融合多任务和多标签学习的司法领域深度事件抽取方法
公开
摘要
本发明公开了融合多任务和多标签学习的司法领域深度事件抽取方法，能够基于BERT预训练模型与multi‑task实现触发词提取与事件分类，在增强后的数据上通过多标签分类实现事件要素提取的司法领域事件抽取。目前针对司法领域文本特点，提出一种基于预训练模型BERT的事件抽取模型，通过masked LM方法在领域数据上对BERT进行调优，以学习到更适合领域知识的特征表示；将触发词提取和事件分类任务联合，以multi‑task的形式将两个任务统一到一个损失函数中，利用任务之间的相关性促进学习性能的提升；使用事件要素的start与end标注进行学习与预测，对于多个事件要素，分别设计对应的网络层进行抽取，减少不同要素之间的相互干扰。
基本信息
专利标题 ：
融合多任务和多标签学习的司法领域深度事件抽取方法
专利标题（英）：
暂无
公开（公告）号 ：
CN114580428A
申请号 ：
CN202210078832.X
公开（公告）日 ：
2022-06-03
申请日 ：
2022-01-24
授权号 ：
暂无
授权日 ：
暂无
发明人 ：
黄杨琛王立才郭前进李孟书李兴宇
申请人 ：
中国电子科技集团公司第十五研究所
申请人地址 ：
北京市海淀区北四环中路211号
代理机构 ：
北京理工大学专利中心
代理人 ：
高会允
优先权 ：
CN202210078832.X
主分类号 ：
G06F40/30
IPC分类号 ：
G06F40/30 G06F40/242 G06F40/211 G06K9/62 G06N3/04 G06N3/08
IPC结构图谱
G
G部——物理
G06
计算；推算或计数
G06F
电数字数据处理
G06F40/30
语义分析
法律状态
2022-06-03 ：
公开
注：本法律状态信息仅供参考，即时准确的法律状态信息须到国家知识产权局办理专利登记簿副本。
文件下载
暂无PDF文件可下载
