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！

申请/专利权人：同方知网数字出版技术股份有限公司;同方知网(北京)技术有限公司

摘要：本发明公开了一种基于数字人文的实体分类模型训练与预测方法，包括：从部分工具书中检索出至少六类实体，将人物实体中带有特殊描述前缀后缀的文本，利用HMM模型提取出词性为nr的文本，作为清洗后的样本；将检索出的实体分为正负两类，投入BertTokenizer中转换为token向量，并根据实体的文本长度特征，将向量扩充为16维向量；训练token文本向量，得到BIRNN分类模型结构；识别并校准BIRNN分类模型结果，生成不同类别的词典；将结果导出到数据库中，进行审核、去重并补全信息。

主权项：1.一种基于数字人文的实体分类模型训练与预测方法，其特征在于，包括：步骤A从分类明确的工具书中检索出至少六类实体，将人物实体中带有特殊描述前缀后缀的文本，利用HMM模型提取出词性为nr的文本，作为清洗后的样本；步骤B将检索出的实体分为正负两类，投入BertTokenizer中转换为token向量，并根据实体的文本长度特征，将token向量扩充为16维向量；步骤C训练token向量，得到BIRNN分类模型结构；步骤D识别并校准BIRNN分类模型结果，生成不同类别的词典；步骤E将结果导出到数据库中，进行审核、去重并补全信息；所述实体分类模型训练与预测方法对古代人文信息的人物、官职、机构、朝代、事件、地点及其他实体进行分类，包括：不规则样本调整模型，用于将文本信息过于冗长的样本提取出精简文本，通过不规则样本调整模型对目标实体进行初步调整，便于提高分类模型精度；实体类型分类模型，由于均为短文本，考虑到RNN较强的短期记忆能力，采用Bert+BIRNN算法，获得目标实体的分类结果；所述步骤C中BIRNN分类模型中神经网络结构包括：嵌入层，用于对序列中的每一个字相应的向量进行加权，并将16维的稀疏特征向量经过空间投影转为8维的嵌入向量；Dropout层，设置有两层，且中间一层双向RNN，在双向RNN层前后各设置一层Dropout，增强BIRNN分类模型泛化能力；Softmax层，根据实体的向量特征得到一个类别分布概率向量，取概率值最大的类别作为最终预测结果；所述步骤E中进行审核、去重并补全的信息具体包括：人物实体，人物具有不同的名字或别称，通过实体样本中带有的信息，进行别称合并，别称放入“别称”字段中，只保留人名作为人物实体的唯一标识；地点实体，不同朝代中地点命名相同或不同，不同朝代的地点作为不同的实体，并添加地点经纬度。

全文数据：

权利要求：

百度查询： 同方知网数字出版技术股份有限公司 同方知网(北京)技术有限公司 一种基于数字人文的实体分类模型训练与预测方法