专利交易市场

本发明提出了一种基于连续数字压缩编码的长数字实体抽取方法，包括：S1，将实体词典中的实体信息融合到单个字符的表示中；S2，对带噪音的长数字实体进行压缩编码和标注；S3，送入Bi‑LSTM+CRF模型进行实体识别训练，然后对长数字实体进行抽取，得到所需的命名实体。本发明在NER任务的实体标注阶段增加一种新的H标签，专门对长数字实体中的噪音数据进行标注，使模型通过学习H标签，CNCD技术能有效识别规范的和带噪音的长数字实体，同时保证对其他类型实体的识别率正确率。

本发明请求保护一种基于词语特征值的法律专有领域词发现方法，其包括以下步骤：首先读入待分词操作的法律领域文本数据集，根据明显的分隔符对输入的初始文本数据集进行粗切分得到一系列的短字符串，构成短字符串集；然后利用基于词典的正向最大匹配算法将短字符串集切分成多个散串及散词，通过分析法律领域专有词的构词规则，将这些散词散串进行合并提取，放入到候选分词词串集；执行基于词语特征值的法律专有领域词发现算法，计算候选分词词串集中的每个候选分词词串的词语特征值，当候选分词词串的词语特征值大于设定的阈值时，就加入到分词结果中，否则就舍弃该词串，最后完成分词，本发明提升了法律领域文档中分词工作的准确度。

本发明涉及计算机领域，具体是基于情感传播的隐式情感词典生成方法，包括如下步骤：步骤一、通过网络爬虫技术提取出社交媒体中的文本数据，并对非正式文本数据进行处理，恢复成自然语言；步骤二、通过词法与句法分析将句子构成句法树，将句法树中的名词、动词以及形容词提取出来构建成为完全图；步骤三、在完全图中进行情感传播，当情感传播结束后即可获得隐式情感词典，解决了隐式情感词典的构建通过人工标注数据，耗费人力物力以及时间的问题。

本申请公开了一种基于TF‑IDF的主题词提取方法、装置、设备及存储介质，属于主题词提取领域。该方法包括：获取多个商品描述文本并进行分词处理；根据目标分词在目标文本中出现的频率以及目标分词的逆向文本频率得到目标分词的第一权值；根据目标分词的词性得到第二权值；根据目标分词在目标文本中的位置得到第三权值；根据目标分词在多个商品描述文本出现的次数得到第四权值；根据第一权值、第二权值、第三权值以及第四权值确定目标分词的目标权值，根据目标权值得到目标文本的主题词提取结果。本申请提高主题词的识别提取准确率，具备一定的实际应用价值。

本发明公开了一种基于BERT的电信行业OA办公自动化文稿审核的方法，属于大数据领域，建立客户端模块、敏感词识别模块、词语纠错模块和语义分析模块，解决了传统人工审核的效率低的问题的技术问题，本发明采用了BERT对特定领域的文稿进行了大规模的预训练，并基于此对文稿进行审核，提高了审核的准确性，同时将文字纠错、敏感词、语义等功能进行集成，能够很好的满足用户的各种需求。

本发明公开了基于词格和相对位置嵌入的中文问题生成统一预训练方法，具体包括如下步骤：对Robert参数进行领域预训练；使用半监督半人工的方式，快速且准确的生成目标领域词典；根据词典将输入中字和词的相对位置信息融入Transformer层；新建的Transformer层，通过大量开放域问答数据，进行任务预训练；生成问题的训练和推断。本发明在模型输入中加入了每个单子和领域词汇的相对位置信息，模型不仅能学到更多的位置关系也可以在针对目标领域输入生成问题时具有更好的效果。领域预训练和任务预训练也被应用于模型用于增强模型在特定领域的推断能力。基于同样的问答数据集本发明提出模型具有更好的效果。