[发明专利]一种基于机器阅读到序列模型的迁移学习方法有效
| 申请号： | 201811284309.2 | 申请日： | 2018-10-31 |
| 公开（公告）号： | CN109508457B | 公开（公告）日： | 2020-05-29 |
| 发明（设计）人： | 潘博远;蔡登;李昊;陈哲乾;赵洲;何晓飞 | 申请（专利权）人： | 浙江大学 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F16/332;G06N3/04;G06N3/08 |
| 代理公司： | 杭州天勤知识产权代理有限公司 33224 | 代理人： | 胡红娟 |
| 地址： | 310013 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于机器阅读到序列模型的迁移学习方法，包括以下步骤：(1)预训练一个机器阅读模型，所述机器阅读模型包含基于循环神经网络的编码层和模型层；(2)建立一个序列模型，所述序列模型包含基于循环神经网络的编码器和解码器；(3)提取训练好的机器阅读模型中编码层和模型层的参数，迁移到待训练的序列模型中，作为训练序列模型时的部分初始化参数；(4)训练序列模型，直到模型收敛；(5)使用训练好的序列模型进行文本序列预测任务。利用本发明，能够更加深入地挖掘文本蕴含信息，提升生成文本序列的质量。 | ||
| 搜索关键词： | 一种 基于 机器 阅读 序列 模型 迁移 学习方法 | ||
【主权项】：
1.一种基于机器阅读到序列模型的迁移学习方法，其特征在于，包括以下步骤：(1)预训练一个机器阅读模型，所述机器阅读模型包含基于循环神经网络的编码层和模型层；(2)建立一个序列模型，所述序列模型包含基于循环神经网络的编码器、解码器和注意力机制；(3)提取训练好的机器阅读模型中编码层和模型层的参数，迁移到待训练的序列模型中，作为训练序列模型时的部分初始化参数；(4)训练序列模型，直到模型收敛；(5)使用训练好的序列模型进行文本序列预测任务。
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浙江大学，未经浙江大学许可，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/patent/201811284309.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种文本处理方法和装置
- 下一篇：法律实体的识别方法及装置
