【技术实现步骤摘要】
基于二分类和要素知识模型融合的事件标签检测方法
[0001]本专利技术涉及自然语言处理和公安管理领域，特别是涉及基于二分类和要素 知识模型融合的事件标签检测方法。
技术介绍
[0002]随着深度神经网络模型(DNN)以及图形处理器(GPU)的发展，使得训 练更大参数、更多层数的神经网络成为可能。而自然语言序列中蕴含着特定的 模式和相关知识信息，尤其是在诸如事件文本等垂直领域，这种模式特征和知 识蕴含更加明显。深度神经网络模型可以很好的学习和捕获这些文本序列中的 模式和知识，并在未见到过的数据上进行预测。近年来公安机关等相关部门信 息化办公程度的日益完善，在接处警的同时也积累了海量的警情文本等事件文 本数据。但目前对于每天事件标签的验证方式，还是以人工逐条检查为主，这 不仅消耗了大量人力而且效率低下。
[0003]有效利用已积累的海量事件数据，依据深度神经网络模型在序列标签分类 的能力，再结合要素知识、规则后处理能够有效降低人工需要检查的数据量。 最终通过人机耦合的方式，可以更快更高效的完成接处警数据标签的检查和验 证...
【技术保护点】
【技术特征摘要】
1.一种基于二分类和要素知识模型融合的事件标签检测方法，其特征在于，包括：对事件文本与对应标签进行拼接，得到整体向量表征；将整体向量表征经相符性判断模块，判断事件文本与事件标签的关联度，得到第二标签检测结果；基于要素知识的事件标签检测模型，对事件文本进行标签检测，得到第一标签检测结果；通过网格搜索，对第一标签检测结果和第二标签检测结果进行融合，得到事件的最终标签检测结果。2.如权利要求1所述的方法，其特征在于，所述对事件文本与对应标签进行拼接，得到整体向量表征包括：对事件文本与对应标签进行拼接，经过BERT模型得到事件文本的整体向量表征。3.如权利要求1所述的方法，其特征在于，所述将整体向量表征经相符性判断模...
【专利技术属性】
技术研发人员：孟福利，李明洹，陈耀玲，刘加新，何莹，吴瑞萦，郑新，李直旭，
申请(专利权)人：科大讯飞苏州科技有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。