Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
专利交易 商标交易 积分商城 国际服务 IP管家助手 科技果 科技人才 会员权益 需求市场 关于龙图腾 更多
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 浙江大学刘之涛获国家专利权

浙江大学刘之涛获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉浙江大学申请的专利一种用于温病古籍的命名实体识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN115688780B

龙图腾网通过国家知识产权局官网在2026-04-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202211241226.1,技术领域涉及:G06F40/295;该发明授权一种用于温病古籍的命名实体识别方法是由刘之涛;焦阅阳;许雯;苏宏业设计研发完成,并于2022-10-11向国家知识产权局提交的专利申请。

一种用于温病古籍的命名实体识别方法在说明书摘要公布了:本发明公开了一种用于温病古籍的命名实体识别方法。对相关温病古籍的BIOES方法标注,预处理成需要的文本格式;通过分词工具对文本进行分词处理,获得词级颗粒度文本;通过BERT预训练模型获取字、词的向量表示;在文本后加上分词结果,使用融合性位置编码算法给每个字、词分配一个位置编码;将位置编码后的向量表示输入并训练基于Transformer的网络,加入相对位置信息;通过CRF层输出每个字对应的标签;最终构建的命名实体识别模型可用于对温病古籍文本进行实体识别。本方法充分利用了中文的词汇信息,同时有效避免了因分词误差带来的最终识别错误。本发明为文言文设计了高效的位置编码方法,并运用Transformer为模型主干,提高了方法的准确率、召回率。

本发明授权一种用于温病古籍的命名实体识别方法在权利要求书中公布了:1.一种用于温病古籍的命名实体识别方法,其特征在于,包括: S1:获取温病古籍,对所述温病古籍中的语句文本进行实体标注,得到实体标注信息; S2:通过分词工具对所述温病古籍中的语句文本进行分词处理,获得词级颗粒度文本; S3:基于所述温病古籍的分词处理结果,分别针对字和词构建字典和词典; S4:在所述温病古籍的各语句文本末尾加入该语句文本分词处理得到的词,从而重构形成新文本序列,再为新文本序列中原语句文本内的每个字以及新加入的每个词分别添加头和尾两个绝对位置编码; S5:构建由BERT预训练模型、融合位置编码模块、Transformer层和CRF层组成的识别实体模型;所述识别实体模型中,首先通过所述字典和词典将新文本序列生成BERT预处理模型所需的索引输入,再经过BERT预处理模型浅层提取语法语义信息后,输出新文本序列中每个字和词的分布式表示;然后在融合位置编码模型内对新文本序列中每个字和词分配一个带可学习参数的位置编码,使每个字和词的头绝对位置编码和尾绝对位置编码分别融入对应的分布式表示中,从而形成带位置编码的分布式表示;再后,在Transformer层中,将新文本序列中每个字和词的带位置编码的分布式表示输入Transformer网络,由网络结构融入相对位置信息,得到每个字和词的标签概率空间;最后,将句子编码结果输入条件随机场模型中,得到实体识别结果; S6:利用S1~S4预处理得到的数据训练该实体识别模型,并利用训练后的所述识别实体模型对待识别的温病古籍文本进行实体识别; 所述S4具体包括以下子步骤: 步骤S41:针对所述温病古籍的各语句文本,将其分词结果中的词按各自在原语句文本序列中的顺序添加到原语句文本的尾部,形成新文本序列; 步骤S42:为新文本序列中的原语句文本的各字分别给定头和尾两个绝对位置编码,每一个字的头绝对位置编码和尾绝对位置编码均为该字在原语句文本中的绝对位置; 步骤S43:为新文本序列中在原语句文本末尾新添加的各词给定头和尾两个绝对位置编码,每一个词的头绝对位置编码为该词中头字在原语句文本中的绝对位置,每一个词的尾绝对位置编码为该词中尾字在原语句文本中的绝对位置; 所述融合位置编码模型中执行的融合位置编码算法如下: 新文本序列中每个字和词为分别为一个token,将每个token的分布式表示每相邻的两维为一组进行划分;对于每个token的分布式表示需分别以token的头绝对位置编码和尾绝对位置编码作为位置信息,对分布式表示中每一组两维元素独立进行带有可学习参数的线性转换,任意两维[x,y]的线性转换公式为: →=+ 式中:n代表当前进行线性转换所使用的位置信息,选择token的头绝对位置编码或者尾绝对位置编码中的一个;不同的两维元素进行线性转换时的可学习参数不共享,各自独立学习; 对于每个token的分布式表示,所有维度都完成线性转换后得到两个带位置编码的分布式表示X,其中以token的头绝对位置编码作为位置信息进行线性转换后得到形成带头绝对位置编码的分布式表示Xhead,以token的尾绝对位置编码作为位置信息进行线性转换后得到形成带尾绝对位置编码的分布式表示Xtail。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人浙江大学,其通讯地址为:310058 浙江省杭州市西湖区余杭塘路866号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。