龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江工业大学
摘要：基于多层次自适应语义增强的中文医疗命名实体识别方法和装置，其方法包括：1将中文文本表示为T＝{C1、C2、···、CN}，构建字符Ci特征，包括字符特征、边界特征、部首特征、拼音特征；2通过ERNIE‑Health预训练模型将字符级别Ci的特征转化为向量表示，包括字符特征向量ec、边界特征向量eb、部首特征向量er、拼音特征向量ep；3将四种字符级特征输入字符层自适应语义增强模块。使用卷积层对字符特征进行压缩，通过门控机制和ReLU激活函数进行非线性转换，动态调整语义权重，使用多层感知机进行解压缩，得到增强后的字符级特征；4将增强后的字符级特征输入句子层自适应语义增强模块，通过压缩和解压缩机制自适应学习句子中不同字符的贡献；5将经过多层次自适应语义增强模块的增强特征输入BiLSTM‑CRF模块进行标签预测。本发明能够更好地捕捉上下文中的语义差异，解决了现有方法在特征权重分配上的局限性，提升了CNER任务的整体性能。
主权项：1.基于多层次自适应语义增强的中文医疗命名实体识别方法，其特征在于，包括如下步骤：1长度为n的中文文本表示为T＝{C1、C2、…、CN}，构建字符Ci特征，包括字符特征、边界特征、部首特征、拼音特征；2通过ERNIE-Health预训练模型将字符级别Ci的特征转化为向量表示，包括字符特征向量ec、边界特征向量eb、部首特征向量er、拼音特征向量ep；3将四种字符级特征输入字符层自适应语义增强模块。使用卷积层对字符特征进行压缩，通过门控机制和ReLU激活函数进行非线性转换，动态调整语义权重，使用多层感知机进行解压缩，得到增强后的字符级特征；4将增强后的字符级特征输入句子层自适应语义增强模块，通过压缩和解压缩机制自适应学习句子中不同字符的贡献；5将经过多层次自适应语义增强模块的增强特征输入BiLSTM-CRF模块进行标签预测。
全文数据：
权利要求：
百度查询： 浙江工业大学 基于多层次自适应语义增强的中文医疗命名实体识别方法和装置
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号