“词消歧”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130668个，建议您升级VIP下载更多相关专利

[发明专利]实体消歧方法、装置、可读存储介质及电子设备-CN201910952886.2在审
发明人：陈栋;齐云飞;付骁弈 -专利权人：北京明略软件系统有限公司
申请日： 2019-10-09 - 公布日： 2020-01-10 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种实体消歧方法、装置、可读存储介质及电子设备，通过实体中每个字的字向量获得实体的向量，从而根据实体中的所有向量进行消歧。获得待处理文本中所包括的实体；接着将待处理文本输入双向语言模型中进行处理，获得待处理文本的字向量序列；再接着获取任意一实体中的每个字的字向量；紧接着根据该任意一实体中每个字的字向量计算获得该任意一实体的词向量；然后根据各实体的词向量计算每两个实体之间的相似度；最后根据待处理文本中，每两个实体之间的相似度对实体进行聚类，以实现实体消歧。本实施例所述方案，能够提高实体消歧的精确度。
向量消歧文本实体提取词向量相似度可读存储介质电子设备双向语言向量计算向量序列语言模型聚类申请

[发明专利]一种文本知识库智能知识选取消歧方法和系统-CN202111274451.0在审
发明人：陈志强;李杰;彭祚聪 -专利权人：北京中关村科金技术有限公司
申请日： 2021-10-29 - 公布日： 2023-05-09 - 主分类号： G06F40/216 文献下载
摘要：本申请实施例提供一种文本知识库智能知识选取消歧方法和系统。该方法包括：预处理步骤，处理文本知识库中的敏感词、停用词、同义词、繁体字、和无效符号；意图识别步骤，通过正则表达式匹配意图关键字，并进行精确及模糊匹配，解析所述文本知识库中的语句，获得分值最高的语句列表，进而查询分值最高的语句，进行余弦相似度比较，得出最匹配意图；算法识别步骤，进行模型预测，并根据预测结果选用业务模型或预置模型，得到用户意图识别结果；知识消歧步骤，采用基于聚类的实体消歧方法，实现知识消歧
一种文本知识库智能知识选取方法系统

[发明专利]基于BiLSTM和GraphSAGE的词义消歧方法-CN202311015975.7在审
发明人：张春祥;高可心;高雪瑶 -专利权人：哈尔滨理工大学
申请日： 2023-08-14 - 公布日： 2023-10-24 - 主分类号： G06F40/30 文献下载
摘要：本发明涉及一种基于BiLSTM和GraphSAGE的词义消歧方法。本发明首先对包含歧义词汇的汉语句子进行分词、词性标注、语义类标注和繁体字标注。以包含歧义词的句子及与歧义词汇关联度最大的左右4个词汇单元的词形、词性和语义类作为消歧特征，将消歧特征作为节点构建消歧特征图，使用Word2Vec工具和Doc2Vec工具对特征进行向量化处理作为GraphSAGE用训练语料优化BiLSTM+GraphSAGE模型，利用优化后的BiLSTM+GraphSAGE模型对测试语料进行词义消歧，得到歧义词汇在每个语义类别下的概率分布序列。本发明具有较好的词义消歧效果，能更准确地判断歧义词汇的真实含义。
基于 bilstm graphsage 词义方法

[发明专利]基于歧义实体词的文本处理方法和装置-CN201810044364.8有效
发明人：冯知凡;陆超;朱勇;李莹 -专利权人：北京百度网讯科技有限公司
申请日： 2018-01-17 - 公布日： 2021-10-26 - 主分类号： G06F40/295 文献下载
摘要：本发明提出一种基于歧义实体词的文本处理方法和装置，其中，方法包括：获取待消歧文本的上下文，以及待消歧文本表征的至少两个候选实体，通过训练的词向量模型生成上下文的语义向量，通过训练的无监督神经网络模型，生成至少两个候选实体的第一实体向量，计算上下文与每一个候选实体之间的相似度，确定出待消歧文本在上下文中所表征的目标实体。通过已学习得到各实体文本语义以及各实体之间关系的无监督神经网络模型，使得生成的候选实体的第一实体向量也包含了候选实体的文本语义以及与各实体之间的关系，使得待消歧文本的实体信息得以完整刻画，再与上下文语义向量计算相似度，确定目标实体，提高了待消歧文本消歧的准确度。
基于歧义实体词文本处理方法装置

[发明专利]一种面向社会综合治理的实体消歧方法、装置及设备-CN202211404932.3在审
发明人：肖刚;宋彦;吴振刚;田元贺;陈伟东;孔凡尘;姜国晨 -专利权人：高创安邦（北京）技术有限公司
申请日： 2022-11-10 - 公布日： 2023-03-07 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种面向社会综合治理的实体消歧方法、装置及设备，方法包括：获取目标实体的第一隐向量、目标实体的第一词向量，目标实体的第一字符串，与多个条目中的每一个条目分别对应的第二词向量，以及与多个条目中的每一个条目分别对应的第二字符串；基于第一隐向量、第一词向量，第一字符串，多个第二词向量，以及多个第二字符串确定目标实体的第二隐向量；基于多个条目和第二隐向量，从多个条目中确定出一个目标条目，并将目标条目与目标实体进行绑定；通过此方式筛选出的目标条目并不一定与目标实体完全一致，解决了在综合治理领域消歧难度较高的问题，提高了对实体模糊消歧的能力。
一种面向社会综合治理实体方法装置设备

[发明专利]基于上下文概率和引证的地域识别方法、装置及介质-CN202011250325.7有效
发明人：李涛;赵冲;李青龙;骆飞 -专利权人：北京智慧星光信息技术有限公司
申请日： 2020-11-11 - 公布日： 2021-02-02 - 主分类号： G06F40/295 文献下载
摘要：本发明提供了一种基于上下文概率和引证的地域识别方法、装置及介质，包括：构建映射表，所述映射表包括地域词表、歧义词表和上下文概率表；设定地域词表每个地域关键词的引证等级；通过映射表硬匹配查询获得文档中的匹配词；通过上下文概率表和歧义词表对匹配词进行消歧；获得消歧后的匹配词的引证等级，在引证等级对应的行政地域的等级内，采用地域词表对文档进行匹配查询，获得匹配词对应的一个或多个地域关键词；按照行政地域对匹配词对应的多个地域关键词进行合并输出
基于上下文概率引证地域识别方法装置介质

[发明专利]一种基于神经网络概率消歧的网络文本命名实体识别方法-CN201710390409.2有效
发明人：周勇;刘兵;韩兆宇;王重秋 -专利权人：中国矿业大学
申请日： 2017-05-27 - 公布日： 2020-07-17 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种基于神经网络概率消歧的网络文本命名实体识别方法，将无标签语料分词，利用Word2Vec提取词向量，将样本语料转换成词特征矩阵并窗口化，构建深度神经网络进行训练，在神经网络的输出层加入softmax函数做归一化处理，得到每个词对应命名实体类别的概率矩阵；将概率矩阵重新窗口化，利用条件随机场模型进行消歧，得到最后的命名实体标注。本发明根据其存在网络词汇、新生词汇的特性，提供了一种不改变神经网络结构的词向量增量学习方法，为应对网络文本中语法结构不规范、错别字多的问题，采用了概率消歧的方法。
一种基于神经网络概率网络文本命名实体识别方法

[发明专利]多头自注意力门控空洞卷积神经网络的汉语词义消歧-CN202210668506.4在审
发明人：张春祥;张育隆;高雪瑶 -专利权人：哈尔滨理工大学
申请日： 2022-06-14 - 公布日： 2022-08-16 - 主分类号： G06F40/30 文献下载
摘要：本发明涉及一种多头自注意力门控空洞卷积神经网络的词义消歧方法。本发明对SemEval‑2007:Task#5的训练语料和测试语料进行分词、词性标注、语义类标注、依存句法分析和语义依存分析，选取歧义词汇左右四个邻接词汇单元的词形、词性和语义类以及歧义词的句法依存关系和语义依存关系作为消歧特征利用Word2Vec对从训练语料和测试语料中抽取的消歧特征进行向量化处理，得到训练数据和测试数据。使用训练数据来优化词义消歧模型。利用优化后的词义消歧模型计算测试数据中的歧义词汇在每个语义类别下的权重，具有最大权重的语义类别即为歧义词汇的语义类别。本发明能更准确地判断歧义词汇的真实含义。
多头注意力门控空洞卷积神经网络汉语词义

[发明专利]一种基于依存词汇关联度的形容词词义消歧方法-CN201610048601.9在审
发明人：鹿文鹏 -专利权人：齐鲁工业大学
申请日： 2016-01-26 - 公布日： 2016-06-29 - 主分类号： G06F17/27 文献下载
摘要：本发明涉及到一种基于依存词汇关联度的形容词词义消歧方法，属于自然语言处理技术领域。其步骤为：1.根据语义词典，收集目标形容词歧义词各个词义的同义词、近义词、反义词，构建相应词义的相关词集。2.对目标歧义词所在的句子进行依存句法分析，收集包含目标歧义词的形容词修饰及副词修饰依存元组，提取相应的依存共现词。3.对大规模语料进行依存句法分析，收集其中的依存共现词对，构建依存共现词对数据库DB。4.根据DB，计算目标歧义词的各个词义的依存词汇关联度。5.将整体依存词汇关联度最大的词义判定为正确词义。本发明的方法对比现有技术，能够准确地选择依存共现词，避免噪声词的干扰；能够自动构建依存共现词对数据库，无需任何人工辅助操作；能够改善形容词词义消歧的效果。
一种基于依存词汇关联形容词词义方法

[发明专利]一种基于词统计与WordNet的义项表示与消歧方法-CN201910803617.X在审
发明人：朱新华;郭青松;温海旭;陈宏朝 -专利权人：广西师范大学
申请日： 2019-08-28 - 公布日： 2019-12-13 - 主分类号： G06F17/27 文献下载
摘要：本发明公开一种基于词统计与WordNet的义项表示与消歧方法，发明利用WordNet中已经整理好的在国际上广泛认可的词语义项集与同义词集作为先验知识，提出了一种基于维基百科词统计的义项向量生成方法，该方法以维基百科中作为语料，利用词统计模型训练得到初步的词向量，然后充分利用词统计向量维度词的语义信息，合并WordNet同义词的词向量，形成词语的义项向量，同时还提出了利用WordNet注解来进行义项消歧的方法，这样可以提高词语在不同语言环境下的语义计算精度
同义词语义维基百科词向量向量消歧词语自然语言处理词统计模型统计词语义项先验知识向量生成向量维度语言环境语义信息语料注解应用合并认可

[发明专利]一种融合定义与场景匹配机制的长尾词义消歧方法-CN202211131383.7在审
发明人：贺瑞芳;张俊伟 -专利权人：天津大学
申请日： 2022-09-16 - 公布日： 2023-01-13 - 主分类号： G06F40/30 文献下载
摘要：本发明公开一种融合定义与场景匹配机制的长尾词义消歧方法，包括：由词典中的词义注释文本学习词义定义的文本嵌入(也即定义嵌入)，其中文本到向量的映射模型采用定义编码器实现；由词典中的词义例句文本学习词义场景的文本嵌入(也即场景嵌入)，其中文本到向量的映射模型采用场景编码器实现；在获得场景嵌入过程中，隐去输入文本中所含的目标词，以实现获取词义的场景信息；由含目标词的待消歧文本学习目标词的词嵌入(也即目标词嵌入)；获取目标词嵌入的预训练语言模型与获取场景嵌入的预训练语言模型共用一个；将定义匹配机制与场景匹配机制下计算结果的概率叠加和作为最终的输出值，以确定目标词的最终词义。
一种融合定义场景匹配机制长尾词义方法

[发明专利]基于融入知识图谱子图信息及实体信息的实体链接方法-CN202110951011.8有效
发明人：唐蕾;徐有恒;何展鹏;毛婷婷;张武军;任斌;邓蓉蓉 -专利权人：中山大学附属第一医院;广州医药信息科技有限公司
申请日： 2021-08-18 - 公布日： 2022-07-05 - 主分类号： G06F16/36 文献下载
摘要：本发明涉及一种基于融入知识图谱子图信息及实体信息的实体链接方法，该方法包括以下步骤：获取问句文本，喂入训练好的提及识别模型，识别出预测提及词；对预测提及词进行召回，得到更高准确率的目标提及词。根据目标提及词从知识库中得到提及词对应的所有候选实体；对每个候选实体，检索它的知识图谱子图信息；将知识图谱子图信息融入到候选实体中得到候选实体文本，并在问句文本及候选实体文本中引入实体边界标签，构建实体消歧数据集；喂入训练好的实体消歧模型，池化得到提及词对应的知识库实体，完成实体链接。本发明能有效提高提及词识别的召回率，提高候选实体的排序准确率并减少错误传递，有效解决推理及在训练集中的未见实体情况。
基于融入知识图谱信息实体链接方法

[发明专利]基于上下文语义的词义消歧方法、装置及相关设备-CN202111354317.1在审
发明人：张剑;陈雅珍 -专利权人：东莞理工学院
申请日： 2021-11-16 - 公布日： 2022-01-07 - 主分类号： G06F40/30 文献下载
摘要：本发明涉及自然语言处理技术领域，公开了一种基于上下文语义的词义消歧方法、装置、计算机设备及存储介质，该方法包括：通过获取文本数据，并对文本数据进行预处理，得到待处理数据，将待处理数据输入到预训练的语言模型进行训练，得到上文语境信息、歧义词信息和下文语境信息，根据上文语境信息、歧义词信息和下文语境信息，得到文本段语义信息，将文本段语义信息输入到预训练的分类器中进行训练，确定歧义词信息在当前语境中的定义，提高了词义消歧的准确性
基于上下文语义词义方法装置相关设备

[发明专利]一种基于LDA的主题词嵌入消歧方法及系统-CN202010189104.7有效
发明人：唐季林;贾连印;陈明鲜;张崇德 -专利权人：昆明理工大学
申请日： 2020-03-18 - 公布日： 2022-12-09 - 主分类号： G06F40/284 文献下载
摘要：本发明涉及一种基于LDA的主题词嵌入消歧方法及系统，属于语义分析技术领域。主题模型训练步骤：基于Wiki语料库结合LDA算法训练主题模型；主题词向量生成步骤：根据Wiki语料库和主题模型，利用Word2Vec训练出主题词向量；上下文向量生成步骤：利用主题模型和主题词向量，计算出歧义词所在上下文的向量表示；有监督词义消歧步骤：将上下文向量与其他传统语义特征结合，利用SVM进行词义消歧。
一种基于 lda 主题词嵌入方法系统

[发明专利]中文分词方法及系统-CN201811188306.9有效
发明人：钟留娥;闵博;田文宝 -专利权人：北京搜狐新动力信息技术有限公司
申请日： 2018-10-12 - 公布日： 2023-09-15 - 主分类号： G06F40/289 文献下载
摘要：本发明提供的中文分词方法及系统，获取指定领域的目标文本，与预置的隐马尔可夫模型HMM模型；利用核心词典对目标文本进行分词处理，得到第一目标词网；采用HMM模型的Viterbi算法，对第一目标词网进行消歧处理，得到第二目标词网；利用实体识别模型，对目标文本进行实体识别处理，得到目标实体词；将目标实体词纳入到第二目标词网中，得到第三目标词网；采用HMM模型的Viterbi算法，对第三目标词网进行消歧处理，得到最优分词序列
中文分词方法系统