[发明专利]一种基于组合神经网络的老挝语命名实体识别方法在审
| 申请号： | 201910159512.5 | 申请日： | 2019-03-04 |
| 公开（公告）号： | CN109992770A | 公开（公告）日： | 2019-07-09 |
| 发明（设计）人： | 周兰江;李炫达;张建安;满志博 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06N3/04;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于组合神经网络的老挝语命名实体识别方法，属于自然语言处理中小语种识别领域。首先利用Bi‑LSTM(双向长短期记忆模型)将老挝语句子序列进行编码，输出字符向量。之后将字符向量进行切片分段，输入到Bi‑RNN(双向循环神经网络)模型中，获得片段内部单元的信息表示向量。在此基础上使用lookup操作获取片段的整体向量表示，然后将获得的片段信息表示向量、整体向量、其他特征向量拼接作为特征输入到神经网络模型中，进行老挝语命名实体识别训练。本发明识别效果明显优于传统统计学习方法，并获得与当前其他最优的老挝语命名实体识别系统相当的识别性能。 | ||
| 搜索关键词： | 命名实体 老挝语 组合神经网络 整体向量 向量 神经网络模型 输出字符向量 自然语言处理 传统统计 记忆模型 内部单元 片段信息 神经网络 识别系统 识别性能 识别训练 双向循环 特征输入 特征向量 信息表示 语种识别 字符向量 子序列 切片 语句 拼接 分段 学习 | ||
【主权项】：
1.一种基于组合神经网络的老挝语命名实体识别方法，其特征在于：包括如下步骤：Step1、将老挝语命名实体语料预处理后进行数据集划分，训练集占90％，测试集占10％；Step2、将Step1预处理好的老挝语句子序列中的字符通过Bi‑LSTM模型进行编码，输出字符向量；Step3、将获得的字符向量序列进行切片分段，作为Bi‑RNN的初始输入，通过前向循环神经网络和后向循环神经网络获得输出向量，连接构成片段内部单元的信息表示向量；Step4、对片段通过lookup操作，从片段向量表中获得该片段的整体向量表示；Step5、片段相关的其他特征向量包含片段上文切片分段相关信息和片段本身长度信息的特征，处理当前片段时，对于前文切分产生的片段通过查询片段向量表获得前一个切分片段的向量表示；Step6、将片段的内部信息表示向量、整体向量和其他特征向量拼接作为特征输入到神经网络模型中，进行老挝语命名实体识别训练。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910159512.5/，转载请声明来源钻瓜专利网。
