買(mǎi)專(zhuān)利賣(mài)專(zhuān)利找龍圖騰，真高效！ 查專(zhuān)利查商標(biāo)用IPTOP,全免費(fèi)！專(zhuān)利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜浙江邦盛科技股份有限公司申請(qǐng)的專(zhuān)利一種基于指定位置遺忘的T-BiLSTM和CRF的地址要素識(shí)別方法獲國(guó)家發(fā)明授權(quán)專(zhuān)利權(quán)，本發(fā)明授權(quán)專(zhuān)利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN114880999B 。

龍圖騰網(wǎng)通過(guò)國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-05-13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(zhuān)利申請(qǐng)?zhí)?專(zhuān)利號(hào)為：202210578633.5，技術(shù)領(lǐng)域涉及：G06F40/169；該發(fā)明授權(quán)一種基于指定位置遺忘的T-BiLSTM和CRF的地址要素識(shí)別方法是由樊坤;高楊;陳偉;許俊杰;楊運(yùn)平設(shè)計(jì)研發(fā)完成，并于2022-05-25向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專(zhuān)利申請(qǐng)。

本一種基于指定位置遺忘的T-BiLSTM和CRF的地址要素識(shí)別方法在說(shuō)明書(shū)摘要公布了：本發(fā)明公開(kāi)了一種基于指定位置遺忘的T?BiLSTM和CRF的地址要素識(shí)別方法，本方法構(gòu)建了一種基于BiLSTM的指定時(shí)間步遺忘的神經(jīng)網(wǎng)絡(luò)，該神經(jīng)網(wǎng)絡(luò)本方法命名為T(mén)?BiLSTM，該方法首先將地址文本編碼轉(zhuǎn)化為基于字信息的向量矩陣；然后將地址向量分別輸入到BiLSTM的地址分詞網(wǎng)絡(luò)中進(jìn)行分詞；得到分詞向量后將其與地址向量結(jié)合輸入到T?BiLSTM神經(jīng)網(wǎng)絡(luò)中；最后利用條件隨機(jī)場(chǎng)CRF對(duì)基于T?BiLSTM神經(jīng)網(wǎng)絡(luò)的結(jié)果進(jìn)行標(biāo)注，得到地址的各級(jí)別地址要素。與傳統(tǒng)基于BiLSTM?CRF的地址要素方法相比，該方法將分詞與標(biāo)注任務(wù)分離開(kāi)，識(shí)別要素時(shí)引入分詞遺忘信息，對(duì)新詞識(shí)別具有更好的準(zhǔn)確性和魯棒性。

本發(fā)明授權(quán)一種基于指定位置遺忘的T-BiLSTM和CRF的地址要素識(shí)別方法在權(quán)利要求書(shū)中公布了：1.一種基于指定位置遺忘的T-BiLSTM和CRF的地址要素識(shí)別方法，其特征在于，包括以下步驟：步驟1、利用爬蟲(chóng)對(duì)網(wǎng)絡(luò)上的地址文本進(jìn)行爬取得到初始地址數(shù)據(jù)集，對(duì)獲取的初始地址數(shù)據(jù)集進(jìn)行數(shù)據(jù)預(yù)處理，對(duì)預(yù)處理后的地址數(shù)據(jù)集進(jìn)行人工地址要素分詞標(biāo)注，得到分詞標(biāo)注后的地址要素?cái)?shù)據(jù)，對(duì)地址字符進(jìn)行統(tǒng)計(jì)去重得到字符集，并對(duì)地址要素?cái)?shù)據(jù)根據(jù)字符集將其轉(zhuǎn)化為地址字符id集合；步驟2、將步驟1得到的字符集隨機(jī)初始化為特征向量，根據(jù)特征向量將步驟1得到的地址字符id集合轉(zhuǎn)化為地址特征向量矩陣；具體包括：2.1將步驟1得到的字符集中每個(gè)字符隨機(jī)初始化為特征向量，得到字符特征向量矩陣E，E的維度為N*M，N為字符集字符總數(shù)，M為每個(gè)字符特征向量維度；2.2將步驟1得到的地址字符id集合根據(jù)字符特征向量矩陣E轉(zhuǎn)化為地址特征向量矩陣A，A的維度為L(zhǎng)*M，L為本次batch最長(zhǎng)序列的字符個(gè)數(shù)；步驟3、將步驟2得到的地址特征向量矩陣輸入到BiLSTM模型中，得到語(yǔ)義特征矩陣；步驟4、將步驟3得到的語(yǔ)義特征矩陣輸入到Dense全連接層中，得到序列分詞結(jié)果；步驟5、將步驟2得到的地址特征向量矩陣與步驟4得到的序列分詞結(jié)果輸入到T-BiLSTM中，得到要素特征矩陣，并將其通過(guò)全連接神經(jīng)網(wǎng)絡(luò)轉(zhuǎn)化為得分序列矩陣；具體包括：1將步驟2得到的地址特征向量矩陣A與步驟4得到的分詞結(jié)果S輸入到T-BiLSTM中，前向T-F-LSTM與后向T-B-LSTM采用concat的方式進(jìn)行向量結(jié)合；T-F-LSTM中單個(gè)單元包括遺忘門(mén)、記憶門(mén)、輸出門(mén)三個(gè)部分，其在t時(shí)刻門(mén)控單元計(jì)算公式如下：h_n＝ht-1*1-St-1+ht0*St-1ft＝Wf*[h_n,xt]+bfit＝Wi*[h_n,xt]+biC_t＝tanhWc*[h_n,xt]+bCCt＝ft*Ct-1+it*C_tOt＝Wo*[h_n,xt]+boht＝Ot*tanhCt其中St-1代表S上一時(shí)刻的分詞結(jié)果，ht0代表初始隱層狀態(tài)矩陣，h_n代表上一時(shí)刻隱層狀態(tài)矩陣?yán)梅衷~結(jié)果進(jìn)行記憶計(jì)算后的結(jié)果，ft代表當(dāng)前時(shí)刻遺忘門(mén)的結(jié)果，it代表當(dāng)前時(shí)刻記憶門(mén)的結(jié)果，C_t為當(dāng)前時(shí)刻臨時(shí)記憶細(xì)胞結(jié)果，Ct為當(dāng)前時(shí)刻記憶細(xì)胞結(jié)果，Ot代表當(dāng)前時(shí)刻輸出門(mén)結(jié)果，ht代表當(dāng)前時(shí)刻隱層狀態(tài)，Wf、Wi、Wo分別代表遺忘門(mén)、記憶門(mén)和輸出門(mén)的參數(shù)矩陣，Wc代表記憶細(xì)胞參數(shù)矩陣，bf、bi、bC、bo代表偏置量，ht-1代表上一時(shí)刻的隱層狀態(tài)矩陣，xt為當(dāng)前時(shí)刻地址特征向量，Ct-1為上一時(shí)刻記憶細(xì)胞狀態(tài)矩陣；T-B-LSTM中單個(gè)單元包括遺忘門(mén)、記憶門(mén)、輸出門(mén)三個(gè)部分，其在t時(shí)刻門(mén)控單元計(jì)算公式如下：h_n＝ht-1*1-St+ht0*Stft＝Wf*[h_n,xt]+bfit＝Wi*[h_n,xt]+biC_t＝tanhWc*[h_n,xt]+bCCt＝ft*Ct-1+it*C_tOt＝Wo*[h_n,xt]+boht＝Ot*tanhCt其中St代表S當(dāng)前時(shí)刻的分詞結(jié)果；將地址特征向量矩陣A分別輸入前向T-F-LSTM與后向T-B-LSTM，得到前向結(jié)果TL_F_O與后向結(jié)果TL_B_O，將兩個(gè)結(jié)果進(jìn)行拼接得到維度為L(zhǎng)*V的要素特征矩陣TL_B，作為最終T-BiLSTM神經(jīng)網(wǎng)絡(luò)結(jié)果；2將TL_B輸入到全連接神經(jīng)網(wǎng)絡(luò)中，轉(zhuǎn)化得到得分序列矩陣K,其計(jì)算公式如下：K＝TL_B*D1其中D1為全連接神經(jīng)網(wǎng)絡(luò)參數(shù)，維度為V*M，M為標(biāo)注框架標(biāo)簽個(gè)數(shù)；步驟6、將步驟5得到的得分序列矩陣輸入到條件隨機(jī)場(chǎng)CRF中，得到中文地址要素標(biāo)注結(jié)果。

如需購(gòu)買(mǎi)、轉(zhuǎn)讓、實(shí)施、許可或投資類(lèi)似專(zhuān)利技術(shù)，可聯(lián)系本專(zhuān)利的申請(qǐng)人或?qū)＠麢?quán)人浙江邦盛科技股份有限公司，其通訊地址為：310012 浙江省杭州市西湖區(qū)西斗門(mén)路3號(hào)天堂軟件園D幢17層ABCD座；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(huà)0551-65771310或微信搜索“龍圖騰網(wǎng)”。