申请/专利权人:武汉大学
申请日:2023-12-05
公开(公告)日:2024-06-14
公开(公告)号:CN118194867A
主分类号:G06F40/295
分类号:G06F40/295;G06F40/284;G06N3/0895;G06F40/289
优先权:
专利状态码:在审-公开
法律状态:2024.06.14#公开
摘要:本发明提供一种基于半监督学习的企业数字化术语库构建方法及系统,包括:S1:收集企业的年报文本数据;S2:使用ERNIE对年报文本进行表征向量化;S3:使用GlobalPointer模型对年报文本进行特征提取和术语识别,以最终的输出概率作为术语边界及其类型识别依据;S4:对模型的性能进行评价,若满足退出条件,则得出最终术语识别模型,否则进行S5;S5:使用模型在未标注数据集上进行术语识别,并对所有样本以输出概率进行排序;S6:取排名最高的前N个样本及前N个样本对应的识别结果扩充有标签数据集,修正模型,返回S2,直到满足S4中最终退出条件,得到最终数字化术语抽取模型。本发明将深度学习和半监督学习技术与领域问题相结合,提高了数字化术语识别的效率,增强了数字化术语词典的可拓展性。
主权项:1.一种基于半监督学习的企业数字化术语库构建方法,其特征在于,包括:步骤S1,收集企业的年报文本数据;步骤S2,基于信息实体增强语言表示ERNIE模型对所述年报文本数据进行表征,获得年报文本向量序列;步骤S3,采用命名实体识别任务GlobalPointer模型对所述年报文本向量序列进行特征提取,确定初始术语识别模型的最终输出概率,所述最终输出概率用于识别术语边界及术语类型;步骤S4,依据预设衡量指标对所述初始术语识别模型进行评价,若满足预设训练结束条件,则输出最终术语识别模型,否则进入步骤S5;步骤S5,基于所述初始术语识别模型对未标注数据集进行术语识别,根据排序算法对所有样本以输出概率进行排序,得到排序后年报文本样本数据;步骤S6,利用所述排序后排名最高的前N个样本及所述前N个样本对应的识别结果扩充有标签数据集,由所述有标签数据集得到最终术语识别模型,基于所述最终术语识别模型输出所述企业数字化术语库。
全文数据:
权利要求:
百度查询: 武汉大学 一种基于半监督学习的企业数字化术语库构建方法及系统
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。