公开(公告)号：CN110210035B

公开(公告)日：2023-01-24

申请号：CN201910481021.2

申请日：2019-06-04

申请人： 苏州大学

发明人： 李正华 ,  黄德朋 ,  张民

IPC分类号： G06F40/295 ,  G06N3/04 ,  G06N3/08

摘要： 本申请公开了一种序列标注方法、装置、序列标注模型的训练方法、设备及计算机可读存储介质，该方案中序列标注模型的得分层包括与标注规范一一对应的第二得分层，还包括与全部标注规范对应的第一得分层，由于该模型中的得分层的独特设计，因此可以利用多种标注规范的异构数据作为该模型的训练集，扩充训练语料规模，而且该模型能够学习不同标注规范的语料之间的共性，从而提升模型在单一标注规范下的标注性能。此外，该模型的输出结果为捆绑标签序列，相当于直接得到多种标注规范下的标签序列，方便文本在不同标注规范之间的转化。

公开(公告)号：CN108536662B

公开(公告)日：2022-04-12

申请号：CN201810338034.X

申请日：2018-04-16

申请人： 苏州大学

发明人： 李正华 ,  黄德朋 ,  张民 ,  陈文亮

IPC分类号： G06F40/169

摘要： 本发明公开了一种数据标注方法，包括：通过初始端获取不同初始用户输入的目标数据的初始标注信息；判断获取到的初始标注信息是否一致；若否，则将获取到的初始标注信息传输至第一审核端，通过第一审核端获取第一审核用户根据获取到的初始标注信息输入的目标数据的第一审核标注信息，并将第一审核标注信息确定为目标数据的最终标注信息并存储。由此当多个标注人员对于同一数据的标注结果存在差异时，由标注专家或者权威标注专家快速确定该数据的最佳标注结果，提高了数据标注的效率和准确率，有利于提高标注人员的业务水平和库存标注信息的准确率。相应地，本发明公开的一种数据标注装置、设备及计算机可读存储介质也同样具有上述技术效果。

公开(公告)号：CN109800298A

公开(公告)日：2019-05-24

申请号：CN201910085499.3

申请日：2019-01-29

申请人： 苏州大学

发明人： 李正华 ,  朱运 ,  黄德朋 ,  张民 ,  陈文亮

IPC分类号： G06F16/332 ,  G06F17/27

摘要： 本发明公开了一种基于神经网络的中文分词模型的训练方法，为多种分词规范设置相应的语料特征向量，在获取多种分词规范的训练语料后，根据字的嵌入向量和语料特征向量确定字的向量表示，最后将文本句中各个字的向量表示输入中文分词模型，得到预测结果并据此调整模型参数，以完成训练。可见，该方法无需改变模型结构，只需在字的向量表示中增加相应的语料特征向量，并利用该向量表示对模型进行训练，不仅实现了扩充训练语料的目的，而且能够让模型学习不同分词规范之间的共性，从而达到提升单一分词规范下的分词性能的目的。此外，本发明还提供了一种基于神经网络的中文分词模型的训练装置、设备及计算机可读存储介质，其作用与上述方法相对应。

公开(公告)号：CN108536662A

公开(公告)日：2018-09-14

申请号：CN201810338034.X

申请日：2018-04-16

申请人： 苏州大学

发明人： 李正华 ,  黄德朋 ,  张民 ,  陈文亮

IPC分类号： G06F17/24

摘要： 本发明公开了一种数据标注方法，包括：通过初始端获取不同初始用户输入的目标数据的初始标注信息；判断获取到的初始标注信息是否一致；若否，则将获取到的初始标注信息传输至第一审核端，通过第一审核端获取第一审核用户根据获取到的初始标注信息输入的目标数据的第一审核标注信息，并将第一审核标注信息确定为目标数据的最终标注信息并存储。由此当多个标注人员对于同一数据的标注结果存在差异时，由标注专家或者权威标注专家快速确定该数据的最佳标注结果，提高了数据标注的效率和准确率，有利于提高标注人员的业务水平和库存标注信息的准确率。相应地，本发明公开的一种数据标注装置、设备及计算机可读存储介质也同样具有上述技术效果。

公开(公告)号：CN109800298B

公开(公告)日：2023-06-16

申请号：CN201910085499.3

申请日：2019-01-29

申请人： 苏州大学

发明人： 李正华 ,  朱运 ,  黄德朋 ,  张民 ,  陈文亮

IPC分类号： G06N3/08 ,  G06N3/045 ,  G06N3/0442 ,  G06F40/216 ,  G06F40/284

摘要： 本发明公开了一种基于神经网络的中文分词模型的训练方法，为多种分词规范设置相应的语料特征向量，在获取多种分词规范的训练语料后，根据字的嵌入向量和语料特征向量确定字的向量表示，最后将文本句中各个字的向量表示输入中文分词模型，得到预测结果并据此调整模型参数，以完成训练。可见，该方法无需改变模型结构，只需在字的向量表示中增加相应的语料特征向量，并利用该向量表示对模型进行训练，不仅实现了扩充训练语料的目的，而且能够让模型学习不同分词规范之间的共性，从而达到提升单一分词规范下的分词性能的目的。此外，本发明还提供了一种基于神经网络的中文分词模型的训练装置、设备及计算机可读存储介质，其作用与上述方法相对应。

公开(公告)号：CN110210035A

公开(公告)日：2019-09-06

申请号：CN201910481021.2

申请日：2019-06-04

申请人： 苏州大学

发明人： 李正华 ,  黄德朋 ,  张民

IPC分类号： G06F17/27 ,  G06N3/04 ,  G06N3/08

摘要： 本申请公开了一种序列标注方法、装置、序列标注模型的训练方法、设备及计算机可读存储介质，该方案中序列标注模型的得分层包括与标注规范一一对应的第二得分层，还包括与全部标注规范对应的第一得分层，由于该模型中的得分层的独特设计，因此可以利用多种标注规范的异构数据作为该模型的训练集，扩充训练语料规模，而且该模型能够学习不同标注规范的语料之间的共性，从而提升模型在单一标注规范下的标注性能。此外，该模型的输出结果为捆绑标签序列，相当于直接得到多种标注规范下的标签序列，方便文本在不同标注规范之间的转化。