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

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

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

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

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

一种地质文本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 114548088 A (43)申请公布日 2022.05.27 (21)申请号 202210066022.2 (22)申请日 2022.01.20 (71)申请人中国地质大学（武汉）地址 430

2023-05-08 约1.76万字 14页立即下载

基于联合学习的新冠肺炎病毒文本实体关系抽取研究.pdf 摘要随着生物医学和互联网的不断发展，生物医学领域的的相关文献、研究报告等数字化信息呈指数增长趋势。海量的信息和丰富的知识库中蕴含着研究人员所关注的先进的医学知识。相关从业人员难以及时更新全部特定领域的信息，因此必须借助先进的、自动化的文本挖掘技术和工具来应对信息爆炸时代的挑战。命名实体识别和实体关系抽取是生物医学信息抽取的一个重要领域。医疗命名实体识别和关系抽取其主要内容是识别生物医学文本中的实体和实体之间的语义关系，包括从医学文献中识别疾病名、药物名和诊疗方法等实体，并抽取医疗实体之

2025-03-09 约6.18万字 53页立即下载

一种基于深度学习与模式匹配的人案物关联关系抽取方法.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 113011161 A (43)申请公布日 2021.06.22 (21)申请号 202011598543.X (22)申请日 2020.12.29 (71)申请人中国

2023-06-09 约1.96万字 19页立即下载

一种信息的实体关系联合抽取方法、装置及终端设备.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 112819622 A (43)申请公布日 2021.05.18 (21)申请号 202110104073.5 G06F 40/295 (2020.01) (22)申请日

2023-06-04 约2.26万字 18页立即下载

基于预训练模型的实体关系联合抽取模型研究.docx 基于预训练模型的实体关系联合抽取模型研究一、引言在当今信息爆炸的时代，从海量文本中准确快速地抽取实体及其之间的关系成为自然语言处理（NLP）的重要任务。实体关系联合抽取模型作为信息抽取的重要分支，能够从文本中提取出实体并识别其间的关系，对提升自然语言处理能力具有关键作用。随着深度学习技术的发展，预训练模型在实体关系联合抽取中表现出强大的性能。本文旨在研究基于预训练模型的实体关系联合抽取模型，为相关领域提供理论依据和技术支持。二、实体关系联合抽取模型概述 实体关系联合抽取模型是自然语言处理领域中一个重要的研究方向，其目的是从非结构化文本中提取出实体及其之间的关系。这些实体通常包括人名、地名

2025-02-22 约4.24千字 8页立即下载

联合式实体关系抽取方法研究.docx 联合式实体关系抽取方法研究一、引言随着信息技术的飞速发展，大数据时代下的信息抽取技术日益受到关注。实体关系抽取作为信息抽取的重要组成部分，其目的是从非结构化文本中提取出实体间的关系。联合式实体关系抽取方法作为一种新兴的实体关系抽取技术，其具有高效、准确、全面的特点，已成为当前研究的热点。本文旨在研究联合式实体关系抽取方法，为实际应用提供理论支持和技术支持。二、联合式实体关系抽取方法概述联合式实体关系抽取方法是一种基于联合学习的实体关系抽取技术。该方法通过将多个任务进行联合学习，实现实体识别和关系抽取的同步进行。在联合式实体关系抽取方法中，多个任务共享相同的输入特征，通过共享特征的方式提

2025-02-01 约4.44千字 9页立即下载

面向司法文书数据的实体关系联合抽取方法研究.pdf 摘要近年来，随着中国司法领域信息公开化程度的不断提高，面向司法领域的信息抽取任务已经逐渐引起业内人士广泛关注。司法实体关系联合抽取作为信息抽取任务下的一项重要子任务，旨在通过对法律文本信息建模，抽取出法律文本中的实体关系 三元组（Subject,Relation,Object），从而为司法判决预测、司法知识图谱构建等任务提供帮助。然而，现有面向法律判决文书的实体关系联合抽取方法往往缺乏特定领域知识支持，且存在大量实体重叠问题，大大影响了司法实体关系联合抽取的效果。基于此，本

2025-03-14 约7.96万字 49页立即下载

一种基于领域适应和小样本学习的关系抽取方法.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114564960 A (43)申请公布日 2022.05.31 (21)申请号 202210201476.6 (22)申请日 2022.03.03 (71)申请人上海工程技术大学地址 20120

2023-05-08 约1.26万字 11页立即下载

一种基于深度学习的端到端篇章事件抽取方法及系统.pdf (19)国家知识产权局 (12)发明专利申请 (10)申请公布号 CN 114462386 A (43)申请公布日 2022.05.10 (21)申请号 202210125508.9 G06K 9/62 (2022.01) (22)申请日 2022.02.1

2023-05-07 约2.12万字 14页立即下载