買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜北京計算機(jī)技術(shù)及應(yīng)用研究所申請的專利基于多任務(wù)學(xué)習(xí)的層次類別命名實(shí)體識別模型設(shè)計方法獲國家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國家知識產(chǎn)權(quán)局授予，授權(quán)公告號為：CN114881032B 。

龍圖騰網(wǎng)通過國家知識產(chǎn)權(quán)局官網(wǎng)在2025-05-06發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請?zhí)?專利號為：202210462583.4，技術(shù)領(lǐng)域涉及：G06F40/295；該發(fā)明授權(quán)基于多任務(wù)學(xué)習(xí)的層次類別命名實(shí)體識別模型設(shè)計方法是由程耀開;田宗凱;宋穎毅;楊雨婷;王又辰設(shè)計研發(fā)完成，并于2022-04-28向國家知識產(chǎn)權(quán)局提交的專利申請。

本基于多任務(wù)學(xué)習(xí)的層次類別命名實(shí)體識別模型設(shè)計方法在說明書摘要公布了：本發(fā)明涉及一種基于多任務(wù)學(xué)習(xí)的層次類別命名實(shí)體識別模型設(shè)計方法，屬于自然語言處理技術(shù)領(lǐng)域。本發(fā)明通過在命名實(shí)體識別模型中加入對于類別關(guān)系的建模，使得模型能夠同時識別出命名實(shí)體的多個類別，同時，本發(fā)明提出了基于多任務(wù)學(xué)習(xí)的模型來解決具有層次類別的命名實(shí)體識別問題。模型使用多任務(wù)學(xué)習(xí)機(jī)制同時學(xué)習(xí)多個層次的命名實(shí)體識別任務(wù)，這些任務(wù)共享同一個編碼層，這樣可以使得編碼層學(xué)習(xí)到的編碼向量可以同時適應(yīng)多個層次的命名實(shí)體識別而不是過擬合于某一個單獨(dú)的層次。最后，還分別設(shè)計了兩種信息傳遞機(jī)制傳遞不同層次間的識別信息，以提高模型的識別效果。

本發(fā)明授權(quán)基于多任務(wù)學(xué)習(xí)的層次類別命名實(shí)體識別模型設(shè)計方法在權(quán)利要求書中公布了：1.一種基于多任務(wù)學(xué)習(xí)的層次類別命名實(shí)體識別模型設(shè)計方法，其特征在于，該方法中，將所設(shè)計的基于多任務(wù)學(xué)習(xí)的層次類別的命名實(shí)體識別模型命名為MTBP，該模型設(shè)計時，將不同層次的命名實(shí)體識別視為多個任務(wù)，使用一個模型訓(xùn)練多個任務(wù)，使用多任務(wù)學(xué)習(xí)機(jī)制進(jìn)行多個層次之間的命名實(shí)體識別預(yù)測，多個任務(wù)之間共享編碼器，其中設(shè)計兩種不同的信息傳遞機(jī)制以進(jìn)行不同層次任務(wù)間識別信息的傳遞，第一種采用自頂向下的信息傳遞順序，先預(yù)測頂層的類，再將頂層信息傳遞給下一層進(jìn)行預(yù)測，將其稱之為MTBP-T，第二種為自底向上的傳遞順序，將其稱之為MTBP-B；該方法中，MTBP-T模型的設(shè)計原理為：將粗粒度類別的模型輸出作為信息傳入下一層以輔助細(xì)粒度的命名實(shí)體識別；MTBP-T模型使用BERT作為編碼器，輸入字符通過所述編碼器得到初步的字向量，低層的表示向量由BERT輸出結(jié)果與上一層標(biāo)簽預(yù)測結(jié)果拼接而成；該方法中，將MTBP-T模型設(shè)計為一個面向具有三層類別結(jié)構(gòu)命名實(shí)體識別任務(wù)的MBTP-T模型結(jié)構(gòu)：第一層使用BERT的輸出作為嵌入向量，計算過程如下公式所示：E0＝BERTX第二層之后均使用上一層的嵌入與上一層的識別結(jié)果的拼接作為嵌入向量：Ek＝ConcatEk-1,labelk-1其中，E0表示BERT輸出，其形狀為m×l，l為輸入序列的字符數(shù)量，m為BERT的字向量的尺寸；Ek代表每一層使用的輸入字符向量，0k≤N，N為類別的層次數(shù)量；labelk-1是由上一層模型輸出的抽取結(jié)果；得到每一層字向量后通過線性層和sigmoid激活層得到一個概率矩陣作為預(yù)測矩陣，概率矩陣中每一列映射輸入序列中的一個字，概率矩陣中每兩行映射一個類別，兩行中第一行對應(yīng)該字為該類別實(shí)體開始的概率，第二行為結(jié)束的概率，具體計算過程如下公式所示：predj＝sigmoidWjEj其中，Ej表示第j個字的向量表示，predj即為預(yù)測得到的字符為實(shí)體開始和結(jié)束位置的概率，其中Cj代表第j層類別的類別個數(shù)；該方法中，將MTBP-B模型設(shè)計為：自下而上傳遞信息的基于多任務(wù)學(xué)習(xí)的命名實(shí)體識別模型，其設(shè)計原理為：由于類別之間的從屬關(guān)系，在實(shí)體預(yù)測中預(yù)測出子類實(shí)體實(shí)際上就已經(jīng)預(yù)測出了父類實(shí)體，模型預(yù)測的低層次的實(shí)體輸出中包含了父類分布的信息，所以可從子類的預(yù)測分布中得到父類的預(yù)測分布；該方法中，將MTBP-B模型設(shè)計為一個面向?qū)嶓w類別具有三層結(jié)構(gòu)的MTBP-B模型；MTBP-B模型也使用BERT作為編碼器來將輸入序列編碼為字符向量，如下公式所示：E＝BertXE為輸入字符的向量，其中，MTBP-B模型直接使用字符向量進(jìn)行最細(xì)粒度的命名實(shí)體預(yù)測，預(yù)測過程仍然是將字符向量通過兩個全連接層和sigmoid激活層得到一個表示字符是否為一類實(shí)體開始和結(jié)束的矩陣，計算過程如下公式所示：predn＝sigmoidWnE其中，Wn為全連接層的參數(shù)，n表示第n層命名實(shí)體識別，MTBP-B模型使用低層次的預(yù)測結(jié)果得到高層次的預(yù)測結(jié)果，其將同一父類的子類預(yù)測數(shù)據(jù)聚合，得到父類的預(yù)測數(shù)據(jù)，對于開始矩陣，具體轉(zhuǎn)化過程為：將子類的兩個預(yù)測矩陣按類別進(jìn)行分割，形成若干個小矩陣，每個矩陣中行映射的類型具有相同的父類；取每一個小矩陣的列最大值形成一個新的行，再將這些行進(jìn)行拼接得到新的矩陣，這個新的矩陣即為父類的預(yù)測矩陣，這個轉(zhuǎn)化過程稱之為levelmax操作，整體過程如下公式所示：predj＝levelmaxpredj+1其中0≤j＜n。

如需購買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請人或?qū)＠麢?quán)人北京計算機(jī)技術(shù)及應(yīng)用研究所，其通訊地址為：100854 北京市海淀區(qū)永定路51號；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。