“高盛祥”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果100个，建议您升级VIP下载更多相关专利

[发明专利]基于神经自回归分布估计的涉案新闻主题模型构建方法及装置-CN202010984648.2有效
发明人：毛存礼;梁昊远;余正涛;郭军军;黄于欣;高盛祥 -专利权人：昆明理工大学
申请日： 2020-09-18 - 公布日： 2021-11-23 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及基于神经自回归分布估计的涉案新闻主题模型构建方法及装置，属于自然语言处理技术领域。本发明首先构建涉案新闻数据并预处理，得到案件要素库和涉案词向量；然后由iDocNADEe模型计算新闻和案件要素的双向隐状态；再用案件要素和新闻的双向隐状态构建注意力机制，对新闻隐状态加权；接下来利用神经自回归算法和案件要素加权的新闻隐状态计算案件要素指导的自回归条件概率；依据涉案新闻的自回归条件概率构建涉案主题模型，并利用涉案新闻主题模型进行涉案新闻检索。本发明在困惑度和主题连贯性以及文档检索精确率等指标上的表现均优于基线模型。
基于神经回归分布估计涉案新闻主题模型构建方法装置

[发明专利]多特征融合的越南语关键词生成方法-CN202110743043.9在审
发明人： 高盛祥;陈瑞清;余正涛;毛存礼;王振晗 -专利权人：昆明理工大学
申请日： 2021-07-01 - 公布日： 2021-11-09 - 主分类号： G06F40/284 文献下载
摘要：本发明涉及多特征融合的越南语关键词生成方法，属于自然语言处理领域。越南语关键词生成是针对越南语新闻文本进行关键词预测，得到高度概括新闻文本信息的关键词；本发明首先在编码过程中融合了词性信息、命名实体信息和位置信息。其次利用双向注意力机制增强标题信息在生成过程中的指导作用；最后将融合多种语义信息的特征向量送入解码层，输出最终预测概率分布，进而生成越南语关键词。该方法在越南语关键词生成中取得了很好的效果，为后续的文本分类，信息检索提供了支撑。
特征融合越南语关键词生成方法

[发明专利]基于跨语言神经主题模型的汉越新闻话题发现方法-CN202110326492.3在审
发明人：余正涛;夏琳杰;高盛祥;黄于欣;朱恩昌;张勇丙 -专利权人：昆明理工大学
申请日： 2021-03-26 - 公布日： 2021-07-06 - 主分类号： G06F16/9532 文献下载
摘要：本发明涉及基于跨语言神经主题模型的汉越新闻话题发现方法，属于自然语言处理技术领域。汉越的平行语料稀缺，训练高质量的双语词嵌入较为困难，而且新闻文本一般较长，双语词嵌入的方法难以很好的表征文本，本发明提出一种基于跨语言神经主题模型的汉越新闻话题发现方法(CL‑NTM)，将双语语义对齐转化为双语主题对齐任务。首先针对汉语和越南语分别训练基于变分自编码器的神经主题模型，得到单语的主题抽象表征，然后利用小规模的平行语料将双语主题映射到同一语义空间，最后使用K‑means方法对双语主题表征进行聚类，发现新闻事件簇的话题。实验结果表明，CL‑NTM针对汉越低资源话题发现任务取得了很好的效果。
基于语言神经主题模型新闻话题发现方法

[发明专利]一种基于低频词表示增强的汉越神经机器翻译的方法-CN202110280508.1在审
发明人：余正涛;杨福岸;高盛祥;王振晗;朱俊国 -专利权人：昆明理工大学
申请日： 2021-03-16 - 公布日： 2021-06-29 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及一种基于低频词表示增强的汉越神经机器翻译的方法，属于自然语言处理领域。神经机器翻译中的低频词是影响翻译模型性能的一个关键因素。由于低频词在数据集中出现的次数少，训练过程中低频词的表示不够准确，这一问题在低资源神经机器翻译任务中影响更为突出。本发明利用单语数据上下文信息来学习低频词的概率分布，并根据该分布重新计算低频词的词嵌入，然后在所得词嵌入的基础上重新训练Transformer模型，从而有效缓解了低频词表示不准确问题。本发明分别在汉‑越和越‑汉两个低资源翻译任务上进行实验，实验结果表明本发明提出的方法相对于基线模型分别在两个任务上提升了8.58％和6.06％。
一种基于低频词表增强神经机器翻译方法

[发明专利]基于双向交叉注意力机制的汉越新闻事件时序关系识别方法-CN201910613118.4有效
发明人： 高盛祥;寇梦珂;余正涛;黄于欣;王吉地;王振晗;郭军军 -专利权人：昆明理工大学
申请日： 2019-07-09 - 公布日： 2021-05-11 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及基于双向交叉注意力机制的汉越新闻事件时序关系识别方法，属于自然语言处理技术领域。本发明利用双向循环神经网络捕获句子语义信息，通过注意力机制增强事件语义信息中的触发词语义信息，通过交叉注意力机制获得时序逻辑语义信息，将三部分语义信息嵌入为事件编码，最后将事件编码与事件间规则特征融合输入至分类层，输出事件时序关系，进而实现事件时序关系识别。本发明目前事件时序关系识别需要大量人力设计基于时间轴的模板，句中的隐含语义信息难以获取，并且不同语言文本很难表示在同一特征空间下等问题，以及解决了获取跨语言新闻事件时序关系较为困难问题。
基于双向交叉注意力机制新闻事件时序关系识别方法

[发明专利]基于重读和反馈机制的神经机器翻译方法-CN201910676598.9有效
发明人：余正涛;于志强;郭军军;文永华;高盛祥;王振晗 -专利权人：昆明理工大学
申请日： 2019-07-25 - 公布日： 2021-05-11 - 主分类号： G06N3/04 文献下载
摘要：本发明涉及基于重读和反馈机制的神经机器翻译方法，属于自然语言处理技术领域。首先，第一层编码器的最终状态在传递给第一层解码器进行解码的同时，生成其副本并传递给第二层编码器，第二层编码器重新读取该状态用于参数初始化，该过程称为“重读”。其次，将第一层解码器的解码结果和源语言共同作为重要性计算方法的输入，产生的重要性权重反馈到第二层编码器用于指导编码，该过程称为“反馈”。本发明能够实现端到端神经网络结构的改变，改变后的网络结构能够更好的挖掘全局信息，适用于平行语料稀缺型翻译环境。
基于重读反馈机制神经机器翻译方法

[发明专利]基于知识表示的跨境民族文化文本分类方法-CN202010212069.6有效
发明人：毛存礼;王斌;余正涛;高盛祥;王振晗 -专利权人：昆明理工大学
申请日： 2020-03-24 - 公布日： 2021-04-06 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及基于知识表示的跨境民族文化文本分类方法，属于自然语言处理技术领域。本发明包括步骤：获取若干本土及其跨境民族文化文本数据；本土及其跨境民族文化知识图谱的构建，再利用远程监督的思想来进行数据标注；基于知识表示的本土及其跨境民族文化文本分类神经网络模型训练，利用训练好的基于知识表示的跨境民族文化文本分类神经网络模型对本土及其跨境民族文化文本数据进行文本分类。本发明在缺乏大量标记样本的情况下提升了跨境民族文化领域文本分类模型的性能。
基于知识表示民族文化文本分类方法

[发明专利]基于CRNN的缅甸语图像文本识别方法-CN201911258382.7有效
发明人：毛存礼;谢旭阳;余正涛;高盛祥 -专利权人：昆明理工大学
申请日： 2019-12-10 - 公布日： 2021-03-02 - 主分类号： G06K9/62 文献下载
摘要：本发明涉及基于CRNN的缅甸语图像文本识别方法，属自然语言处理领域。本发明包括步骤：构建缅甸语文本信息图像的训练集、测试集、评估集数据；利用缅甸语Unicode排序算法标注缅甸语图像里面的文本信息；采用深度卷积神经网络从输入的缅甸语图像中提取出对应的特征向量序列；利用循环神经网络RNN中的BiLSTM识别上一步得到的特征向量序列，获取序列的上下文信息，从而得到每列特征的概率分布；利用CTC计算出所有的标签序列概率，基于词典和查找候选目标的模式选取最大的标签序列概率所对应的标签序列作为图像中每一帧的缅甸语最终的预测结果。本发明实现了对缅甸语图像文本的识别，且识别精确率高，效果好。
基于 crnn 缅甸图像文本识别方法

[发明专利]基于拼音约束联合学习的汉语语音识别方法-CN202010988154.1在审
发明人：余正涛;梁仁凤;王振晗;朱俊国;高盛祥;毛存礼 -专利权人：昆明理工大学
申请日： 2020-09-18 - 公布日： 2021-02-09 - 主分类号： G10L15/26 文献下载
摘要：本发明涉及基于拼音约束联合学习的汉语语音识别方法，属于自然语言处理技术领域。本发明首先从公开中文语料集中收集与语音、文本对应的拼音文本，其次通过共享编码器对语音特征编码，再以拼音语音识别为辅助任务，然后，在解码过程中利用拼音作为解码约束，基于共享编码器将拼音语音识别语汉语语音识别联合学习，引入一种更接近语音的归纳偏置，增强编码器对汉语语音的表达能力。本发明提出的基于拼音约束联合学习的汉语语音识别方法，对汉语的识别降低了词错率，为后续在汉语语音识别过程中融入拼音以及使用拼音纠错等工作提供强有力的支撑；缓解了端到端的模型对汉字的识别难以收敛的问题。
基于拼音约束联合学习汉语语音识别方法

[发明专利]基于案件要素及BiGRU的涉案舆情新闻文本摘要方法-CN201910680097.8有效
发明人：余正涛;韩鹏宇;黄于欣;高盛祥;郭军军;王振晗 -专利权人：昆明理工大学
申请日： 2019-07-26 - 公布日： 2021-02-05 - 主分类号： G06F16/34 文献下载
摘要：本发明涉及基于案件要素及BiGRU的涉案舆情新闻文本摘要方法，属于自然语言处理技术领域。本发明首先构建涉案舆情新闻摘要数据集并定义相关案件要素，然后通过注意力机制将案件要素信息融入新闻文本的词、句子双层编码过程中，生成带有案件要素信息的新闻文本表征，最后利用多特征分类层对句子进行分类，得到摘要。本发明实现了从涉及特定案件的舆情新闻文本中，获取重要信息作为其简短摘要。对于相关人员快速掌控舆情态势有着重要的作用。
基于案件要素 bigru 涉案舆情新闻文本摘要方法

[发明专利]基于跨语言双语预训练及Bi-LSTM的汉-越平行句对抽取方法-CN202010990010.X在审
发明人： 高盛祥;刘畅;余正涛;毛存礼;黄于欣;王振晗 -专利权人：昆明理工大学
申请日： 2020-09-18 - 公布日： 2021-01-29 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及跨语言双语预训练及Bi‑LSTM汉‑越平行句对抽取方法，属于自然语言技术领域。本发明首先收集汉越可比语料，从可比语料中抽取汉越平行句对。然后在预训练中需要一个汉越种子词典及大量汉越单语，通过将汉越双语映射到公共语义空间进行词对齐，再利用汉越种子词典通过自学习的方式迭代地生成新词典，从而最大化表示汉越句子间语义相似性。然后将预训练后得到的汉语和越南语句子输入到一个由Bi‑LSTM和CNN组成的孪生神经网络，分别提取到句子的全局特征和局部特征。最后用全连接层来判断输入的句对是否为汉越双语平行句对。本发明在从可比语料中抽取平行句对的实验取得了好的效果。
基于语言双语训练 bi lstm 平行抽取方法

[发明专利]融合句法结构及Tree-LSTM的汉越平行句对抽取方法-CN202010978713.0在审
发明人： 高盛祥;张迎晨;余正涛;朱浩东 -专利权人：昆明理工大学
申请日： 2020-09-17 - 公布日： 2021-01-15 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及融合句法结构及Tree‑LSTM的汉越平行句对抽取方法。本发明首先预训练汉越双语词向量，将汉越双语映射到同一语义空间中，考虑汉越句子结构具有差异性，通过依存句法树将句子序列结构转化为依存树结构，通过Tree‑LSTM捕获句子的句法结构信息，并将汉越双语句子的词性信息作为特征向量拼接到句子语义向量中，最后将该向量输入至全连接层训练出汉越平行句对分类器。本发明利用深度学习方法，在大量数据中自动学习句子表示规则，解决了传统的平行句对抽取任务需要耗费大量人力资源用以设计特征的问题。同时，该发明考虑并解决了汉越语言的结构差异性特点影响抽取模型性能的问题，提升了平行句对抽取模型的准确率。
融合句法结构 tree lstm 平行抽取方法

[发明专利]基于阅读理解的中文命名实体识别方法-CN202010720804.4在审
发明人：余正涛;刘奕洋;高盛祥;郭军军;张亚飞;毛存礼 -专利权人：昆明理工大学
申请日： 2020-07-24 - 公布日： 2020-12-18 - 主分类号： G06F40/295 文献下载
摘要：本发明涉及基于阅读理解的中文命名实体识别方法，属于自然语言处理技术领域。本发明包括步骤：对文档级语料进行分字处理，得到文档级序列；获取由检索标签问题、文档级序列实体及文档级序列构成的三元组；将三元组中的检索标签问题与文档序列作为输入，经过BERT编码层生成融入文档级上下文信息的隐藏输出；将融入文档级上下文信息的隐藏输出经过卷积神经网络，获取长距离上下文的语义特征，捕获整个文档上下文的语义信息，将语义信息压缩到特征映射中；利用整个文档上下文的语义信息通过预测层对文档中所有实体进行预测，预测实体的起始索引和终止索引，将其拼接从而生成命名实体。本发明能进行文档内的实体识别，且识别效果好。
基于阅读理解中文命名实体识别方法

[发明专利]基于语义自适应编码的汉-越伪平行句对抽取方法-CN202010366619.X在审
发明人：余正涛;田应飞;郭军军;高盛祥;王振晗;朱俊国 -专利权人：昆明理工大学
申请日： 2020-04-30 - 公布日： 2020-09-25 - 主分类号： G06F40/30 文献下载
摘要：本发明涉及基于语义自适应编码的汉‑越伪平行句对抽取方法，属自然语言处理领域。本发明首先构建汉语‑越南语平行词典；利用汉语‑越南语平行词典对段落级的可比语料库进行预筛选，得到汉语‑越南语伪平行候选句子并将其输入到BiLSTM编码器；将BiLSTM编码器的输出作为深度语义自适应思考模块的输入；输出再作为语义相似性度量模块的输入；语义相似性度量模块的输出再输入到带sigmoid的前馈神经网络的预测模块中，计算它们平行的概率。本发明实现了汉语和越南语的上下文语义信息更深层次的表征，提取到了更高质量、噪声更小的汉‑越伪平行句对，为后续的汉语到越南语的语义分析、信息检索和机器翻译等工作提供强有力的支撑。
基于语义自适应编码平行抽取方法

[发明专利]基于同义词数据增强的汉越神经机器翻译方法-CN202010366635.9在审
发明人： 高盛祥;尤丛丛;余正涛;毛存礼;潘润海 -专利权人：昆明理工大学
申请日： 2020-04-30 - 公布日： 2020-09-18 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及基于同义词数据增强的汉越神经机器翻译方法，属于自然语言处理技术领域。汉越平行语料库的资源稀缺，很大程度上影响了汉越机器翻译效果。数据增强是提升汉越机器翻译的有效途径，本发明首先通过对单语词向量学习，获得一端语言低频词的同义词列表，然后对低频词进行同义词替换，再利用语言模型对替换后的句子进行筛选，最后将筛选后的句子与另一端语言中的句子进行匹配获得扩展的平行语料。本发明对于扩充汉越平行语料库工作提供强有力的支撑；解决了由于语料库资源稀缺带来的汉越神经机器翻译性能低下的问题。
基于同义词数据增强神经机器翻译方法