申请/专利权人：浙江大华技术股份有限公司

申请日：2023-12-25

公开（公告）日：2024-04-26

公开（公告）号：CN117932059A

主分类号：G06F16/35

分类号：G06F16/35;G06F16/33;G06F40/295;G06F40/30;G06F18/241;G06F18/2415;G06F18/22;G06F18/214

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.05.14#实质审查的生效;2024.04.26#公开

摘要：本申请提出一种基于文本标注的模型训练方法、文本标注方法、文本标注装置以及计算机存储介质。所述模型训练方法包括：获取各个预设标签的表示向量；遍历输入文本的每个字，获取每一个长度小于预设阈值的文本片段；通过文本标注模型的片段编码模块获取输入文本中各个文本片段的表示向量；通过文本标注模型的片段标注模块计算各个预设标签的表示向量和各个文本片段的表示向量的相似性；通过片段标注模块给每一文本片段配置相似性最大的预设标签作为预测标签；基于每一文本片段的预测标签和真实标签对文本标注模型进行训练。通过上述方法，利用实体标签蕴含的语义信息，为实体识别模型提供额外的先验知识，从而提高实体识别精度，提高模型训练效果。

主权项：1.一种基于文本标注的模型训练方法，其特征在于，所述模型训练方法包括：获取各个预设标签的表示向量；遍历输入文本的每个字，获取每一个长度小于预设阈值的文本片段；通过文本标注模型的片段编码模块获取所述输入文本中各个文本片段的表示向量；通过所述文本标注模型的片段标注模块计算各个预设标签的表示向量和所述各个文本片段的表示向量的相似性；通过所述片段标注模块给每一文本片段配置相似性最大的预设标签作为预测标签；基于所述每一文本片段的预测标签和真实标签对所述文本标注模型进行训练。

全文数据：

权利要求：

百度查询： 浙江大华技术股份有限公司 模型训练方法、文本标注方法、文本标注装置及存储介质

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。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD