分块算法，能有效高效地对大规模数据进行分块。目前主流的基于有序键值的数据分块方法在键值和分块算法间往往是单独设计，分块算法对键值的要求只有可比较性，没有利用到键值的其他信息，这种联系不紧密影响了分块的效果。对此，本文对键值的设计提出了一个相关性的要求，将两个键值的相关性量化成他们之间的公共前缀长度，并且设计了一种满足该要求的键值生成方法:基于实体名称转化的键值TM。基于以上具有相关性的有序键值，本文提出一种公共前缀长度优先的分块算法LCPF，为每个键值跟其最相关的键值分在一块。该算法利用了键值相关性的定义，使用动态规划的方法将其运行时间优化到线性，并且讨论该方法能很方便地在三种主流的分布式编程模型(MapReduce，BSP,RDD)实现。实验表明，本文提出的数据分块算法LCPF在12台机器的集群能在十几分钟内对千万级别的记录按照相关性进行分块，表明其能高效地对大规模数据进行分块;此外，TM+LCPF跟其他几种主流的分块算法相比，在数据对完整性上提升了几个百分点，表明了其有效性。\n 2)设计了一个有效的非结构化文本的实体匹配器，为后文实现大规模非结构化文本的实体解析奠定了有效性的基础。在数据分块的基础上，通过对块内数据特点的分析，选择了合适的特征进行有监督机器学习。实验表明，该实体匹配器能有效地进行块内的实体匹配，F1值达92％。\n 3)本文设计了一个大规模非结构化文本的实体解析流程，该流程是有效高效并且有较好的伸缩性。首先，该流程相比其他主流的流程，在数据分块层面分为逻辑分块和逻辑块切分（物理分块），这两部分的分离便于各自专注于各自要解决的问题，同时松耦合也便于后续单独改进和复用。此外，基于滑动窗口设计了逻辑块切分的方法，从理论上分析了对于线性伸缩的数据分块算法，切分后的记录对总数上界为O(N·√N)，保证了后续计算的高效性;最后，本文将各块结果的合并问题转为分布式图求连通分量的问题，利用BSP的计算方式来解决，实验表明按照这种方式合并，最终结果的准确率和与召回率与未合并前的平均结果相差2个百分点，说明其有效性。结合其他实验，表明这个流程是有效高效以及有较好的伸缩性。

关键词：文本实体非结构化数据分块键值设计滑动窗口

来源：评论

学校读者我要写书评

暂无评论

文本实体关系抽取方法综述

引用

科技成果管理与研究 2021年第2期16卷 37-42页

作者：叶光磊马亚恒左东舟于亚婷电子科技大学四川成都611731

文本中实体关系的确定可以使计算机清楚文本中实体间的联系,进而可以通过其中一个实体和关系得出另一个实体,关系抽取技术用于抽取文本中实体之间的关系。随着互联网技术的发展,文本数据越来越庞大。关系抽取作为信息抽取的子任务,帮助... 详细信息

文本中实体关系的确定可以使计算机清楚文本中实体间的联系,进而可以通过其中一个实体和关系得出另一个实体,关系抽取技术用于抽取文本中实体之间的关系。随着互联网技术的发展,文本数据越来越庞大。关系抽取作为信息抽取的子任务,帮助人类从海量数据中获取有用的信息,实现将非结构化.半结构化的自然语言文本转化为结构化数据。在介绍关系抽取发展状况的基础上,将其按照不同的实现方式进行分类分析概括,如有监督关系抽取、半监督关系抽取、无监督关系抽取、联合抽取等。并通过实验数据进行对比,总结各种实现方式存在的不足及优势。最后,针对目前关系抽取的发展状况,指出了关系抽取面临的主要挑战以及未来的发展趋势。

关键词：计算机文本实体关系抽取

来源：评论

学校读者我要写书评

暂无评论

电网APP的语音文本实体多语言识别方法

引用

信息技术 2023年第12期47卷 156-161页

作者：余锦河张波王庆贤戎阳枫杜志刚国家电网有限公司客户服务中心天津300300 北京中电普华信息技术有限公司北京100031

为了提高电网APP语音文本实体多种类语言的识别精度,提出基于语义特征融合提取的电网APP语音文本实体多种类语言精确识别技术。采用尺度分解法调节语音线谱的增强和输出参数,建立电网APP的语音参数融合模型;采用语义模糊度检测方法,实... 详细信息

为了提高电网APP语音文本实体多种类语言的识别精度,提出基于语义特征融合提取的电网APP语音文本实体多种类语言精确识别技术。采用尺度分解法调节语音线谱的增强和输出参数,建立电网APP的语音参数融合模型;采用语义模糊度检测方法,实现语音识别和特征聚类;结合语义特征融合结果,建立模糊判断的语言识别模型,辨识电网APP的语音特征,精确识别电网APP语音文本实体多种类语言。实验结果表明,采用该方法识别电网APP语音文本实体多种类语言,识别精度达到90%以上,实现了精准识别,检测性能较好。

关键词：电网APP 语音文本多语言识别语义特征融合提取文本实体

来源：评论

学校读者我要写书评

暂无评论

文本实体类型识别方法、装置、电子设备和存储介质

文本实体类型识别方法、装置、电子设备和存储介质

引用

作者：詹文超沙晶付瑞吉王士进魏思 230088 安徽省合肥市高新开发区望江西路666号

本发明实施例提供一种文本实体类型识别方法、装置、电子设备和存储介质，其中方法包括：确定待识别文本；将待识别文本中的每一分词输入至实体类型识别模型，得到实体类型识别模型输出的每一分词对应的实体类型识别结果；其中，实体类... 详细信息

标准号: CN110825875B

本发明实施例提供一种文本实体类型识别方法、装置、电子设备和存储介质，其中方法包括：确定待识别文本；将待识别文本中的每一分词输入至实体类型识别模型，得到实体类型识别模型输出的每一分词对应的实体类型识别结果；其中，实体类型识别模型是基于同义词交互注意力机制构建，并通过样本文本中的每一样本分词及其样本实体类型标识，以及同义词集字典训练得到的。本发明实施例提供的方法、装置、电子设备和存储介质，通过将待识别文本的每一分词输入至基于同义词交互注意力机制构建的实体类型识别模型中，进行实体类型识别，克服了由于文本实体表达方式的多变导致的识别困难的问题，有助于提高文本实体类型识别的准确性和可靠性。

关键词：实体类型同义词文本实体注意力机制存储介质电子设备文本构建样本表达方式样本文本字典训练分词输出

来源：评论

学校读者我要写书评

暂无评论

文本实体生成方法、装置、设备及存储介质

文本实体生成方法、装置、设备及存储介质

引用

作者：于凤英王健宗 518033 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼

本发明涉及人工智能领域，公开了一种文本实体生成方法、装置、设备及存储介质，用于提高文本实体生成的准确率。所述文本实体生成方法包括：基于预置的语料库对目标新闻文本进行矩阵转换，得到文本矩阵；提取文本矩阵中的特征元素，并... 详细信息

标准号: CN113836928B

本发明涉及人工智能领域，公开了一种文本实体生成方法、装置、设备及存储介质，用于提高文本实体生成的准确率。所述文本实体生成方法包括：基于预置的语料库对目标新闻文本进行矩阵转换，得到文本矩阵；提取文本矩阵中的特征元素，并基于预置的参数矩阵对特征元素进行特征编码处理，得到目标特征矩阵；对文本矩阵和目标特征矩阵进行注意力编码，得到编码向量；通过预置的图神经网络模型中的编码器对编码向量进行词嵌入处理，得到隐藏状态向量；通过预置的图神经网络模型中的解码器对隐藏状态向量进行实体识别，得到目标文本实体。此外，本发明还涉及区块链技术，目标文本实体可存储于区块链节点中。

关键词：预置文本矩阵文本实体矩阵神经网络模型编码向量目标特征目标文本特征元素隐藏状态区块向量人工智能领域解码器参数矩阵存储介质矩阵转换实体识别特征编码新闻文本编码器可存储链节点语料库准确率嵌入注意力

来源：评论

学校读者我要写书评

暂无评论

文本实体识别方法及其装置、设备、介质、产品

文本实体识别方法及其装置、设备、介质、产品

引用

作者：吴智东 511442 广东省广州市番禺区南村镇万达广场B1栋24层

本申请公开一种文本实体识别方法及其装置、设备、介质、产品，包括：读取待识别的文本信息；将所述文本信息输入至预设的学生模型中，其中，所述学生模型基于预设的教师模型通过知识蒸馏训练至收敛状态，且所述学生模型的模型规模小于... 详细信息

标准号: CN114330346A

本申请公开一种文本实体识别方法及其装置、设备、介质、产品，包括：读取待识别的文本信息；将所述文本信息输入至预设的学生模型中，其中，所述学生模型基于预设的教师模型通过知识蒸馏训练至收敛状态，且所述学生模型的模型规模小于所述教师模型的模型规模；读取所述学生模型输出的所述首指针向量和尾指针向量，并根据所述首指针向量和尾指针向量对应的实体属性映射表，对所述文本信息进行实体抽取生成实体信息和实体属性信息；根据所述实体信息和实体属性信息生成所述文本信息的识别结果。由于学生模型的模型规模要小于教师模型，所以通过学生模型进行实体识别，降低了对部署环境的要求，提高了对部署环境的适应性。

关键词：学生模型文本信息向量模型规模读取实体属性信息实体信息尾指针预设教师指针实体识别实体属性收敛状态文本实体蒸馏映射表部署抽取输出申请

来源：评论

学校读者我要写书评

暂无评论

文本实体关系抽取方法、装置及计算机可读存储介质设备

文本实体关系抽取方法、装置及计算机可读存储介质设备

引用

作者：胡浩张玉臣周洪伟何淼朱红涛 450000 河南省郑州市高新区科学大道62号

本发明属于自然语言处理技术领域，特别涉及一种文本实体关系抽取方法、装置及计算机可读存储介质设备，该方法包含：针对输入文本，通过将单词获取词向量表示，以获取其中实体对语句特征；利用点互信息PMI计算实体对关系之间相似度，... 详细信息

标准号: CN111881256A

本发明属于自然语言处理技术领域，特别涉及一种文本实体关系抽取方法、装置及计算机可读存储介质设备，该方法包含：针对输入文本，通过将单词获取词向量表示，以获取其中实体对语句特征；利用点互信息PMI计算实体对关系之间相似度，并通过相似度得到类关系；通过类关系查找实体关系之间隐含内容。本发明考虑实体关系之间的隐含语义，基于点互信息PMI计算实体关系之间的相似度，不需要对训练文本中的实体关系进行人工标注，从而可以快速抽取实体关系，可以对隐含关系进行有效抽取，利用相似度对抽取关系进行归并和精简，实现对噪声数据的过滤，使关系抽取更加精确，提升关系抽取的准确率和召回率，便于实际场景应用。

关键词：实体关系相似度关系抽取隐含抽取计算实体互信息计算机可读存储介质自然语言处理技术语义关系查找人工标注实际场景输入文本文本实体训练文本噪声数据词向量准确率归并语句单词过滤应用

来源：评论

学校读者我要写书评

暂无评论

文本实体识别方法、装置

文本实体识别方法、装置

引用

作者：罗超陈曙东 100029 北京市朝阳区北土城西路3号

本申请的实施例提供了一种文本实体识别方法、装置。该方法包括：获取待识别文本；通过多种词向量模型对所述待识别文本进行特征转换，得到所述待识别文本的多个文本特征向量；由预先训练的神经网络模型学习所述多个文本特征向量，得到... 详细信息

标准号: CN115409034A

本申请的实施例提供了一种文本实体识别方法、装置。该方法包括：获取待识别文本；通过多种词向量模型对所述待识别文本进行特征转换，得到所述待识别文本的多个文本特征向量；由预先训练的神经网络模型学习所述多个文本特征向量，得到实体特征向量，所述实体特征向量用于表征所述待识别文本中的实体特征；基于所述实体特征向量，通过条件随机场模型确定所述待识别文本对应的实体标签序列，以识别出所述待识别文本中各个实体的实体标签。本申请实施例的技术方案可以提高对文本实体进行识别的准确率。

关键词：文本实体特征向量文本特征向量实体标签文本实体条件随机场模型神经网络模型特征转换词向量准确率申请学习

来源：评论

学校读者我要写书评

暂无评论

文本实体关系抽取方法、装置及计算机可读存储介质设备

文本实体关系抽取方法、装置及计算机可读存储介质设备

引用

作者：胡浩张玉臣周洪伟何淼朱红涛 450000 河南省郑州市高新区科学大道62号

标准号: CN111881256B

来源：评论

学校读者我要写书评

暂无评论

文本实体生成方法、模型训练方法及装置

文本实体生成方法、模型训练方法及装置

引用

作者：刘文阁梁小丹刘亚飞赵瑞辉陈曦郑冶枫 518000 广东省深圳市南山区高新区科技中一路腾讯大厦35层

本发明实施例公开了一种文本实体生成方法、模型训练方法及装置，文本实体生成方法包括获取对话文本，提取所述对话文本中的目标文本实体向量，根据所述目标文本实体向量确定超图中对应的目标实体节点的向量表达，得到目标节点向量，其... 详细信息

标准号: CN113569572B

本发明实施例公开了一种文本实体生成方法、模型训练方法及装置，文本实体生成方法包括获取对话文本，提取所述对话文本中的目标文本实体向量，根据所述目标文本实体向量确定超图中对应的目标实体节点的向量表达，得到目标节点向量，其中，所述超图包括多条超边，每条超边包括至少三个实体节点，将所述目标节点向量输入至超图神经网络模型，通过所述超图神经网络模型对所述目标节点向量进行处理，生成预测文本实体，上述文本实体生成方法在生成预测文本实体时能够考虑超图的实体节点之间的关系，从而提高文本实体生成的准确率，并且由于每条超边包括至少三个实体节点，可以引入多个实体节点之间的多元关系，有利于进一步提高文本实体生成的准确率。

关键词：文本实体实体节点向量目标节点神经网络模型对话文本目标文本准确率多元关系模型训练目标实体向量表达向量确定预测引入

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：