[发明专利]一种基于字符提取老挝语词特征的方法在审
| 申请号： | 201910520531.6 | 申请日： | 2019-06-17 |
| 公开（公告）号： | CN110347826A | 公开（公告）日： | 2019-10-18 |
| 发明（设计）人： | 周兰江;唐文;张建安 | 申请（专利权）人： | 昆明理工大学 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F16/33 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 650093 云*** | 国省代码： | 云南;53 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 字符向量 字符提取 词向量 老挝语 登录 机器学习技术 卷积神经网络 自然语言处理 模型向量 形态结构 传统的 语料 稀疏 应用 研究 | ||
【权利要求书】：
1.一种基于字符提取老挝语词特征的方法，其特征在于：包括如下步骤：
Step1、建立老挝语字符向量矩阵
由于老挝字符共有65个，所以建立的老挝语字符向量矩阵的行为65，定义列为60，老挝语字符向量矩阵大小为65*60，通过随机初始化对65个字符建立字符向量矩阵；
Step2、构建词向量矩阵
构建单个老挝词的词向量矩阵，首先在建立好的老挝语字符向量矩阵中分别找到这个老挝词包括的n个字符向量，然后将这个词的n个字符向量拼接为一个大小为n*60的词向量矩阵；
Step3、卷积神经网络模型的构建
使用的卷积神经网络模型由6个卷积层和6个池化层组成，池化层在卷积层后面；
Step3.1、卷积层
使用多个不同尺寸的卷积核进行卷积操作，通过卷积层得到词向量矩阵的特征图；
Step3.2、池化层
池化的方式采用“MAX POOLING”，即只取对应位置的最大值，而其他的值直接被舍弃掉；
Step4、提取特征值
将老挝语词的字符向量矩阵输入卷积神经网络模型中提取词特征，将这些特征拼接起来，提取到单个老挝词的特征。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于昆明理工大学，未经昆明理工大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/201910520531.6/1.html，转载请声明来源钻瓜专利网。
