龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
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！
摘要：本发明公开了一种基于提示学习和对抗性训练的模板化命名实体识别方法。首先通过生成使用模板的合成句子，将NER任务转换为seq2seq任务，定义针对不同类型实体的提示模板，将目标实体转换为特定格式的句子，并将其与输入句子结合生成提示输入。其次将提示输入集输入至T5，通过提示学习对模型进行微调。利用投影梯度下降方法生成对抗性样本，并进行监督对比学习和混合对抗训练。将生成的对抗性样本与原始样本结合形成新的训练集，输入至T5进行联合训练，通过模型融合进一步提升性能，并对模型进行全面评估。最后输入新的句子，通过提示模板生成提示输入，使用微调和对抗性训练后的T5模型进行推理，识别并标注句子中的命名实体。
主权项：1.一种基于提示学习和对抗性训练的模板化命名实体识别方法，其特征在于，包括如下步骤：步骤1：将NER任务转换为seq2seq任务，定义针对不同类型实体的提示模板，将目标实体转换为特定格式的句子，并将其与输入句子结合生成提示输入集；步骤2：将提示输入集输入至预训练语言模型T5，通过提示学习进行微调，使模型能够根据提示生成包含实体标注信息的句子；步骤3：利用投影梯度下降方法PGD，在提示输入集上施加微小扰动，生成对抗性样本，并进行监督对比学习和混合对抗训练；步骤4：将生成的对抗性样本与原始样本结合，形成新的训练集，输入至预训练语言模型T5进行联合训练，通过模型融合进一步提升性能，并对模型进行全面评估；步骤5：输入新的句子，通过提示模板生成提示输入，使用微调和对抗性训练后的T5模型进行推理，识别并标注句子中的命名实体。
全文数据：
权利要求：
百度查询： 淮阴工学院 一种基于提示学习和对抗性训练的模板化命名实体识别方法
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号