[發(fā)明專利]一種基于網(wǎng)絡(luò)分類的命名實體識別方法

在審

• 申請?zhí)枺?/td>: 202011472395.7
• 申請日: 2020-12-14
• 公開（公告）號: CN112487816A
• 公開（公告）日: 2021-03-12
• 發(fā)明（設(shè)計）人: 蘇延森;張寬宏;程凡
• 申請（專利權(quán)）人: 安徽大學(xué)
• 主分類號: G06F40/295
• 分類號: G06F40/295;G06F40/30;G06F40/211;G06F40/58;G06F16/332;G06F16/35
• 代理公司: 安徽省合肥新安專利代理有限責(zé)任公司 34101
• 代理人: 陸麗莉;何梅生

1.一種基于網(wǎng)絡(luò)分類的命名實體識別方法，其特征是按如下步驟進(jìn)行：

步驟一：命名實體分類模型訓(xùn)練：

步驟1.1：獲取T個命名實體樣本的文本數(shù)據(jù)，并使用Word2Vec自然語言處理工具將所述文本數(shù)據(jù)轉(zhuǎn)換為向量數(shù)據(jù)Ψ＝((x₁,y₁),(x₂,y₂),…,(x_t,y_t),…,(x_T,y_T))，(x_t,y_t)表示第t個命名實體樣本的向量數(shù)據(jù)，其中，x_t表示第t個命名實體樣本的屬性特征，且表示第t個命名實體樣本中第d個關(guān)于命名實體的屬性特征；y_t表示第t個命名實體樣本的標(biāo)簽，t＝1,2,…,T；

步驟1.2：對所述第t個命名實體樣本的屬性特征x_t進(jìn)行標(biāo)準(zhǔn)化處理，得到第t個命名實體樣本的特征向量表示第t個命名實體樣本中第d個關(guān)于命名實體的特征；

步驟1.3：利用式(1)和式(2)分別構(gòu)建兩個目標(biāo)函數(shù)f₁和f₂：

minf₁＝Rr(V_s) (1)

式(1)中，V_s為從T個向量數(shù)據(jù)Ψ中選出的向量數(shù)據(jù)，Rr(V_s)表示所選出的向量數(shù)據(jù)V_s的占T個向量數(shù)據(jù)Ψ的比例；

式(2)中，為利用所選出的向量數(shù)據(jù)V_s構(gòu)建的分類網(wǎng)絡(luò)；為分類網(wǎng)絡(luò)的分類精度；

步驟1.4：以S個待選擇的命名實體樣本的向量數(shù)據(jù)的集合作為初始種群P＝{p₁,...,p_S}，p_S表示第S個待選擇的命名實體樣本的向量數(shù)據(jù)集合并作為一個個體；

采用長度為T的二進(jìn)制編碼對所初始種群P進(jìn)行編碼；若個體p_S的二進(jìn)制編碼中的第i位為1，則表示第i個命名實體樣本的屬性特征x_t被選中并用于構(gòu)造分類網(wǎng)絡(luò)

步驟1.5：定義當(dāng)前迭代次數(shù)為n，最大迭代次數(shù)為N；并初始化n＝1；以初始種群P作為第n次迭代的父代種群Pⁿ；

步驟1.6：通過二元錦標(biāo)賽從第n次迭代的父代種群Pⁿ中隨機(jī)選出兩個個體p_x和p_y并分別構(gòu)建分類網(wǎng)絡(luò)和若分類網(wǎng)絡(luò)的精度高于分類網(wǎng)絡(luò)則從第n次迭代的父代種群Pⁿ獲取高于分類網(wǎng)絡(luò)精度的所有個體，并從中隨機(jī)選擇一個個體p_z；對個體p_y和p_z進(jìn)行交叉變異，得到變異后的個體p′_y和p′_z；從個體p_y、p′_y和p′_z中選出分類網(wǎng)絡(luò)精度最高的個體來替代個體p_y；最后由替代后的個體p_y與個體p_x進(jìn)行交叉變異產(chǎn)生第n次迭代的子代P′ⁿ；

步驟1.7：將第n次迭代的父代種群Pⁿ和第n次迭代的子代P′ⁿ進(jìn)行合并，得到第n次迭代的合并種群，利用式(3)得到第n次迭代的合并種群中任意個體pⁿ的重要性IMP(pⁿ)：

IMP(pⁿ)＝α×Acc(pⁿ)+(1-α)×(-Red(pⁿ)) (3)

式(3)中，α為折中因子，Acc(pⁿ)為個體pⁿ的精度，Red(pⁿ)為個體pⁿ的冗余度，并有：

Red(pⁿ)＝(a₁×b₁+a₂×b₂+...+a_i×b_i+...+a_m×b_m)/m (4)

式(4)中，m為第n次迭代的合并種群中除個體pⁿ以外的個體數(shù)目；a_i為個體pⁿ與第n次迭代的合并種群中除個體pⁿ以外的第i個個體在源空間的冗余度，并通過個體pⁿ與第i個個體選擇的相同命名實體樣本的數(shù)目除以T得到，i∈{1,..,m}；b_i為個體pⁿ與第i個個體在精度目標(biāo)空間的冗余度，由式(5)獲得：

式(5)中，Acc(i)表示第i個個體所構(gòu)建的分類網(wǎng)絡(luò)的精度，Acc(pⁿ)表示個體pⁿ所構(gòu)建的分類網(wǎng)絡(luò)的精度；

步驟1.8：根據(jù)式(3)得到第n次迭代的合并種群中所有個體pⁿ的重要性排序，并選擇出前S個個體作為第n+1次迭代的父代種群Pⁿ；

步驟1.9：令n+1賦值給n，并判斷n＞N是否成立，若成立，則將第N次迭代的父代種群中分類網(wǎng)絡(luò)精度最高的個體所對應(yīng)的命名實體樣本的向量數(shù)據(jù)選出并用于構(gòu)造最優(yōu)網(wǎng)絡(luò)分類器，執(zhí)行步驟二，否則，返回步驟1.6執(zhí)行；

步驟二：命名實體識別：

步驟2.1：輸入待識別的命名實體樣本的文本數(shù)據(jù)，按照步驟1.1和步驟1.2進(jìn)行處理，并得到待測樣本的特征向量；

步驟2.3：利用所述最優(yōu)網(wǎng)絡(luò)分類器對待測樣本的的特征向量進(jìn)行分類，所得到的標(biāo)簽表示待測樣本所對應(yīng)的命名實體。

2.根據(jù)權(quán)利要求1所述的一種基于網(wǎng)絡(luò)分類的命名實體識別方法，其特征是，所述式(6)中的分類網(wǎng)絡(luò)是采用歐幾里得距離的k關(guān)聯(lián)最優(yōu)圖的構(gòu)造方式，其步驟包括：

對于特征向量利用式(6)求得第t個命名實體樣本中d個關(guān)于命名實體的特征向量與第i個命名實體樣本中d個關(guān)于命名實體的特征向量的歐式距離d_ti，并選擇距離最近的k個同一類別的命名實體建立網(wǎng)絡(luò)連接，從而構(gòu)成分類網(wǎng)絡(luò)：

式(6)中，表示第t個命名實體樣本中第d個關(guān)于命名實體的特征向量。