基于语义分析的政策法规智能审核研究与实现

随着人工智能应用越来越广泛,自然语言处理技术得到了快速发展。针对文本的语义分析、比对,一直是研究的热点与难点。因此,在自然语言处理语义相似度相关算法研究的基础上,针对垂直领域中的政策法规,依据政策法规用语规范、构成具有一定规律的特点,采用词向量、句法分析、深度神经网络LSTM模型结合规则库的一种多特征融合语义分析与比对方法,对政策法规进行智能审核,并通过相关实验证明了此方法的有效性。

一种自动构建数据集的实体关系抽取方法

近年来,知识图谱领域中实体关系抽取技术得到快速发展,其准确性也大幅提升。然而,大部分文献都没有提供能够反映其内容的、直观的数据结构。依靠人工阅读文本产生实体、关系的方法,在多源、海量文档数据的今天越来越不能满足实际应用的需求,因此提出一种抽取文本中实体关系的方法。该方法基于哈工大语言技术平台(Language Technology Plantform,LTP)和双向编码器(Bidirectional Encoder Representations from Transformer,BERT)模型,可对文本内容实现自动化解析,解决了数据集生成难的问题。此外,通过对BERT模型的优化调整,解决了以往实体关系的抽取需依赖大量资源计算的问题。