分类号: TP391.1 论文编号 :2018023160密级:公开贵 州大学 2021 届硕士士研究生学位论文基于 BERT-BiLSTM-CRF 知识抽取模型的 民族药知识图谱构建学科专业 研究方向 导 师研 究 生电 子科学与技术 知识抽取、知识图谱 贺松 副教授关 B 光 敏中 国■贵州■ 贵阳 2021 年 06 月 ...
方法:将医疗知识图谱中的三元组信息集成到BERT-BiLSTM-CRF模型中,可实现为模型配备相应的医疗领域知识,进而增强模型的语言表征能力.结果:利用现有公开数据集进行实验,融入知识图谱后BERT-BiLSTM-CRF模型的识别精确率,召回率和F1值均有显著提升,优于现有NER模型.结论:MKG-BERT-BiLC模型能够更好地识别电子病历中的...
1.一种基于bert+bilstm+crf与xgboost模型的多意图识别方法,其特征在于,包括如下步骤:步骤1:通过得到用户的交互文本或者语音信息,构建数据集;步骤2:对所述数据集进行预处理,得到标准格式数据;步骤3:通过bert+bilstm+crf模型将所述标准格式数据转换为特征句向量;步骤4:通过xgboost模型训练相应的特征句向量模型来进行...
5.针对现有技术存在的传统的单一意图识别无法满足用户多意图语言指令下的要求,而传统的多意图识别拆分句子的方案并不能从根本上将一个多意图句子拆分程多个单意图句子的问题,本发明的目的在于提供一种基于bert+bilstm+crf与xgboost模型的多意图识别方法,通过对句子分析,解析出句子里所包含的多意图信息;本发明一方面使用...
31.图1是本发明中一种基于bert+bilstm+crf与xgboost模型多意图识别方法流程 图; 32.图2是本发明具体实施方式提供的bert模型的结构示意图; 33.图3是本发明具体实施方式提供的bert+bilstm+crf融合模型的结构示意图; 34.图4是本发明具体实施方式提供的一种电子设备的结构示意图。