[发明专利]一种融合规则与深度学习的汽车新闻事件抽取方法有效
| 申请号： | 201810638065.7 | 申请日： | 2018-06-20 |
| 公开（公告）号： | CN110633409B | 公开（公告）日： | 2023-06-09 |
| 发明（设计）人： | 黄海量;韩松乔 | 申请（专利权）人： | 上海财经大学 |
| 主分类号： | G06F16/9535 | 分类号： | G06F16/9535;G06F16/33;G06F40/284;G06F40/289;G06N3/045;G06N3/0442;G06N3/08 |
| 代理公司： | 上海科盛知识产权代理有限公司 31225 | 代理人： | 翁惠瑜 |
| 地址： | 200433 *** | 国省代码： | 上海;31 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种融合规则与深度学习的汽车新闻事件抽取方法，包括：文本预处理步骤，获取网络新闻文本数据，包括新闻语料和百科数据，对所述网络新闻文本数据进行文本预处理，基于预处理后的新闻语料和百科数据形成训练集，对词向量和字向量进行训练；基于规则的基模型构建步骤，提取汽车行业新闻事件所需抽取的关键属性，建立适用于汽车领域的本体知识库，构建基于规则的基模型；深度学习神经网络训练步骤，搭建并训练用于判断事件类别的BiLSTM+CRF网络；事件抽取步骤，基于所述BiLSTM+CRF网络对未标注新闻语料进行识别，获取对应的事件类别。与现有技术相比，本发明具有高效、精度高、适用于汽车行业领域等优点。 | ||
| 搜索关键词： | 一种 融合 规则 深度 学习 汽车新闻 事件 抽取 方法 | ||
【主权项】：
1.一种融合规则与深度学习的汽车新闻事件抽取方法，其特征在于，包括：/n文本预处理步骤，获取网络新闻文本数据，包括新闻语料和百科数据，对所述网络新闻文本数据进行文本预处理，基于预处理后的新闻语料和百科数据形成训练集，对词向量和字向量进行训练；/n基于规则的基模型构建步骤，提取汽车行业新闻事件所需抽取的关键属性，建立适用于汽车领域的本体知识库，构建基于规则的基模型；/n深度学习神经网络训练步骤，搭建并训练用于判断事件类别的BiLSTM+CRF网络；/n事件抽取步骤，基于所述BiLSTM+CRF网络对未标注新闻语料进行识别，获取对应的事件类别。/n
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上海财经大学，未经上海财经大学许可，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/201810638065.7/，转载请声明来源钻瓜专利网。
