[发明专利]一种可解释的深度学习方法、可解释深度学习装置、计算机和介质

权利要求书

1.一种可解释的深度学习方法,其特征在于，包括如下步骤：

步骤1，获得自然语言语料；

步骤2，将所述自然语言语料进行词嵌入，使得标记指定单个词语的语义信息并且每个所述指定单个词语的上下文作为外界环境来反映所述指定单个词语的语义信息，同时用量子概率反映每个词嵌入的语义置信度；

步骤3，形成编码层；

步骤4，根据输入利用所述编码层解码出包含有解释信息的输出信息。

2.根据权利要求1所述的可解释的深度学习方法，其特征在于，所述步骤2中包括步骤21，为所述指定单个词语建立纯态密度矩阵和为每个所述指定单个词语的上下文建立混合态密度矩阵从而形成联合矩阵

3.根据权利要求2所述的可解释的深度学习方法，其特征在于，在所述步骤4中还包括步骤41，添加解释和调参。

4.根据权利要求3所述的可解释的深度学习方法，其特征在于，所述自然语料包括医用成功案例。

5.一种可解释深度学习装置，其特征在于，包括：获得自然语言语料的模块，用于将所述自然语言语料进行词嵌入的模块，使得标记指定单个词语的语义信息并且每个所述指定单个词语的上下文作为外界环境来反映所述指定单个词语的语义信息，同时用量子概率反映每个词嵌入的语义置信度；形成编码层模块；和根据输入利用所述编码层解码出包含有解释信息的输出信息的模块。

6.根据权利要求5所述的可解释深度学习装置，其特征在于，还包括服务器和客户端。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时，实现如权利要求1至4中任一项所述的可解释的深度学习方法。

8.根据权利要求7所述的计算机设备，其特征在于，还包括采集和输出装置。

9.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，所述程序被处理器执行时实现如权利要求1至4中任一项所述的可解释的深度学习方法。

10.根据权利要求9所述的非临时性计算机可读存储介质，其特征在于，还包括采集和输出装置。