内容提供者
面向中文医疗事件的联合抽取方法.pptx
2024-10-09
20金币
2.5MB
25页
快乐****蜜蜂
实名认证
内容提供者
1/10
2/10
3/10
4/10
5/10
6/10
7/10
8/10
9/10
10/10
亲，该文档总共25页，到这已经超出免费预览范围，如果喜欢就直接下载吧～
相关资料
面向中文医疗事件的联合抽取方法.pptx
汇报人：/目录01医疗事件抽取的定义医疗事件抽取的背景和意义医疗事件抽取的挑战02联合抽取方法的原理联合抽取方法的优势联合抽取方法的实现流程03实体识别技术关系抽取技术事件类型判断技术事件属性填充技术04实验数据集介绍实验结果展示结果分析对比分析05在医疗领域的应用价值在其他领域的应用前景未来研究方向与挑战汇报人：
2024-10-09
20
2.5MB
依存分析模型及基于依存分析的中文联合事件抽取方法.pdf
本发明公开了一种基于依存分析的中文联合事件抽取方法，首先引入了依存分析构建句法结构加强了信息的深度交互；其次为弥合字词的不一致性设计了三种类型的边表示以计算图卷积特征；最终通过对事件触发词分类任务以及事件论元分类任务联合学习，缓解了传统管道式方法的级联误差传播问题，提升了从文档中抽取事件触发词以及论元的效果。基于依存分析的中文联合事件抽取模型，在对语义进行编码的同时融入了句法结构信息，增强了字之间的信息流动，并且针对中文分词的特性为构建无向图设计了不同类型的边表示。本发明通过融入中文文本中包含的句法结构知
2024-01-08
10
761KB
一种面向中文人物关系网络的实体关系联合抽取方法.pdf
本发明公开了一种面向中文人物关系网络的实体关系联合抽取方法，涉及自然语言信息抽取领域，包含人物关系文本预处理、预定义知识库SCHEMA、基于ALBERT的TPLinker模型训练、人物关系三元组抽取四部分，本发明帮助构建中文人物关系知识库，向用户推送更加准确的信息；针对TPLinker模型存在大量参数，而在海量数据训练过程中达到内存限制，导致训练过慢等问题，做出了以下改进；采用预训练的ALBERT词嵌入向量作为模型的词嵌入层输入，它设计了参数减少的方法，用来降低内存消耗，同时加快模型的训练速度；对于TPL
2023-06-07
10
987KB
一种中文领域事件抽取方法.pdf
本发明公开了一种中文领域事件抽取方法，包括从领域数据库中选择原始领域语料，构造领域数据集和专业词表，训练militaryBERT模型；对事件抽取数据集的输入语料采用militaryBERT模型、依存句法分析工具DDParser和词性分析工具Jieba进行数据预处理，得到最终的原始特征表示。本中文领域事件抽取方法采用militaryBERT模型、句法依存分析和词性分析对事件抽取数据集的输入语料进行数据预处理，得到原始特征表示，增强了事件抽取模型上下文语义表示能力；本中文领域事件抽取方法通过构建包括第一特征提
2023-05-31
10
1.6MB
基于特征融合的中文事件抽取方法.pdf
本发明公开了一种基于特征融合的中文事件抽取方法,步骤为:1)构建中文事件抽取网络BERT?FF;2)构建训练数据集;3)下载预训练参数文件并利用对比学习方法进行优化;4)利用迁移学习的方法,在字级别特征提取网络中加载优化后的预训练参数文件;5)利用训练数据集进行训练,得到训练好的中文事件抽取网络BERT?FF;6)从开放网络中爬取描述事件的文本,作为测试数据集输入到训练好的中文事件抽取网络BERT?FF中进行事件抽取,输出结构化的事件信息,即事件抽取的结果。本发明通过特征融合方法增强了模型的语义表示能力,
2023-05-11
10
596KB