WIPO logo
Mobile | Deutsch | English | Español | 日本語 | 한국어 | Português | Русский | 中文 | العربية |
PATENTSCOPE

Recherche dans les collections de brevets nationales et internationales
World Intellectual Property Organization
Recherche
 
Options de navigation
 
Traduction
 
Options
 
Quoi de neuf
 
Connexion
 
Aide
 
Traduction automatique
1. (WO2005064490) SYSTEME PERMETTANT DE RECONNAITRE ET DE CLASSER DES ENTITES NOMMEES
Dernières données bibliographiques dont dispose le Bureau international   

N° de publication :    WO/2005/064490    N° de la demande internationale :    PCT/SG2003/000299
Date de publication : 14.07.2005 Date de dépôt international : 31.12.2003
Demande présentée en vertu du Chapitre 2 :    01.08.2005    
CIB :
G06F 17/27 (2006.01)
Déposants : AGENCY FOR SCIENCE, TECHNOLOGY AND RESEARCH [SG/SG]; 20 Biopolis Way, #07-01 Centros, 138668 Singapore (SG) (Tous Sauf US).
ZHOU, Guodong [CN/SG]; (SG) (US Seulement).
SU, Jian [CN/SG]; (SG) (US Seulement)
Inventeurs : ZHOU, Guodong; (SG).
SU, Jian; (SG)
Mandataire : ELLA CHEONG SPRUSON & FERGUSON (SINGAPORE) PTE LTD; Robinson Road Post Office, P.O. Box 1531, Singapore 903031 (SG)
Données relatives à la priorité :
Titre (EN) SYSTEM FOR RECOGNISING AND CLASSIFYING NAMED ENTITIES
(FR) SYSTEME PERMETTANT DE RECONNAITRE ET DE CLASSER DES ENTITES NOMMEES
Abrégé : front page image
(EN)A Hidden Markov Model is used in Named Entity Recognition (NER). Using the constraint relaxation principle, a pattern induction algorithm is presented in the training process to induce effective patterns. The induced patterns are then used in the recognition process by a back-off modelling algorithm to resolve the data sparseness problem. Various features are structured hierarchically to facilitate the constraint relaxation process. In this way, the data sparseness problem in named entity recognition can be resolved effectively and a named entity recognition system with better performance and better portability can be achieved.
(FR)L'on fait appel à un modèle de Markov caché pour la reconnaissance d'entités nommées. A l'aide du principe de relaxation de contraintes, l'on introduit un algorithme de formation de motifs dans le processus d'apprentissage, afin de générer des motifs efficaces. Un algorithme de modélisation par repli utilise les motifs générés dans le processus de reconnaissance, afin de résoudre le problème de la dispersion de données. Divers attributs sont structurés hiérarchiquement afin de faciliter le processus de relaxation de contraintes. Le système selon l'invention permet de résoudre efficacement le problème de la dispersion de données dans la reconnaissance d'entités nommées, et d'obtenir un système de reconnaissance d'entités nommées d'une plus grande efficacité et d'une meilleure portabilité.
États désignés : AE, AG, AL, AM, AT, AU, AZ, BA, BB, BG, BR, BY, BZ, CA, CH, CN, CO, CR, CU, CZ, DE, DK, DM, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, HR, HU, ID, IL, IN, IS, JP, KE, KG, KP, KR, KZ, LC, LK, LR, LS, LT, LU, LV, MA, MD, MG, MK, MN, MW, MX, MZ, NI, NO, NZ, OM, PG, PH, PL, PT, RO, RU, SC, SD, SE, SG, SK, SL, SY, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, YU, ZA, ZM, ZW.
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (GH, GM, KE, LS, MW, MZ, SD, SL, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, MD, RU, TJ, TM)
Office européen des brevets (OEB) (AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HU, IE, IT, LU, MC, NL, PT, RO, SE, SI, SK, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, ML, MR, NE, SN, TD, TG).
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)