公开(公告)号：CN117313731A

公开(公告)日：2023-12-29

申请号：CN202311522525.7

申请日：2023-11-15

Applicant: 新疆大学

Inventor： 田生伟 ,  武荣 ,  禹龙 ,  蔡步清

IPC: G06F40/295 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提供了一种基于全局指针的针对突发事件命名实体识别方法，涉及实体识别技术领域，包括：基于突发事件命名库，训练预训练语言模型，得到RoBERTa模型层；基于待识别文本的上下文信息和层次结构信息，得到待识别关键词；基于所述待识别关键词通过第一命名实体识别模型中的ON‑LSTM，得到所述待识别文本的识别信息，并构建ON‑LSTM模型层；使用全局指针方法对识别信息进行分析，得到输出解码信息，并构建GP模型层；基于RoBERTa模型层、ON‑LSTM模型层以及GP模型层，构建针对突发事件命名实体识别任务的解决模型，完成针对突发事件的命名。有效降低计算成本并成功识别嵌套实体，自动学习层次结构信息，增强模型的鲁棒性和泛化能力，提高了模型的性能。

公开(公告)号：CN117350390A

公开(公告)日：2024-01-05

申请号：CN202311522526.1

申请日：2023-11-15

Applicant: 新疆大学

Inventor： 田生伟 ,  武荣 ,  禹龙 ,  蔡步清

IPC: G06N7/01 ,  G06N5/02 ,  G06F40/247 ,  G06F40/30

Abstract: 本发明提供了一种用于少样本事件检测的知识扩展原型化条件随机系统，涉及事件检测技术领域，包括：基于GloVe词汇表以及待检测事件相对应的扩充实例、原始实例，得到全部事件类型创造的第一原型表示；基于每个事件类型相对应的扩充实例以及原始实例，得到不利实例并在相同事件类型的第一原型表示中去除；基于每个事件类型的相对应的扩充实例，得到与原始实例差别最大的扩充实例，并构建第二原型表示；计算所述第一原型表示以及第二原型表示的欧几里得距离，得到预测查询实例的事件类型。缓解了少样本事件检测中样本不足的问题，超越了具有较短训练时间的比较模型，促进事件原型之间更明显的分离，提高事件检测的准确度以及效率。