【技术实现步骤摘要】
本专利技术涉及自然语言处理领域，具体涉及一种基于文本图像的多模态命名实体识别方法。
技术介绍
1、随着信息技术的飞速发展，网络已经逐渐融入我们的日常生活，成为不可或缺的一部分。越来越多的人习惯通过网络获取新闻、分享生活和评论时事。这一趋势推动了社交媒体平台的迅速发展，涌现出许多超大规模的社交媒体平台，如推特、微博、豆瓣等。这些社交媒体平台聚集了大量用户生成的内容，包括文本、图像和视频等形式，而且它们的规模不断扩大。
2、社交媒体平台上的用户生成内容具有高度的时效性，蕴含着丰富的信息。深入挖掘和分析这些内容能够为社会带来巨大的价值。实际上，如何充分利用社交媒体数据早已引起了广泛的关注。社交媒体数据已经成为许多应用的重要信息来源，例如开放域事件抽取、商品品类挖掘等。尽管社交媒体上的用户生成内容具有较高的价值，值得深入挖掘分析，但是利用人工手段从大规模的非结构化数据中挖掘出有用的信息是昂贵且不现实的。因此，如何从海量的非结构化社交媒体数据中自动抽取所需信息成为一个至关重要的问题。
3、命名实体识别(ner)作为信息抽取...
【技术保护点】
1.一种基于文本图像的多模态命名实体识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于文本图像的多模态命名实体识别方法，其特征在于，步骤S1具体实现方式为：选取两个多模态命名实体基准数据集，即Twitter15数据集和Twitter17数据集，用于模型训练和验证使用，按照预定比例把数据集划分为训练集、验证集、测试集三个部分，并统一进行标准化处理。
3.根据权利要求1所述的一种基于文本图像的多模态命名实体识别方法，其特征在于，步骤S2中，文本图像异构相似图模型包括：两个特征提取模块、图构建模块、图传播模块、特征融合模块，其中，
4.根...
【技术特征摘要】
1.一种基于文本图像的多模态命名实体识别方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的一种基于文本图像的多模态命名实体识别方法，其特征在于，步骤s1具体实现方式为：选取两个多模态命名实体基准数据集，即twitter15数据集和twitter17数据集，用于模型训练和验证使用，按照预定比例把数据集划分为训练集、验证集、测试集三个部分，并统一进行标准化处理。
3.根据权利要求1所述的一种基于文本图像的多模态命名实体识别方法，其...
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。