一种基于强化学习和迁移学习的命名实体识别方法和装置

专利主权项内容

1.一种基于强化学习和迁移学习的命名实体识别方法，其特征在于，所述命名实体识别方法包括：针对于目标域对应的每个待预测文本数据，将该待预测文本数据输入到预先通过源域本文数据训练好的源域命名实体识别模型中，确定出该待预测文本数据对应的预测结果；其中，所述预测结果包括该待预测文本数据在每个实体标签下的预测实体，以及该待预测文本数据中的每个字符在每个实体标签下的第一概率值；基于每个待预测文本数据对应的预测结果从多个待预测文本数据中筛选出高概率预测错误数据；利用每个高概率预测错误数据对应的预测结果对每个高概率预测错误数据进行格式转换，得到每个高概率预测错误数据对应的第一转换数据，并利用每个高概率预测错误数据对应的第一转换数据以及预设分数对文本打分原始模型进行强化学习训练，得到文本打分模型；针对于所述目标域对应的每个已标注文本数据，对该已标注文本数据进行格式转换，得到第二转换数据，并将所述第二转换数据输入到所述文本打分模型中，确定出该已标注文本数据对应的文本分数；将多个已标注文本数据输入到所述源域命名实体识别模型中，利用每个已标注文本数据对应的文本分数对所述源域命名实体识别模型进行迁移学习，以得到所述目标域对应的目标域命名实体识别模型；将所述目标域对应的医学文本数据输入到所述目标域命名实体识别模型中，得到所述目标域命名实体识别模型对所述医学文本数据进行实体识别的结果。