CN107291708A - 一种基于文本的自动识别文献研究的方法 - Google Patents
一种基于文本的自动识别文献研究的方法 Download PDFInfo
- Publication number
- CN107291708A CN107291708A CN201610191091.0A CN201610191091A CN107291708A CN 107291708 A CN107291708 A CN 107291708A CN 201610191091 A CN201610191091 A CN 201610191091A CN 107291708 A CN107291708 A CN 107291708A
- Authority
- CN
- China
- Prior art keywords
- data
- mark
- model
- marked
- manually
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/31—Indexing; Data structures therefor; Storage structures
- G06F16/313—Selection or weighting of terms for indexing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/253—Grammatical analysis; Style critique
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于文本的自动识别文献研究的方法，包括首先基于CRF模型对已经标注少量的数据建模，然后对未标注数据进行预测，再从大部分预测标注集合中挑选尽量少的部分数据进行人工标注，接着将标注后的结果在加入到原有语料中重新建模，适当迭代该过程得到最终模型，而此模型即可用于对科技文献的研究对象进行抽取，步骤一，获取科技文献标题，并做初次标注，步骤二，对数据进行标准化处理，步骤三，模型特征化提取，步骤四，训练数据，步骤五，提取部分未标注数据，并进行标记，步骤六，对模型准确率评估，在机器学习模型中优化的引入人工评定，可有效提高学习模型的改进效果的同时，能够尽量节省人工标注的成本。
Description
技术领域
本发明涉及人工智能技术领域，具体为一种基于文本的自动识别文献研究的方法。
背景技术
科学论文是由作者通过书面撰写，总结提炼研究工作的展现形式，科学论文一般包括不同的研究元素，如研究背景、研究对象、研究过程、研究方法、研究结论等，其中研究对象是指论文主要研究目标的核心主体，能高效清晰定位出对应文章的关注面，包括客观事物、理论、事件、过程、关系等属性实例，研究对象的提取能够将论文的主要研究目标以直观的形式展现出来，有助于研究者快速掌握这一对象的相关信息，方便的检索和对比相关研究内容，已有的处理方法有很多，其中有基于规则的方法，此方法取得了一定的效果，但由于自然语言句式的多样性，导致该方法并不能覆盖研究对象提取中的所有规则，遗漏太多，且不能实时更新，灵活性差，而采用统计学习方法的提取过程常常引入不确定因素，导入查全率高而准确率低，因而，单纯的规则或者统计的实用性都很有限。
发明内容
本发明的目的在于提供一种基于文本的自动识别文献研究的方法，以解决上述背景技术中提出的问题。
为实现上述目的，本发明提供如下技术方案：一种基于文本的自动识别文献研究的方法，包括首先基于CRF模型对已经标注少量的数据建模，然后对未标注数据进行预测，再从大部分标注集合中挑选尽量少的部分数据进行人工标注，接着将标注后的结果在加入到原有语料中重新建模，适当迭代该过程得到最终模块，而此模型即可用于对科技文献的研究对象进行抽取，具体为以下步骤：
步骤一：获取科技文献标题，并做初次标注
获取大量的科技文献的标题集合S，提取出少量科技文献的标题S1(S1的总量大于2000)并由人工在这些标题上做标注，标出对应的标题中提及的研究对象，标出后数据记为SD1，提取出少量科技文献的标题S2(S2的总量大于4000)并由人工在这些标题上做标注，标出对应的标题中提及的研究对象，标出后数据记为SD2，S中去除S1数据和S2数据后，剩下的部分记为S3；
步骤二：对数据进行标准化处理
由于科技文献本身涉及的对象复杂，研究对象中存在英文字母数字符号等，需要对句子进行预处理去掉这些东西，此处即根据正则表达式对原始文本进行标准化清洗，此步骤对S涉及的所有标题都进行标准化，而SD1标准化后记为SP1，SD2标准化后记为SP2，S3标准化后记为SP3；
步骤三：模型特征化提取
对数据SP1、SP2和SP3进行特征化，提取为可供模型直接使用的样本输入，对应的特征化后，SP1的特征化提取结果记为Fa,SP2的特征化提取结果记为Fb,SP3的特征化提取结果记为Fc；
步骤四：训练数据
对数据Fa用CRF模型在标注后的数据进行训练，得到训练好的模型M0，运用模型M0对数据Fb进行准确率测试，得到模型准确率P0；
步骤五：提取部分未标注数据，并进行标记
运用模型M0对数据Fc进行自动标注，各样本的各个字符对应有被分为不同类别标签的概率值，记E＝标签的概率最大值-次大值其中从中选取对应不同E范围的样本，随机选择一部分交给人工进行标注，将标注后的得到的数据记为D0，进而做标准化和特征化，得到FD0；
步骤六：对模型准确率评估
将FD0加入Fa中得到Fa1，在Fa1上重新建模，得到模型M1，并再次Fb中进行准确率测试，准确率为P1；
步骤七：判断R值是否最优
观察两次准确率之差值ΔP＝P1-P0，ΔP>0则该E区间数据否对模型有效，为了节省人工标注成本，须尽可能的减少人工标注的成本，即筛选出进行人工标注的数据量N应尽可能的少，引入如下判别公式：R＝arg maxE(△P/N),其中，E＝标签的概率最大值-次大值，△P＝P2-P1＝f(E)表示前后两次模型准
确率的差值，N＝g(E)为添加的人工标记的数据的数量；
步骤八：分析数据量增加方法
重复步骤五、步骤六和步骤七过程；
步骤九：迭代标引，生成最终模型
(1)将当前所有已标好结果的数据作为训练数据，生成训练模型，(2)用当前的训练模型对不带标号的数据进行预测，(3)从中选出判定结果符合Ebest值的数据，随机抽取少量让人工标注，(4)将此时增加的人工标注后的数据加入已有的标注中，(5)重复此(1)到(4)的迭代过程，人为设定迭代次数，将最终得到的所有标注后的数据作为训练数据，生成最终训练模型，此模型即可用以对未知数据进行标注，对一篇新的科技文献，先获取此文献的标题，并将此标题做标准化，提取特征后置入最终模型中，即可得到对应输出，即可评判得到此文献的研究对象。
优选的，在步骤五中，不断调整的大小，通常是以相同间隔递增的数列，如0.1，0.2，0.3，0.4，...，1，越大，筛选的数据越多，计算每次在原来数据基础上加入重新人工标注的新数据ai重新建模，计算前后两次准确率差值△P＝Pi-P(i-1)，最后计算对应的R值，不断循环迭代，寻找最优R值，当△E越大，N越小时，越能添加尽量少的数据，得到最好的实验效果，即当R值越大时，这时的E是最优解Ebest，则在E∈[0,Ebest]时，能添加最少的数据(节省人工标注成本)，得到最好的实验效果。
与现有技术相比，本发明的有益效果是：该本发明基于将文章碎片化为背景、目的、研究对象、研究内容、研究方法和研究结论等元数据，在机器学习模型中优化的引入人工评定，可有效提高学习模型的改进效果的同时，能够尽量节省人工标注的成本，而最终得到的模型可直接用于实际工程实践，结合人的分析智能和统计学习的计算能力，在最小人工的劳动量的补充要求下，产生的模型可有效的提高研究对象的标引能力，最终模型可直接用以对未知数据进行预测，实用性强，方法简单。
具体实施方式
下面结合具体实施例对本发明进行进一步描述，但本发明的保护范围并不限于此。
实施例
一种基于文本的自动识别文献研究对象的方法，包括首先基于CRF模型对已经标注少量的数据建模，然后对未标注数据进行预测，再从大部分标注集合中挑选尽量少的部分数据进行人工标注，接着将标注后的结果在加入到原有语料中重新建模，适当迭代该过程得到最终模块，而此模型即可用于对科技文献的研究对象进行抽取，具体为以下步骤：
步骤一：获取科技文献标题，并做初次标注
获取大量的科技文献的标题集合S，提取出少量科技文献的标题S1(S1的总量大于2000)并由人工在这些标题上做标注，标出对应的标题中提及的研究对象，标出后数据记为SD1，提取出少量科技文献的标题S2(S2的总量大于4000)并由人工在这些标题上做标注，标出对应的标题中提及的研究对象，标出后数据记为SD2，S中去除S1数据和S2数据后，剩下的部分记为S3；
步骤二：对数据进行标准化处理
由于科技文献本身涉及的对象复杂，研究对象中存在英文字母数字符号等，需要对句子进行预处理去掉这些东西，此处即根据正则表达式对原始文本进行标准化清洗，此步骤对S涉及的所有标题都进行标准化，而SD1标准化后记为SP1，SD2标准化后记为SP2，S3标准化后记为SP3；
步骤三：模型特征化提取
对数据SP1、SP2和SP3进行特征化，提取为可供模型直接使用的样本输入，对应的特征化后，SP1的特征化提取结果记为Fa,SP2的特征化提取结果记为Fb,SP3的特征化提取结果记为Fc；
步骤四：训练数据
对数据Fa用CRF模型在标注后的数据进行训练，得到训练好的模型M0，运用模型M0对数据Fb进行准确率测试，得到模型准确率P0；
步骤五：提取部分未标注数据，并进行标记
运用模型M0对数据Fc进行自动标注，各样本的各个字符对应有被分为不同类别标签的概率值，记E＝标签的概率最大值-次大值其中从中选取对应不同E范围的样本，随机选择一部分交给人工进行标注，将标注后的得到的数据记为D0，进而做标准化和特征化，得到FD0，不断调整的大小，通常是以相同间隔递增的数列，如0.1，0.2，0.3，0.4，...，1，越大，筛选的数据越多，计算每次在原来数据基础上加入重新人工标注的新数据ai重新建模，计算前后两次准确率差值△P＝Pi-P(i-1)，最后计算对应的R值，不断循环迭代，寻找最优R值，当△E越大，N越小时，越能添加尽量少的数据，得到最好的实验效果，即当R值越大时，这时的E是最优解Ebest，则在E∈[0,Ebest]时，能添加最少的数据(节省人工标注成本)，得到最好的实验效果；
步骤六：对模型准确率评估
将FD0加入Fa中得到Fa1，在Fa1上重新建模，得到模型M1，并再次Fb中进行准确率测试，准确率为P1；
步骤七：判断R值是否最优
观察两次准确率之差值ΔP＝P1-P0，ΔP>0则该E区间数据否对模型有效，为了节省人工标注成本，须尽可能的减少人工标注的成本，即筛选出进行人工标注的数据量N应尽可能的少，引入如下判别公式：R＝arg maxE(△P/N),其中，E＝标签的概率最大值-次大值，△P＝P2-P1＝f(E)表示前后两次模型准
确率的差值，N＝g(E)为添加的人工标记的数据的数量；
步骤八：分析数据量增加方法
重复步骤五、步骤六和步骤七过程；
步骤九：迭代标引，生成最终模型
(1)将当前所有已标好结果的数据作为训练数据，生成训练模型，(2)用当前的训练模型对不带标号的数据进行预测，(3)从中选出判定结果符合Ebest值的数据，随机抽取少量让人工标注，(4)将此时增加的人工标注后的数据加入已有的标注中，(5)重复此(1)到(4)的迭代过程，人为设定迭代次数，将最终得到的所有标注后的数据作为训练数据，生成最终训练模型，此模型即可用以对未知数据进行标注，对一篇新的科技文献，先获取此文献的标题，并将此标题做标准化，提取特征后置入最终模型中，即可得到对应输出，即可评判得到此文献的研究对象，该本发明基于将文章碎片化为背景、目的、研究对象、研究内容、研究方法和研究结论等元数据，在机器学习模型中优化的引入人工评定，可有效提高学习模型的改进效果的同时，能够尽量节省人工标注的成本，而最终得到的模型可直接用于实际工程实践，结合人的分析智能和统计学习的计算能力，在最小人工的劳动量的补充要求下，产生的模型可有效的提高研究对象的标引能力，最终模型可直接用以对未知数据进行预测，实用性强，方法简单。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。
Claims (2)
1.一种基于文本的自动识别文献研究的方法，其特征在于：包括首先基于CRF模型对已经标注少量的数据建模，然后对未标注数据进行预测，再从大部分标注集合中挑选尽量少的部分数据进行人工标注，接着将标注后的结果在加入到原有语料中重新建模，适当迭代该过程得到最终模型，而此模型即可用于对科技文献的研究对象进行抽取，具体为一下步骤：
步骤一：获取科技文献标题，并做初次标注
获取大量的科技文献的标题集合S，提取出少量科技文献的标题S1(S1的总量大于2000)并由人工在这些标题上做标注，标出对应的标题中提及的研究对象，标出后数据记为SD1，提取出少量科技文献的标题S2(S2的总量大于4000)并由人工在这些标题上做标注，标出对应的标题中提及的研究对象，标出后数据记为SD2，S中去除S1数据和S2数据后，剩下的部分记为S3；
步骤二：对数据进行标准化处理
由于科技文献本身涉及的对象复杂，研究对象中存在英文字母数字符号等，需要对句子进行预处理去掉这些东西，此处即根据正则表达式对原始文本进行标准化清洗，此步骤对S涉及的所有标题都进行标准化，而SD1标准化后记为SP1，SD2标准化后记为SP2，S3标准化后记为SP3；
步骤三：模型特征化提取
对数据SP1、SP2和SP3进行特征化，提取为可供模型直接使用的样本输入，对应的特征化后，SP1的特征化提取结果记为Fa,SP2的特征化提取结果记为Fb,SP3的特征化提取结果记为Fc；
步骤四：训练数据
对数据Fa用CRF模型在标注后的数据进行训练，得到训练好的模型M0，运用模型M0对数据Fb进行准确率测试，得到模型准确率P0；
步骤五：提取部分未标注数据，并进行标记
运用模型M0对数据Fc进行自动标注，各样本的各个字符对应有被分为不同类别标签的概率值，记其中 从中选取对应不同E范围的样本，随机选择一部分交给人工进行标注，将标注后的得到的数据记为D0，进而做标准化和特征化，得到FD0；
步骤六：对模型准确率评估
将FD0加入Fa中得到Fa1，在Fa1上重新建模，得到模型M1，并再次Fb中进行准确率测试，准确率为P1；
步骤七：判断R值是否最优
观察两次准确率之差值ΔP＝P1-P0，ΔP>0则该E区间数据否对模型有效，为了节省人工标注成本，须尽可能的减少人工标注的成本，即筛选出进行人工标注的数据量N应尽可能的少，引入如下判别公式：R＝arg max*△P/N,其中，E＝标签的概率最大值-次大值，△P＝P2-P1(fE)表示前后两次模型准确率的差值，N＝g(E)为添加的人工标记的数据的数量,E为参数大小；
步骤八：分析数据量增加方法
重复步骤五、步骤六和步骤七过程；
步骤九：迭代标引，生成最终模型
(1)将当前所有已标好结果的数据作为训练数据，生成训练模型，(2)用当前的训练模型对不带标号的数据进行预测，(3)从中选出判定结果符合Ebest值的数据，随机抽取少量让人工标注，(4)将此时增加的人工标注后的数据加入已有的标注中，(5)重复此(1)到(4)的迭代过程，人为设定迭代次数，将最终得到的所有标注后的数据作为训练数据，生成最终训练模型，此模型即可用以对未知数据进行标注，对一篇新的科技文献，先获取此文献的标题，并将此标题做标准化，提取特征后置入最终模型中，即可得到对应输出，即可评判得到此文献的研究对象。
2.根据权利要求1所述的一种基于文本的自动识别文献研究结论的方法，其特征在于：在步骤五中，不断调整的大小，通常是以相同间隔递增的数列，如0.1，0.2，0.3，0.4，...，1，越大，筛选的数据越多，计算每次在原来数据基础上加入重新人工标注的新数据αi重新建模，计算前后两次准确率差值△P＝Pi-P(i-1)，最后计算对应的R值，不断循环迭代，寻找最优R值，当△E越大，N越小时，越能添加尽量少的数据，得到最好的实验效果，即当R值越大时，这时的E是最优解Ebest，则在E∈[0,Ebest]时，能添加最少的数据(节省人工标注成本)，得到最好的实验效果。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610191091.0A CN107291708A (zh) | 2016-03-30 | 2016-03-30 | 一种基于文本的自动识别文献研究的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610191091.0A CN107291708A (zh) | 2016-03-30 | 2016-03-30 | 一种基于文本的自动识别文献研究的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN107291708A true CN107291708A (zh) | 2017-10-24 |
Family
ID=60087070
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610191091.0A Pending CN107291708A (zh) | 2016-03-30 | 2016-03-30 | 一种基于文本的自动识别文献研究的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107291708A (zh) |
Cited By (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108009589A (zh) * | 2017-12-12 | 2018-05-08 | 腾讯科技（深圳）有限公司 | 样本数据处理方法、装置和计算机可读存储介质 |
| CN108491389A (zh) * | 2018-03-23 | 2018-09-04 | 杭州朗和科技有限公司 | 点击诱饵标题语料识别模型训练方法和装置 |
| CN109753976A (zh) * | 2017-11-01 | 2019-05-14 | 中国电信股份有限公司 | 语料标注装置和方法 |
| CN110069602A (zh) * | 2019-04-15 | 2019-07-30 | 网宿科技股份有限公司 | 语料标注方法、装置、服务器及存储介质 |
| CN110245346A (zh) * | 2018-03-09 | 2019-09-17 | 北京国双科技有限公司 | 事件信息分析方法及装置 |
| CN110555472A (zh) * | 2019-08-27 | 2019-12-10 | 安徽心之声医疗科技有限公司 | 基于主动学习的心电信号数据标注方法 |
| CN110738303A (zh) * | 2018-07-18 | 2020-01-31 | 科沃斯机器人股份有限公司 | 机器模型更新方法、设备、***及存储介质 |
| CN111008706A (zh) * | 2019-12-09 | 2020-04-14 | 长春嘉诚信息技术股份有限公司 | 一种自动标注、训练、预测海量数据的处理方法 |
| CN111475641A (zh) * | 2019-08-26 | 2020-07-31 | 北京国双科技有限公司 | 一种数据抽取方法、装置、存储介质及设备 |
| CN112395528A (zh) * | 2019-08-13 | 2021-02-23 | 阿里巴巴集团控股有限公司 | 文本标签判别方法、装置、电子设备及存储介质 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102314507A (zh) * | 2011-09-08 | 2012-01-11 | 北京航空航天大学 | 一种中文命名实体识别歧义消解方法 |
| CN104408093A (zh) * | 2014-11-14 | 2015-03-11 | 中国科学院计算技术研究所 | 一种新闻事件要素抽取方法与装置 |
-
2016
- 2016-03-30 CN CN201610191091.0A patent/CN107291708A/zh active Pending
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102314507A (zh) * | 2011-09-08 | 2012-01-11 | 北京航空航天大学 | 一种中文命名实体识别歧义消解方法 |
| CN104408093A (zh) * | 2014-11-14 | 2015-03-11 | 中国科学院计算技术研究所 | 一种新闻事件要素抽取方法与装置 |
Non-Patent Citations (1)
| Title |
|---|
| 贺惠新等: "主动学习的科技文献研究对象标引体系研究", 《现代图书情报技术》 * |
Cited By (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109753976B (zh) * | 2017-11-01 | 2021-03-19 | 中国电信股份有限公司 | 语料标注装置和方法 |
| CN109753976A (zh) * | 2017-11-01 | 2019-05-14 | 中国电信股份有限公司 | 语料标注装置和方法 |
| CN108009589A (zh) * | 2017-12-12 | 2018-05-08 | 腾讯科技（深圳）有限公司 | 样本数据处理方法、装置和计算机可读存储介质 |
| CN110245346A (zh) * | 2018-03-09 | 2019-09-17 | 北京国双科技有限公司 | 事件信息分析方法及装置 |
| CN108491389A (zh) * | 2018-03-23 | 2018-09-04 | 杭州朗和科技有限公司 | 点击诱饵标题语料识别模型训练方法和装置 |
| CN108491389B (zh) * | 2018-03-23 | 2021-10-08 | 杭州朗和科技有限公司 | 点击诱饵标题语料识别模型训练方法和装置 |
| CN110738303A (zh) * | 2018-07-18 | 2020-01-31 | 科沃斯机器人股份有限公司 | 机器模型更新方法、设备、***及存储介质 |
| CN110069602B (zh) * | 2019-04-15 | 2021-11-19 | 网宿科技股份有限公司 | 语料标注方法、装置、服务器及存储介质 |
| CN110069602A (zh) * | 2019-04-15 | 2019-07-30 | 网宿科技股份有限公司 | 语料标注方法、装置、服务器及存储介质 |
| CN112395528A (zh) * | 2019-08-13 | 2021-02-23 | 阿里巴巴集团控股有限公司 | 文本标签判别方法、装置、电子设备及存储介质 |
| CN112395528B (zh) * | 2019-08-13 | 2022-10-21 | 阿里巴巴集团控股有限公司 | 文本标签判别方法、装置、电子设备及存储介质 |
| CN111475641A (zh) * | 2019-08-26 | 2020-07-31 | 北京国双科技有限公司 | 一种数据抽取方法、装置、存储介质及设备 |
| CN110555472A (zh) * | 2019-08-27 | 2019-12-10 | 安徽心之声医疗科技有限公司 | 基于主动学习的心电信号数据标注方法 |
| CN110555472B (zh) * | 2019-08-27 | 2023-02-03 | 安徽心之声医疗科技有限公司 | 基于主动学习的心电信号数据标注方法 |
| CN111008706A (zh) * | 2019-12-09 | 2020-04-14 | 长春嘉诚信息技术股份有限公司 | 一种自动标注、训练、预测海量数据的处理方法 |
| CN111008706B (zh) * | 2019-12-09 | 2023-05-05 | 长春嘉诚信息技术股份有限公司 | 一种自动标注、训练、预测海量数据的处理方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107291708A (zh) | 一种基于文本的自动识别文献研究的方法 | |
| Wang et al. | A two-stage parsing method for text-level discourse analysis | |
| CN106649597B (zh) | 一种基于图书内容的图书书后索引自动构建方法 | |
| CN107301244A (zh) | 一种商标分卡处理的方法、装置、***及商标存储器 | |
| CN102750316B (zh) | 基于语义共现模型的概念关系标签抽取方法 | |
| CN107526967A (zh) | 一种风险地址识别方法、装置以及电子设备 | |
| CN110598203A (zh) | 一种结合词典的军事想定文书实体信息抽取方法及装置 | |
| CN105868184A (zh) | 一种基于循环神经网络的中文人名识别方法 | |
| CN104951469B (zh) | 优化语料库的方法和装置 | |
| CN106709032A (zh) | 抽取电子表格文档中结构化信息的方法及装置 | |
| CN107004141A (zh) | 对大样本组的高效标注 | |
| CN115048316B (zh) | 一种半监督的软件代码缺陷检测方法及装置 | |
| CN108959566A (zh) | 一种基于Stacking集成学习的医疗文本去隐私方法和*** | |
| CN105095196B (zh) | 文本中新词发现的方法和装置 | |
| CN106845496B (zh) | 精细目标识别方法和*** | |
| CN107346327A (zh) | 基于监督转移的零样本哈希图片检索方法 | |
| CN102024150A (zh) | 图形识别方法及图形识别装置 | |
| CN110348017B (zh) | 一种文本实体检测方法、***及相关组件 | |
| CN105159917B (zh) | 一种电子病历的非结构化信息转化为结构化的泛化方法 | |
| CN109993216B (zh) | 一种基于k最近邻knn的文本分类方法及其设备 | |
| CN110119510A (zh) | 一种基于传递依存关系和结构助词的关系抽取方法及装置 | |
| CN112132186A (zh) | 一种存在部分缺失和未知类别标记的多标记分类方法 | |
| CN111008530A (zh) | 一种基于文档分词的复杂语义识别方法 | |
| CN107247755A (zh) | 一种基于上下文序列记忆网络的个性化图像字幕生成方法 | |
| CN112329767A (zh) | 基于联合预训练的合同文本图像关键信息提取***和方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| WD01 | Invention patent application deemed withdrawn after publication | ||
| WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20171024 |