[发明专利]一种基于门限卷积神经网络的机器阅读理解方法有效
| 申请号： | 201811308503.X | 申请日： | 2018-11-05 |
| 公开（公告）号： | CN109460553B | 公开（公告）日： | 2023-05-16 |
| 发明（设计）人： | 陈武亚;权小军 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F40/284 | 分类号： | G06F40/284;G06F40/30;G06N3/0464 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 林丽明 |
| 地址： | 510275 广东*** | 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： | 本发明提供一种基于门限卷积神经网络的机器阅读理解方法，通过构建门限卷积神经网络模型，包括输入层、门限卷积层和答案层；输入层用于编码目标文章，将编码的文章向量序列、问题向量序列和答案向量序列传送给所述门限卷积层；门限卷积层通过交互的方式产生具有高层语义信息的文章，问题，答案表达，并将这些表达传送给答案层；最后由答案层进行推理决策，做出预测；确定目标文章，导入门限卷积神经网络模型中进行机器阅读理解，导出预测结果。本发明提供的一种基于门限卷积神经网络的机器阅读理解方法，有效简化了神经网络模型，大大减少了训练和测试时长，提高了处理效率，提升了用户体验感；保持文本的长期依赖关系，准确预测出答案信息。 | ||
| 搜索关键词： | 一种 基于 门限 卷积 神经网络 机器 阅读 理解 方法 | ||
【主权项】：
1.一种基于门限卷积神经网络的机器阅读理解方法，其特征在于，包括以下步骤：S1：构建门限卷积神经网络模型，包括输入层、门限卷积层和答案层；其中，所述输入层用于编码目标文章，将编码的文章向量序列、问题向量序列和答案向量序列传送给所述门限卷积层；所述门限卷积层通过交互的方式产生具有高层语义信息的文章，问题，答案表达，并将这些表达传送给答案层；最后由所述答案层进行推理决策，做出预测；S2：确定目标文章，导入门限卷积神经网络模型中进行机器阅读理解，导出预测结果。
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中山大学，未经中山大学许可，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/201811308503.X/，转载请声明来源钻瓜专利网。
