摘要
本发明提供一种时间要素抽取方法及系统。所述方法包括步骤:基于预训练语言模型对目标文本进行通用领域下的时序语义特征提取,以得到包含时序语义的上下文向量;基于上下文感知解析算法,将提取到的上下文向量与目标文本所属领域的时间规则进行语义融合,得到领域知识融合的上下文向量;根据所述时间规则,确定领域知识融合的上下文向量包含的相对时间表达式对应的绝对时间表达式,得到动态时间窗口校准的上下文向量;根据动态时间窗口校准的上下文向量,基于端到端模型同时预测时间要素的起始位置、结束位置、粒度类型及归一化值。本发明能够解决现有时间要素抽取方式存在的时序上下文感知不足、领域适配性差、多粒度抽取能力局限的问题。
技术关键词
动态时间窗口
要素抽取方法
上下文感知解析
语义特征提取
文本
预训练语言模型
抽取系统
深度学习分类模型
表达式
时序
校准
标签
列表
关键词
模块
算法
时间段
分词
图谱
系统为您推荐了相关专利信息
融合特征
多模态数据采集
数据安全管理
跨模态数据
农业
职位智能推荐方法
训练推荐模型
主动学习算法
语义分析方法
点击率
依存句法树
库构建方法
依存句法分析
预训练语言模型
分块