Traitement en cours

Veuillez attendre...

Paramétrages

Paramétrages

Aller à Demande

1. WO2020167558 - MODÈLES FORMÉS DE MANIÈRE DYNAMIQUE D'UNE RECONNAISSANCE D'ENTITÉ NOMMÉE SUR DES DONNÉES NON STRUCTURÉES

Numéro de publication WO/2020/167558
Date de publication 20.08.2020
N° de la demande internationale PCT/US2020/016834
Date du dépôt international 05.02.2020
CIB
G06N 3/04 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
04Architecture, p.ex. topologie d'interconnexion
G06N 3/08 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
3Systèmes de calculateurs basés sur des modèles biologiques
02utilisant des modèles de réseaux neuronaux
08Méthodes d'apprentissage
G06N 5/02 2006.1
GPHYSIQUE
06CALCUL; COMPTAGE
NSYSTÈMES DE CALCULATEURS BASÉS SUR DES MODÈLES DE CALCUL SPÉCIFIQUES
5Systèmes de calculateurs utilisant des modèles basés sur la connaissance
02Représentation de la connaissance
CPC
G06F 40/253
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
20Natural language analysis
253Grammatical analysis; Style critique
G06F 40/295
GPHYSICS
06COMPUTING; CALCULATING; 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
G06F 40/30
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
30Semantic analysis
G06F 40/56
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
FELECTRIC DIGITAL DATA PROCESSING
40Handling natural language data
40Processing or translation of natural language
55Rule-based translation
56Natural language generation
G06N 3/0445
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
04Architectures, e.g. interconnection topology
0445Feedback networks, e.g. hopfield nets, associative networks
G06N 3/084
GPHYSICS
06COMPUTING; CALCULATING; COUNTING
NCOMPUTER SYSTEMS BASED ON SPECIFIC COMPUTATIONAL MODELS
3Computer systems based on biological models
02using neural network models
08Learning methods
084Back-propagation
Déposants
  • LIVE OBJECTS, INC. [US]/[US]
Inventeurs
  • DASGUPTA, Sudipto, Shankar
  • RAGHAVENDRA, Kamesh
Mandataires
  • TSANG, Fredrick
  • FARN, Michael, W.
  • MCNELIS, John, T.
  • BROWNSTONE, Daniel, R.
  • PATEL, Rajiv
Données relatives à la priorité
16/540,53014.08.2019US
16/670,65331.10.2019US
20194100551312.02.2019IN
Langue de publication anglais (EN)
Langue de dépôt anglais (EN)
États désignés
Titre
(EN) DYNAMICALLY TRAINED MODELS OF NAMED ENTITY RECOGNITION OVER UNSTRUCTURED DATA
(FR) MODÈLES FORMÉS DE MANIÈRE DYNAMIQUE D'UNE RECONNAISSANCE D'ENTITÉ NOMMÉE SUR DES DONNÉES NON STRUCTURÉES
Abrégé
(EN)
A computing server configured to process data of a domain from unstructured data sources to generate natural language phrases describing relationships between entities identified from the unstructured data. The computing server may receive master data schema and domain knowledge ontology of a domain including relationship definitions in the domain. The computing server may identify targeted types of named entities of the domain from the master data schema according to the relationship definitions in the domain knowledge ontology. The computing server may extract a plurality of named entities from unstructured data of the domain. The computing server may generate one or more sequences of named entities and assign entity labels to the named entities. The computing server may, based on the entity labels, generate natural language phrases describing relationships of sets of named entities.
(FR)
La présente invention concerne un serveur informatique qui est configuré pour traiter des données d'un domaine à partir de sources de données non structurées pour générer des phrases en langage naturel décrivant des relations entre des entités identifiées à partir des données non structurées. Le serveur informatique peut recevoir un schéma de données maîtresses et une ontologie de connaissances de domaine d'un domaine comprenant des définitions de relations dans le domaine. Le serveur informatique peut identifier des types ciblés d'entités nommées du domaine à partir du schéma de données maîtresses selon les définitions de relations dans l'ontologie de connaissances de domaine. Le serveur informatique peut extraire une pluralité d'entités nommées à partir de données non structurées du domaine. Le serveur informatique peut générer une ou plusieurs séquences d'entités nommées et attribuer des étiquettes d'entité aux entités nommées. Le serveur informatique peut, sur la base des étiquettes d'entité, générer des phrases en langage naturel décrivant des relations d'ensembles d'entités nommées.
Dernières données bibliographiques dont dispose le Bureau international