专利交易市场

本发明公开了一种基于知识图谱和胶囊网络的小样本意图识别方法。本发明首先将语句中存在的实体映射到知识图谱，提取该实体在知识图谱中相关联的所有类别信息，并通过注意力机制获得知识先验向量。随后使用阀门机制控制语句中原本存在的上下文语义向量，和该知识先验向量对当前实体表示的影响。下一步利用胶囊网络将已包含先验知识的语句表示映射到高层次的意图表示。最后通过计算未知语句与各个意图之间的相似度，对未知语句做意图分类处理。并且本文对训练集中的数据进行了划分，在训练时采用了元学习的训练方法，使得本文学习到的模型更加具有说服力和通用性。

本发明公开了一种融合词典信息和注意力机制的命名实体识别方法，包括：步骤(1)通过Bert字嵌入，并进行LSTM上下文融合得到字符特征及其序列；步骤(2)通过将字符特征序列通过处理得到关系特征矩阵V、距离矩阵Ed、区域网络矩阵Et和词汇网格矩阵Ew，并将四个矩阵的特征进行拼接得到网格关系特征；步骤(3)将步骤(2)的网格关系特征通过全局注意力机制进行全局特征融合得到融合了全局信息的Word‑Pair特征；步骤(4)利用的Word‑Pair特征以及字符特征进行联合预测，得到Word‑Pair关系矩阵；步骤(5)Word‑Pair关系矩阵进行解码，得到最终的实体词及其类型。该方法将词语级别的信息表示为Word‑Pair词嵌入关系矩阵融入到模型中的方法，提高实体边界的识别准确率。