一种基于连续数字压缩编码的长数字实体抽取方法.pdf

一种基于关系分解的端到端实体关系联合抽取方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114564563 A (43)申请公布日 2022.05.31 (21)申请号 202210166252.6 G06N 3/04 (2006.01)

2023-05-10 约1.29万字 12页立即下载

一种基于知识库问答的实体抽取方法及装置.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112818675 A (43)申请公布日 2021.05.18 (21)申请号 202110138714.9 (22)申请日 2021.02.01 (71)申请人北京金山数字娱乐科技有限公司

2023-06-04 约2.11万字 21页立即下载

一种医学实体关系联合抽取方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112818676 A (43)申请公布日 2021.05.18 (21)申请号 202110142037.8 (22)申请日 2021.02.02 (71)申请人东北大学地址 11

2023-06-07 约1.71万字 14页立即下载

一种基于Word2Vec-BiLSTM-CRF模型的法律领域的实体抽取方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112800764 A (43)申请公布日 2021.05.14 (21)申请号 202011620453.6 (22)申请日 2020.12.31 (71)申请人江苏网进科技股份有限公司

2023-06-05 约9.1千字 9页立即下载

一种基于注意力神经网络的实体关系抽取方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112818124 A (43)申请公布日 2021.05.18 (21)申请号 202110193744.X (22)申请日 2021.02.21 (71)申请人昆明理工大学地址

2023-06-04 约9.97千字 9页立即下载

一种基于多层LSTM的远程监督实体关系联合抽取方法和系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112989833 A (43)申请公布日 2021.06.18 (21)申请号 202110406629.6 (22)申请日 2021.04.15 (71)申请人广东工业大学地址

2023-06-08 约1.2万字 11页立即下载

一种基于长难句化简的电力专利文本实体关系抽取方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112966502 A (43)申请公布日 2021.06.15 (21)申请号 202110286509.7 G06N 3/04 (2006.01) (22)申请日 20

2023-06-07 约1.59万字 14页立即下载

一种基于深度学习的地铁设计规范中实体关系联合抽取方法.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 112966512 A (43)申请公布日 2021.06.15 (21)申请号 202110218377.4 G06N 3/02 (2006.01)

2023-06-10 约1.16万字 10页立即下载

一种基于视觉特性的小波包图像编码压缩方法.pdf 第2l卷第2期黑龙江八一农垦大学学报2l(2)：93—95 tApr．2009 4月JournalofHeilongjiangAugustFirstLandReclamationUniversiy 2009年—— 文章编号：1002—2090(2009)02—0093-03 一种基于视觉特性的小波包图像编码压缩方法 魏玉芬。野金花 (黑龙江八一农垦大学文理学院，大庆163319) 摘要：针对图像能量分布特点及人眼对网像特殊区域敏感程度的不同，提出利用小波包对图像的低频子带和高频子带都进行多分辨率分解，并充分利用人眼的视觉特性和不同子带间小波包系数的相关性对系数进行编码。实验结果表明在保证优先

2025-06-01 约8.12千字 3页立即下载

基于深度学习的文本实体关系抽取方法研究.docx 基于深度学习的文本实体关系抽取方法研究一、引言随着信息技术的飞速发展，海量的文本数据在互联网上不断涌现。如何有效地从这些文本数据中提取出有用的信息，是当前自然语言处理领域的重要研究课题。文本实体关系抽取是其中的一个关键环节，其目的是从文本中识别出实体之间的关系，为后续的信息处理和知识挖掘提供支持。传统的实体关系抽取方法主要依赖于规则和模板，但这些方法往往难以处理复杂的语言现象和语义关系。近年来，随着深度学习技术的发展，基于深度学习的文本实体关系抽取方法逐渐成为研究热点。本文将介绍一种基于深度学习的文本实体关系抽取方法，并对其性能进行评估。二、基于深度学习的文本实体关系抽取方法 本文提出的

2025-02-27 约4.52千字 9页立即下载

基于深度学习的实体关系抽取方法研究 .pdf 基于深度学习的实体关系抽取方法研究深度学习技术在自然语言处理领域的应用日益广泛，其中实体关系抽取是一项重要的任务。实体关系抽取是指从文本中提取出实体之间的语义关系，对于自然语言理解和信息提取具有重要意义。本文将对基于深度学习的实体关系抽取方法进行研究，并探讨其应用和挑战。一、引言深度学习技术在自然语言处理领域中的快速发展，为实体关系抽取任务提供了新的解决方案。传统方法通常依赖于手工设计特征和规则，而深度学习方法可以从大规模数据中自动学习特征表示，具有更好的泛化能力。二、基于深度学习的实体关系抽取方法 1.神经网络模型神经网络模型是基于深度学习进行实体关系抽取最常用的方法之

2024-11-19 约1.41千字 2页立即下载

基于核函数的中文实体关系抽取新方法的开题报告.docx 基于核函数的中文实体关系抽取新方法的开题报告一、研究背景及意义随着信息技术的不断发展，自然语言处理（NLP）逐渐成为了人机交互场景下最主要的应用之一。中文实体关系抽取是NLP中的重要研究方向之一。实体关系表示实体之间的相互作用，例如“小明和小红是朋友”中的“小明”和“小红”是实体，“朋友”是实体关系。实体关系抽取主要是从文本中自动发现实体之间的关系，为诸如情感分析、信息抽取和问答系统等下游应用提供支持。目前，中文实体关系抽取的研究方法主要分为基于规则的方法和基于机器学习（ML）的方法。然而，基于规则的方法往往需要专家不断地手动制定规则，因此对规则的依赖较大，在不同场景下效果差异较大。相较

2023-08-16 约小于1千字 2页立即下载

基于小样本学习的网络协议实体抽取方法与系统.pdf (19)中华人民共和国国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 113343697 A (43)申请公布日 2021.09.03 (21)申请号 202110660203.3 (22)申请日 2021.06.15 (71)申请人中国科学院软件研究所

2023-06-20 约1.31万字 12页立即下载

基于多特征融合的实体关系联合抽取方法研究.pdf 基于多特征融合的实体关系联合抽取方法研究摘要随着互联网的迅猛发展，用户数量逐渐呈现爆炸式增长，数据量亦指数级扩张，如何处理海量的数据从中得到具有重要价值的信息成为热点问题。实体关系抽取应运而生，其旨在从非结构化或者半结构化文本中抽取实体及实体对间的关系，转化为三元组形式的结构化信息，为知识图谱构建、问答系统等下游智能化应用提供有力的数据支持。针对目前的实体关系抽取模型对实体层次特征利用不够全面影响模型抽取效果的问题，本文提出了基于实体类型的多特征实体关系联合抽取模型MF_Joint。对于关系抽取来说，文本中的实体特征信息尤为重要，实体类型特征能够增强实体信息对关系 抽取的约束

2025-05-18 约12.11万字 72页立即下载

基于全局指针与潜在关系嵌入的实体关系抽取方法.pdf 基于全局指针与潜在关系嵌入的实体关系抽取方法 摘要知识图谱（KnowledgeGraph，KG）是一种基于图的数据结构，用于描述和表示实体之间的关系。它将真实世界的事物（实体）和事物之间的关系（实体关系）表示为图的节点和边，以便于计算机进行理解和分析。知识图谱在搜索引擎、智能问答系统、自然语言处理、机器学习等众多领域都具有广泛的应用价值，它们有助于计算机更加准确地理解人类的语言和推理能力。在构建知识图谱的过程中，实体关系抽取是至关重要的一环，它旨在从自然语言文本中自动提取实体以及它们之间的关系，从而为知识图谱的搭建提供必要的数据支持。因此，实体关系抽取在自然语言处理与知识图谱构建

2025-05-23 约8.81万字 63页立即下载