[发明专利]一种词向量的增量学习方法、装置和电子设备有效
| 申请号： | 201810299691.8 | 申请日： | 2018-04-04 |
| 公开（公告）号： | CN108509422B | 公开（公告）日： | 2020-01-24 |
| 发明（设计）人： | 庄正中 | 申请（专利权）人： | 广州荔支网络技术有限公司 |
| 主分类号： | G06F40/242 | 分类号： | G06F40/242;G06F40/284;G06F16/36 |
| 代理公司： | 44610 广州佳睿知识产权代理事务所(普通合伙) | 代理人： | 李健富 |
| 地址： | 510000 广东省广州市*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供了一种词向量的增量学习方法、装置和电子设备，该方法包括：获取新词；在已训练的基础词向量模型的基础上，对所述新词构造词增量向量模型；获取训练语料；采用所述训练语料对所述词增量向量模型进行训练，获得词向量，利用迁移学习的特性增量学习词向量，无需重新学习词向量，大大减少了时间的消耗，降低了资源的耗费。 | ||
| 搜索关键词： | 词向量 增量学习 电子设备 向量模型 训练语料 增量模型 基础词 迁移 消耗 学习 | ||
【主权项】：
1.一种词向量的增量学习方法，其特征在于，包括：/n获取新词；/n在已训练的基础词向量模型的基础上，对所述新词构造词增量向量模型；/n获取训练语料；/n采用所述训练语料对所述词增量向量模型进行训练，获得词向量；/n其中，所述基础词向量模型为负采样的第一神经网络，所述第一神经网络包括基础词向量表与第一输出层，所述第一输出层中具有基础输出参数；/n所述在已训练的基础词向量模型的基础上，对所述新词构造词增量向量模型，包括：/n构造负采样的第二神经网络作为词增量向量模型，所述第二神经网络具有增量词向量表与第二输出层；/n在所述基础词向量表的基础上初始化所述新词所属的增量词向量表；/n在所述第二输出层中，使用所述基础输出参数的基础上初始化所述新词对应的增量输出参数。/n
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广州荔支网络技术有限公司，未经广州荔支网络技术有限公司许可，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/patent/201810299691.8/，转载请声明来源钻瓜专利网。
