Processing

Please wait...

PATENTSCOPE will be unavailable a few hours for maintenance reason on Tuesday 25.01.2022 at 9:00 AM CET
Settings

Settings

Goto Application

1. WO2022001333 - HYPERBOLIC SPACE REPRESENTATION AND LABEL TEXT INTERACTION-BASED FINE-GRAINED ENTITY RECOGNITION METHOD

Publication Number WO/2022/001333
Publication Date 06.01.2022
International Application No. PCT/CN2021/090507
International Filing Date 28.04.2021
IPC
G06F 16/33 2019.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
FELECTRIC DIGITAL DATA PROCESSING
16Information retrieval; Database structures therefor; File system structures therefor
30of unstructured textual data
33Querying
G06F 16/35 2019.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
FELECTRIC DIGITAL DATA PROCESSING
16Information retrieval; Database structures therefor; File system structures therefor
30of unstructured textual data
35Clustering; Classification
G06F 40/295 2020.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
20Natural language analysis
279Recognition of textual entities
289Phrasal analysis, e.g. finite state techniques or chunking
295Named entity recognition
G06N 3/04 2006.1
GPHYSICS
06COMPUTING; CALCULATING OR COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architecture, e.g. interconnection topology
Applicants
  • 首都师范大学 CAPITAL NORMAL UNIVERSITY [CN]/[CN]
Inventors
  • 刘杰 LIU, Jie
Agents
  • 北京易捷胜知识产权代理事务所(普通合伙) BEIJING EASY JOY SOON IP AGENT LTD
Priority Data
202010622631.230.06.2020CN
Publication Language Chinese (zh)
Filing Language Chinese (ZH)
Designated States
Title
(EN) HYPERBOLIC SPACE REPRESENTATION AND LABEL TEXT INTERACTION-BASED FINE-GRAINED ENTITY RECOGNITION METHOD
(FR) PROCÉDÉ DE RECONNAISSANCE D'ENTITÉ À GRANULARITÉ FINE BASÉ SUR UNE INTERACTION DE TEXTE D'ÉTIQUETTE ET UNE REPRÉSENTATION D'ESPACE HYPERBOLIQUE
(ZH) 基于双曲空间表示和标签文本互动的细粒度实体识别方法
Abstract
(EN) Provided is a hyperbolic space representation and label text interaction-based fine-grained entity recognition method, comprising steps of: S1, performing interaction on entities and contexts on the basis of labeled entities and contexts in a data set to obtain entity-context representations; S2, obtaining word-level label relationship matrices in a hyperbolic space on the basis of labels in the data set in combination with a pre-trained graph convolutional neural network model; and S3, inputting the entity-context representations and the word-level label relationship matrices into a pre-trained hyperbolic space-based label text interaction mechanism model, and outputting final label classification results of the entities, thereby solving the technical problems in the prior art that co-occurrence relationships contains noise and the matching in hyperbolic space text label mapping is poor.
(FR) L'invention concerne un procédé de reconnaissance d'entité à granularité fine basé sur une interaction de texte d'étiquette et une représentation d'espace hyperbolique, comprenant les étapes consistant à : S1, exécuter une interaction sur des entités et des contextes sur la base d'entités et de contextes étiquetés dans un jeu de données pour obtenir des représentations entité-contexte ; S2, obtenir des matrices de relation d'étiquette de niveau de mot dans un espace hyperbolique sur la base d'étiquettes dans le jeu de données en association avec un modèle de réseau de neurones à convolution de graphe préformé ; et S3, saisir les représentations entité-contexte et les matrices de relation d'étiquette de niveau de mot dans un modèle de mécanisme d'interaction de texte d'étiquette basé sur un espace hyperbolique préformé, et émettre des résultats de classification d'étiquette finale des entités, ce qui permet de résoudre les problèmes techniques de l'état de la technique selon lesquels des relations de cooccurrence contiennent du bruit et la correspondance dans le mappage d'étiquette de texte d'espace hyperbolique est faible.
(ZH) 提供了一种基于双曲空间表示和标签文本互动的细粒度实体识别方法。包括步骤:S1、基于数据集中已标注的实体和上下文,并对实体和上下文进行交互,得到实体-上下文表示;S2、在双曲空间下,基于数据集中的标签,并结合预先训练的图卷积神经网络模型,得到词级标签关系矩阵;S3、将实体-上下文表示和词级标签关系矩阵输入预先训练的基于双曲空间的标签文本互动机制模型,输出实体最终的标签分类结果。解决了现有技术中共现关系含噪、双曲空间文本标签映射匹配差的技术问题。
Related patent documents
Latest bibliographic data on file with the International Bureau