“消歧”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果88286个，建议您升级VIP下载更多相关专利

[发明专利]姓名消歧的方法和装置-CN201610366086.9有效
发明人：韩红旗;姚长青;付媛;李琳娜;于永胜 -专利权人：中国科学技术信息研究所
申请日： 2016-05-27 - 公布日： 2018-12-28 - 主分类号： G06F17/27 文献下载
摘要：本发明提供了一种姓名消歧的方法和装置，所述方法包括：对待消歧姓名的全文本信息预处理，以提取全文本信息的语义特征；根据语义特征生成待消歧姓名的全文本信息的语义指纹，包括邮箱指纹、合著者指纹、机构指纹和文本指纹；通过待消歧姓名的全文本信息与语义指纹库中具有与所述待消歧姓名同名的全文本信息的语义指纹比较，确定待消歧姓名的全文本信息与语义指纹库中的具有与待消歧姓名同名的全文本信息的语义指纹相似度；根据该语义指纹相似度，确定待消歧姓名的全文本信息的语义指纹所属的消歧后的姓名群组。应用本发明，在保证姓名消歧的准确性的同时，提高了姓名消歧的速度，且支持增量姓名消歧。
姓名方法装置

[发明专利]一种复杂中文文本中的实体消歧方法-CN202110603755.0有效
发明人：王玉龙;王闯;刘同存;王纯;张乐剑;王晶 -专利权人：北京邮电大学
申请日： 2021-05-31 - 公布日： 2022-07-19 - 主分类号： G06F40/279 文献下载
摘要：一种复杂中文文本中的实体消歧方法，包括：从待消歧中文文本中提取所有待消歧实体指称；采用实体检索技术，从实体知识库中为每个待消歧实体指称选取若干个实体作为预候选实体，然后计算每个待消歧实体指称和每个预候选实体的第一相似度，并根据第一相似度挑选若干个实体作为候选实体；计算每个待消歧实体指称和每个候选实体的消歧相似度，并判断每个待消歧实体指称和所有候选实体的消歧相似度的最大值是否大于消歧相似度阈值，如果是，则待消歧实体指称是可链接实体，将待消歧实体指称链接至实体知识库中消歧相似度最大值对应的候选实体。
一种复杂中文文本中的实体方法

[发明专利]一种基于HowNet的图模型词义消歧方法和系统-CN201811503356.1有效
发明人：鹿文鹏;张旭;张若雨;成金勇;乔新晓;张维玉;孟凡擎 -专利权人：齐鲁工业大学
申请日： 2018-12-10 - 公布日： 2023-01-17 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于HowNet的图模型词义消歧方法和系统，属于自然语言处理技术领域，本发明要解决的技术问题为如何充分利用知网知识，深入挖掘知网蕴含的语义知识，将其作为词义消歧的依据，提升词义消歧的性能，采用的技术方案为：①、一种基于HowNet的图模型词义消歧方法，包括如下步骤：S1、构建依存消歧图：分别对歧义句和目标歧义词在HowNet中的例句进行依存句法分析，得到上下文依存关系图和例句依存关系图，进而融合得到依存消歧图；S2、构建上下文消歧图；S3、利用消歧图进行消歧处理；S4、选择正确词义。②、一种基于HowNet的图模型词义消歧系统，该系统包括依存消歧图构建单元、上下文消歧图构建单元、消歧图处理单元和正确词义选择单元。
一种基于 hownet 模型词义方法系统

[发明专利]一种面向知识图谱的联合实体消歧方法及系统-CN202210111600.X在审
发明人：罗劲瑭;姚实颖;王进;徐杰;杨宇玄;陈一鸣;祝和春;高栋梁;曾鉴;张全明;倪江 -专利权人：国网四川省电力公司经济技术研究院
申请日： 2022-01-29 - 公布日： 2022-05-13 - 主分类号： G06F40/216 文献下载
摘要：本发明公开了一种面向知识图谱的联合实体消歧方法及系统，系统包括实体指称项排序模块、复合特征学习模块、候选实体决策模块；其中，实体指称项排序模块：用于对所有实体指称项进行消歧难易程度排序，确定系统消歧顺序，得到消歧任务序列；复合特征学习模块：用于对消歧任务序列中的实体指称项依次进行特征学习，包括局部特征和全局特征，形成适合消歧任务的复合特征数据集；候选实体决策模块：根据复合特征学习模块得到的复合特征数据集，用于构建和训练动态实体消歧决策网络，并通过动态实体消歧决策网络得到消歧决策策略，进行实体指称项的动态实体消歧。
一种面向知识图谱联合实体方法系统

[发明专利]用于实体识别和实体消歧的联合训练方法、装置及介质-CN201911094561.1有效
发明人：任江涛;高海洋 -专利权人：中山大学
申请日： 2019-11-11 - 公布日： 2022-03-29 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种用于实体识别和实体消歧的联合训练方法、装置及介质，所述方法包括：基于实体识别模型，对文本进行命名实体识别，得到待消歧实体；在已构建的知识库中，进行待消歧实体的实体映射，得到用于实体消歧的候选实体；将待消歧实体和候选实体输入实体消歧模型进行实体预测，得到消歧实体，并根据消歧实体调整实体消歧模型的第一参数；通过实体识别模型中增设的实体注意力机制层，将消歧实体反馈给实体识别模型，并根据消歧实体调整实体识别模型的第二参数采用本发明解决了现有技术中单模型学习中实体识别和实体消歧的准确率不高的问题。
用于实体识别联合训练方法装置介质

[发明专利]词义消歧的方法及装置-CN202210215869.2在审
发明人：黄彩云;张毅;陈信宇;赵康辉;高铭泽;符殷铭;孙昊;赵思远 -专利权人：中移动信息技术有限公司;中国移动通信集团有限公司
申请日： 2022-03-07 - 公布日： 2023-09-19 - 主分类号： G06F16/36 文献下载
摘要：本申请提供一种词义消歧的方法及装置，其中该方法，包括：基于RPA知识图谱，确定待消歧文本中存在的待消歧实体，以及对应的候选实体列表；基于候选实体列表中每个候选实体，和待消歧实体，通过RPA特征提取，确定候选实体对应的嵌入特征，和待消歧实体对应的嵌入特征；基于词义消歧模型，每个候选实体对应的嵌入特征，以及待消歧实体对应的嵌入特征，确定待消歧实体是否和候选实体为同一个实体。本申请通过综合实体嵌入特征、实体上下文嵌入特征和词语嵌入特征，实现对待消歧文本和候选文本嵌入特征的比对，确定待消歧实体是否和候选实体为同一个实体，获取的文本信息更丰富和全面，有利于准确分析文本词义，提升词义消歧准确率
词义方法装置

[发明专利]一种基于XLNet和Longformer的集体实体消歧方法-CN202310333471.3在审
发明人：钟兆前;车超;杨思雨 -专利权人：大连大学
申请日： 2023-03-30 - 公布日： 2023-07-11 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种基于XLNet和Longformer的集体实体消歧方法，包括生成候选实体步骤：对于给定的一个提及，从知识库中生成包含若干个候选实体的候选实体集，以此来控制候选实体的数量。获取消歧序列步骤：将所有待消歧提及按照消歧难易程度进行排序，形成消歧序列；执行序列消歧步骤：将消歧序列中的提及依次解析得到对应的目标实体。本发明基于XLNet和Longformer构建了一个集体实体消歧模型，将实体消歧视为序列决策任务，同时结合局部特征和全局一致性，并利用已消歧实体所包含的丰富知识实现集体实体消歧，实现了更高的性能和更快的推理速度
一种基于 xlnet longformer 集体实体方法

[发明专利]词义消歧方法、装置、电子设备及计算机可读存储介质-CN202111249932.6有效
发明人：张剑;杨大明;黄石磊;蒋志燕 -专利权人：深圳市北科瑞声科技股份有限公司
申请日： 2021-10-26 - 公布日： 2022-03-04 - 主分类号： G06F16/33 文献下载
摘要：本申请涉及一种词义消歧方法，所述方法包括：获取待处理文本，确定待处理文本中的待消歧词，以及待消歧词的上文和所述待消歧词的下文，从预设的语义知识库中搜索待消歧词对应的多个定义解释，对多个定义解释进行向量化，得到定义矩阵，基于定义矩阵构建对应的分类器，将上文、下文和待消歧词输入至分类器，得到待消歧词的预测候选词，利用预测候选词对待消歧词进行替换，得到消除歧义后的标准文本。此外，本申请还涉及一种词义消歧装置、设备及存储介质。本申请可解决词义消歧的准确度不够高的问题。
词义方法装置电子设备计算机可读存储介质

[发明专利]基于深度学习的科技文献作者名消歧方法及web端消歧装置-CN202011536139.X有效
发明人：王双双;苏颖;龙春 -专利权人：上海师范大学
申请日： 2020-12-22 - 公布日： 2023-09-01 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于深度学习的科技文献作者名消歧方法及web端消歧装置，消歧方法包括：获取待消歧科技文献人名的论文数据集；获取数据特征；使用四层卷积网络提取全局特征向量，同时使用图卷积网络提取局部特征向量；使用LSTM神经网络实现估计聚类簇数k；通过层次聚类实现科技文献作者名消歧。web端消歧装置包括论文数据获取层、信息传输层、消歧逻辑层和数据存储层，论文数据获取层与信息传输层相连，消歧逻辑层和数据存储层分别与信息传输层相连，消歧逻辑层与数据存储层相连。与现有技术相比，本发明具有精度高、可以实现海量文本有效消歧等优点。
基于深度学习科技文献作者名消歧方法 web 端消歧装置

[发明专利]一种词义消歧方法和装置-CN202110829532.6在审
发明人：李琦;石忠德;杨恺;周永猛 -专利权人：中国工商银行股份有限公司
申请日： 2021-07-22 - 公布日： 2021-09-28 - 主分类号： G06F40/284 文献下载
摘要：本发明实施例提供了一种词义消歧方法和装置，可用于人工智能技术领域，所述方法包括：通过指定机器学习算法，对训练语句和训练语句中训练目标单词的词义列表进行分类训练，生成初步消歧结果；对初步消歧结果和词义列表进行迁移学习，生成词义消歧分类器；通过词义消歧分类器，根据获取的待测试语句和待测试语句中的待测试目标单词的词义列表，生成词义消歧结果，能够提高词义消歧的准确性，达到较高的词义消歧效果。
一种词义方法装置

[发明专利]一种基于实体相似度计算的本体实体消歧方法-CN201910500425.1在审
发明人：肖清林 -专利权人：福建奇点时空数字科技有限公司
申请日： 2019-06-11 - 公布日： 2019-12-03 - 主分类号： G06F17/27 文献下载
摘要：一种基于实体相似度计算的本体实体消歧方法，包括如下步骤：步骤一、采集待消歧实体信息数据；步骤二、对采集的待消歧实体信息数据进行预处理；步骤三、提取采集的待消歧实体信息数据的信息特征；步骤四、对采集的待消歧实体信息数据的信息特征进行相似度计算；步骤五、通过将对采集的待消歧实体信息数据的信息特征进行相似度计算得到的结果与相似度阈值比较以进行消歧。本发明通过将计算得到的相似度与预先设定的相似度阈值进行比较，以进行实体消歧处理，实现过程简单有效，且能通过设定不同的相似度阈值得到不同准确度的消歧结果，以实现针对实体数据不同精确度的消歧需求。
消歧实体信息相似度采集相似度计算信息特征预处理准确度实体数据阈值比较

[发明专利]一种基于多任务学习的短文本实体消歧方法-CN202210714659.8在审
发明人：雷刚;王永缔;易玉根;曹远龙;肖建茂;尹紫煜 -专利权人：江西师范大学
申请日： 2022-06-23 - 公布日： 2022-09-20 - 主分类号： G06F40/289 文献下载
摘要：本发明提供一种基于多任务学习的短文本实体消歧方法，属于自然语言处理技术领域，包括：基于知识增强型预训练语言模型，分别进行多任务学习，构建短文本实体消歧模型；其中，多任务包括：指称与实体语义相似度消歧任务、指称掩码与实体语义相似度消歧任务以及指称分类任务；获得候选实体在指称与实体语义相似度消歧任务，以及指称掩码与实体语义相似度消歧任务上的语义相似度得分和，将语义相似得分高的候选实体，作为最终完成实体消歧的预测实体本发明通过多任务学习的方式让预训练模型在消歧时充分利用指称的上下文信息，学习到更多有助于实体消歧的知识，提高模型的泛化性。
一种基于任务学习文本实体方法

[发明专利]一种实体消歧方法及装置-CN201610771381.2有效
发明人：刘兵;苗艳军 -专利权人：北京奇艺世纪科技有限公司
申请日： 2016-08-30 - 公布日： 2021-01-01 - 主分类号： G06F40/295 文献下载
摘要：本发明实施例公开了一种实体消歧方法及装置，所述方法包括：利用预先训练的用于识别待消歧实体的第一识别模型，识别目标文本中的待消歧实体；根据预先训练的用于识别预设字段信息的第二识别模型、预先构建的用于实体消歧的分类模型以及所述目标文本，对所述待消歧实体进行消歧。
一种实体方法装置

[发明专利]基于双向关联的语义消歧方法、装置、设备及存储介质-CN201910675358.7在审
发明人：尹帆;聂梦妍;李子茂;帖军;郑禄;吴立锋;陈思敏 -专利权人：中南民族大学
申请日： 2019-07-24 - 公布日： 2019-10-29 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种基于双向关联的语义消歧方法、装置、设备及存储介质，所述方法包括：从待消歧文本信息中获取待消歧名词，并将所述待消歧名词添加至待消歧名词集合中；根据所述待消歧名词集合确定对应的当前候选名词信息集合；根据所述待消歧名词从所述待消歧文本信息中提取上下文语境名词，并将所述上下文语境名词添加至当前上下文语境名词集合中；根据所述当前候选名词信息集合以及所述当前上下文语境名词集合通过预设名词相关图模型得到所述当前候选名词信息集合中各个当前候选名词信息的目标相关度值；根据所述目标相关度值从所述当前候选名词信息集合中选取目标名词信息，以实现语义消歧，达到提高语义识别的准确性的目的。
消歧上下文语境信息集合语义集合存储介质双向关联文本信息相关度集合确定语义识别图模型预设

[发明专利]一种用于人物实体库的文本相似度实体消歧方法和系统-CN202110118190.7在审
发明人：郭鑫润 -专利权人：新华智云科技有限公司
申请日： 2021-01-28 - 公布日： 2021-05-11 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种用于人物实体库的文本相似度实体消歧方法和系统，所述方法包括如下步骤：获取待消歧实体，根据待消歧实体从知识库中捞取候选实体；用余弦相似度粗召回与待消歧实体相似的候选实体；采用Bi‑LSTM模型计算待消歧实体和候选实体的文本相似度，分别采用Bi‑LSTM模型对所述待消歧实体和候选实体分别进行特征提取，获取待消歧实体文本序列表征和候选实体的文本序列表征；分别计算所述待消歧实体文本序列表征和候选实体的文本序列表征的特征向量，并将相同类型实体的文本序列表征和特征向量融合，根据所述待消歧实体和候选实体的特征向量融合结果计算文本相似度。
一种用于人物实体文本相似方法系统

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 88286 条