Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 华南师范大学胡小勇获国家专利权

华南师范大学胡小勇获国家专利权

买专利卖专利找龙图腾,真高效! 查专利查商标用IPTOP,全免费!专利年费监控用IP管家,真方便!

龙图腾网获悉华南师范大学申请的专利一种多文本特征适应器增强的专业素养命名实体识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120106065B

龙图腾网通过国家知识产权局官网在2025-12-26发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202510116431.2,技术领域涉及:G06F40/295;该发明授权一种多文本特征适应器增强的专业素养命名实体识别方法是由胡小勇;谢雅淇;穆肃;张缨斌;陈丽诗设计研发完成,并于2025-01-24向国家知识产权局提交的专利申请。

一种多文本特征适应器增强的专业素养命名实体识别方法在说明书摘要公布了:本发明公开了一种多文本特征适应器增强的专业素养命名实体识别方法。本发明根据内容含义对专业素养命名实体进行标注,基于“BIO”法对专业素养命名实体进行文字标签化;并借助BERT模型在自然语言处理领域的特点和优势,将多文本特征适应器融入BERT进行模型微调,提出MFEBERT模型;构建MFEBERT+BiLSTM+CRF专业素养命名实体识别模型,MFEBERT利用多文本特征适应器融合专业素养命名实体的文字级特征、词汇级和词性级融合特征,通过BiLSTM+CRF学习专业素养命名实体的约束条件,最终实现专业素养命名实体的智能化识别,为科学精准有效的构建专业素养评价指标体系提供重要技术支撑,有助于促进教育评价体系的创新性构建与应用。

本发明授权一种多文本特征适应器增强的专业素养命名实体识别方法在权利要求书中公布了:1.一种多文本特征适应器增强的专业素养命名实体识别方法,其特征在于,包括下述步骤: 获取专业素养命名实体;根据内容含义对专业素养命名实体进行标注,形成专业素养命名实体数据集;将所述专业素养命名实体数据集划分为训练集和测试集; 对专业素养命名实体进行文字标签化和分词处理,形成多个专业素养命名词汇; 构建多文本特征适应器,基于所述多文本特征适应器构建面向专业素养的命名实体识别整合模型; 使用所述面向专业素养的命名实体识别整合模型对所述专业素养命名词汇进行预测,得到专业素养命名实体结果; 对相似度高于预设相似度阈值的专业素养命名实体结果进行合并处理; 所述面向专业素养的命名实体识别整合模型,具体包括MFEBERT层、BiLSTM层和CRF层; 其中,所述MFEBERT层中包括BERT嵌入层、第一Transformer层、所述多文本特征适应器和第二Transformer层;所述MFEBERT层用于对所述专业素养命名词汇的文字级特征、词汇级特征和词性级特征进行特征融合,得到所述专业素养命名词汇的向量表示; 所述BiLSTM层用于基于所述向量表示挖掘专业素养命名实体的词汇成分在句子中双向语义依赖,得到词向量所属不同专业素养命名实体标签类别的概率; 所述CRF层用于学习专业素养命名实体标签内部的约束关系,得到预测的专业素养命名实体结果作为模型输出; 其中,所述多文本特征适应器包括词性嵌入层、词汇嵌入层、双线性注意力网络和归一化层; 所述词性嵌入层用于对所述专业素养命名词汇进行词性标注和词性嵌入,得到词性嵌入向量; 所述词汇嵌入层用于对所述专业素养命名词汇进行词汇嵌入,得到词汇嵌入向量; 所述双线性注意力网络用于将所述词性嵌入向量和词汇嵌入向量进行特征融合,得到多维词特征向量; 所述归一化层用于将所述多维词特征向量与字特征向量进行向量相加与归一化,得到融合特征向量; 其中,所述使用所述多文本特征适应器对所述专业素养命名词汇的文字级特征、词汇级特征和词性级特征进行特征融合,得到融合特征向量,具体包括以下步骤: 在BERT嵌入层中,对所述专业素养命名词汇中每个字进行嵌入,形成子嵌入向量; 在第一Transformer层中,通过注意力机制提取每个子嵌入向量与句子中其他子嵌入向量的语义关系,得到字特征向量; 在词性嵌入层中,对所述专业素养命名词汇进行词性标注,得到词性标注结果;对所述词性标注结果进行独热编码,形成词性嵌入向量; 在词汇嵌入层中,使用word2vec模型对所述专业素养命名词汇进行词汇嵌入,得到词汇嵌入向量; 在双线性注意力网络中,将所述词性嵌入向量与词汇嵌入向量进行特征融合,得到多维词特征向量; 在归一化层中,将所述多维词特征向量与字特征向量进行向量相加与归一化,得到融合特征向量; 在第二Transformer层中,通过注意力机制获得专业素养命名词汇的向量表示。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人华南师范大学,其通讯地址为:510631 广东省广州市天河区中山大道西55号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。