基于已知标签学习未知标签的实体识别方法、装置及应用

摘要

本申请提出了一种基于已知标签学习未知标签的实体识别方法、装置及应用，通过已有标签的预定义类别样本在第一训练模型和第二训练模型中进行处理，训练得到二分类器，再利用二分类器来预测未知标签的未定义类别样本的新的类别，通过已有标签的已有特征去推导和识别新的未知标签的类别，进而减少在实体识别任务上的数据标注的工作量，在进行迁移学习时能够减少对目标数据库数据量的要求，降低部署环境硬件和数据库要求。实体识别模型可以让已知标签的实体样本在向量空间上聚合，以推导相关任务的未知标签的实体样本。