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：本发明公开一种关键字提取模型的构建方法、装置及存储介质，包括：获取语料数据、第一标注结果和第二标注结果；根据每个词和神经网络模型确定第一词向量；将第一词向量输入全连接分类层得到隐状态向量；根据隐状态向量、标注分类层及归一化函数，得到第一结果；根据隐状态向量和卷积神经网络模型得到卷积神经网络模型的卷积层的第二结果；根据第二标注结果和第二结果，对目标网络模型进行迭代优化直至整个模型收敛；根据第一标注结果和第一结果，对目标网络模型进行迭代优化直至整个模型收敛；根据收敛后的神经网络模型、全连接分类层、标注分类层得到关键字提取模型。通过机器自行学习特征限定规则，节省了人力，提高了关键字提取模型的准确性。

主权项：1.一种关键字提取模型的构建方法，其特征在于，包括：获取语料数据、第一标注结果和第二标注结果，所述第一标注结果包括所述语料数据中的每个词的真实标签，所述真实标签用于指示所述词是否是关键字，所述第二标注结果包括多个窗口，每个窗口包括所述语料数据中的一个词的真实标签，以及所述一个词之后的M-1个词的真实标签，M为大于1的整数，每个窗口包括M个真实标签；根据每个词和神经网络模型，确定每个词对应的第一词向量，所述第一词向量用于指示对应的词的上下文信息；将每个词对应的第一词向量输入全连接分类层，得到每个词对应的隐状态向量，所述隐状态向量用于指示对应的词的预测标签；根据每个词对应的隐状态向量、全连接神经网络模型构成的标注分类层，以及归一化函数，得到第一结果，所述第一结果包括每个词对应的概率值大于预设概率值的预测标签；根据每个词对应的隐状态向量和卷积神经网络模型，得到所述卷积神经网络模型的卷积层的第二结果，所述第二结果包括多个约束规则，每个约束规则为所述语料数据的连续M个词的M个预测标签之间的约束规则；根据所述第二标注结果和所述第二结果，对目标网络模型进行迭代优化，直至所述目标网络模型的每个模型收敛，所述目标网络模型包括所述神经网络模型、所述全连接分类层、所述标注分类层和所述卷积神经网络模型；根据所述第一标注结果和所述第一结果，对所述目标网络模型进行迭代优化，直至所述目标网络模型的每个模型收敛；根据收敛后的神经网络模型、全连接分类层、标注分类层得到所述关键字提取模型。

全文数据：

权利要求：

百度查询： 深圳零时科技有限公司 关键字提取模型的构建方法、装置及存储介质