“句子向量”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果100904个，建议您升级VIP下载更多相关专利

[发明专利]基于注意力回归的视频时序句子定位方法及装置-CN201810367989.8在审
发明人：朱文武;袁艺天 -专利权人：清华大学
申请日： 2018-04-23 - 公布日： 2018-10-12 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于注意力回归的视频时序句子定位方法及装置，其中，方法包括以下步骤：根据三维卷积神经网络和Glove词向量机制，并在此基础上利用双向长短时记忆网络对视频片段和句子进行编码，以表征视频片段内容和句子内容；根据视频片段内容和句子内容通过多模态注意力机制建立视频与句子之间的对称关联，以获取视频和句子的注意力权值向量与注意力加权特征；根据视频和句子的注意力权值向量或注意力加权特征，通过基于注意力权重的回归机制或基于注意力加权特征的回归机制输出得到视频时序句子的定位结果该方法能够保持视频和句子中的上下文信息，提升了句子定位过程的效率，以达到提升句子定位速度、定位准确性和定位鲁棒性的目的。
句子注意力加权特征视频时序视频定位方法及装置回归句子内容权值向量视频片段卷积神经网络定位准确性对视频片段上下文信息注意力机制定位过程定位结果记忆网络词向量多模态鲁棒性权重对称三维关联输出

[发明专利]基于语言模型的文本检索方法、装置、设备及存储介质-CN202111019330.1在审
发明人：杨焱麒 -专利权人：平安银行股份有限公司
申请日： 2021-08-31 - 公布日： 2021-11-30 - 主分类号： G06F16/38 文献下载
摘要：本发明实施例涉及人工智能领域，公开了一种基于语言模型的文本检索方法、装置、设备及存储介质，该方法包括：获取已标注的数据集，数据集包括多个已标注的语义相同的句子；从已标注的数据集中提取句子特征向量，并将句子特征向量输入预训练的Bert模型中进行训练，得到句向量模型；将待检索数据输入句向量模型中，得到待检索数据的句向量；计算预设的向量矩阵库中各个第一向量矩阵与待检索数据的句向量的相似度；根据相似度确定与待检索数据的句向量对应的索引，并根据索引从预设的数据库中确定与待检索数据对应的句子，从而提高文本检索的准确率和效率。
基于语言模型文本检索方法装置设备存储介质

[发明专利]一种关注关联词的实体关系抽取方法-CN201910479528.4在审
发明人：钟将;袁红阳;李青 -专利权人：重庆大学
申请日： 2019-06-04 - 公布日： 2019-09-03 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种关注关联词的实体关系抽取方法，所述关注关联词的实体关系抽取方法，包括以下步骤：S1，输入已标签文本和待测文本，进行文本分词，获取每个词语映射的对应的实值向量；S2，将所有词语对应的实值向量两两组合，获取二元组合特征向量，计算二元组合特征向量与关系标签的权重向量，获取句子的二元词组特征；S3，将实值向量输入到神经网络层中，获取文本的语义结构和特征向量表示；S4，将步骤2输出的二元词组特征与步骤3输出的语义特征串联作为最终文本句子的表示，然后将最终文本句子的表示输入至句子级别的关注层，获得句子对于不同关系类型的权重，得到最后的关系分类结果输出。
实体关系特征向量关联词向量抽取词组特征二元组合文本句子输出句子词语文本标签文本关系分类关系类型句子级别两两组合权重向量神经网络文本分词语义结构语义特征映射权重串联标签

[发明专利]基于情感动力学的多轮对话情感推理方法及系统-CN202211683986.8在审
发明人：孙晓;王佳敏;江月琪;汪萌 -专利权人：合肥工业大学
申请日： 2022-12-27 - 公布日： 2023-03-31 - 主分类号： G06F16/332 文献下载
摘要：本发明首先对对话句子进行情感特征抽取获取编码句子，并基于该编码句子利用Transformer神经网络获取全局上下文向量；然后基于待推理情感用户上一时刻的编码句子，利用增加了阻尼门的循环神经网络获取待推理情感用户上一时刻的情感阻尼向量，同时基于全局上下文向量和待推理情感用户上一时刻的编码句子获取用户在对话过程中的全局情感转移向量；最后将全局上下文向量、全局情感转移向量，以及情感阻尼向量连接后依次送入全连接层和softmax层，以获取待推理情感用户的情感
基于情感动力学轮对推理方法系统

[发明专利]基于SinglePass算法实现无标注语料主动预测移动客服领域中突发事件的方法-CN201810044125.2有效
发明人：徐俊利;赵江江;薛超;范林博;赵宁;祁泽川;魏强;谭乃瑜 -专利权人：中移在线服务有限公司
申请日： 2018-01-17 - 公布日： 2022-04-15 - 主分类号： G06F40/30 文献下载
摘要：主要包括预处理、构建句子向量、基于SinglePass算法聚类、寻找突发词、计算突发词相关度、返回突发事件工单六个阶段。在预处理阶段，对客服领域中的工单数据进行分词、去停用词、训练词向量等预处理。在构建句子向量阶段，采用向量相加的方法，分别将句子中每个词的词向量相加，得到句子向量。在基于SinglePass算法聚类阶段，基于句子向量，利用SinglePass算法，对工单数据进行聚类，得到突发事件的话题。
基于 singlepass 算法实现标注语料主动预测移动客服域中突发事件方法

[发明专利]多意图识别训练和使用方法及装置-CN201911421640.9在审
发明人：刘枭 -专利权人：苏州思必驰信息科技有限公司
申请日： 2019-12-31 - 公布日： 2020-05-15 - 主分类号： G06F16/33 文献下载
摘要：本发明公开多意图识别训练和使用方法及装置，其中，一种多意图识别训练方法，包括：将原始的意图标注数据转化为句子对数据，其中，所述句子对数据中至少包含所述原始的意图标注数据中的目标句、所述意图标注数据所包含的意图类别的代表句组成的句子对以及所述目标句和所述代表句的相似度；句向量编码器对所述目标句和所述代表句进行编码，形成与所述目标句对应的目标句向量和与所述代表句对应的代表句向量；将所述目标句向量和所述代表句向量进行向量拼接后，输入分类器以判断所述句子对是否相似，对所述句向量编码器和所述分类器的训练
意图识别训练使用方法装置

[发明专利]字幕对话流的主题分割方法及装置-CN201910906359.8有效
发明人：周强;张镭镧 -专利权人：清华大学
申请日： 2019-09-24 - 公布日： 2021-07-30 - 主分类号： G06F40/166 文献下载
摘要：本发明提供一种字幕对话流的主题分割方法及装置，方法包括：基于BERT提取字幕对话流的句子序列中每个句子的语义特征，并根据每个句子的语义特征将每个句子表示为向量；将所有所述句子的向量输入至TCN，输出所述句子序列对应的标签序列；其中，所述句子序列中的句子与所述标签序列中的标签一一对应；根据所述标签序列，对所述字幕对话流进行主题分割。
字幕对话主题分割方法装置

[发明专利]问题生成方法、装置、设备、计算机设备和存储介质-CN201910146004.3在审
发明人：李长亮;徐智涛;唐剑波;陈楠 -专利权人：北京金山数字娱乐科技有限公司;成都金山互动娱乐科技有限公司;北京金山软件有限公司
申请日： 2019-02-27 - 公布日： 2019-09-03 - 主分类号： G06F17/27 文献下载
摘要：所述方法包括：通过获取句子中的词向量，将所述句子中的词向量输入问题生成模型，得到问题语句中的词向量；其中，所述问题生成模型用于根据所述句子中的词向量，确定概率表；并选取所述概率表中概率最大值对应的向量作为候选词向量，若所述候选词向量为异常向量，则将所述异常向量替换为非异常向量作为所述问题语句中的目标词向量。
词向量向量异常向量概率表句子计算机设备存储介质生成模型问题语句候选词训练模型重新生成目标词准确率替换概率申请

[发明专利]基于卷积神经网络与多注意力机制的工单文本分类算法-CN201911147815.1在审
发明人：王晓峰;周艳;范华;尉耀稳;霍凯龙;陈杰;翁利国;施凌震;徐舒妍;姜川;陶燕增 -专利权人：国网浙江杭州市萧山区供电有限公司;浙江中新电力工程建设有限公司自动化分公司;国网浙江省电力有限公司杭州供电公司
申请日： 2019-11-21 - 公布日： 2020-06-12 - 主分类号： G06F16/35 文献下载
摘要：本发明提供基于卷积神经网络与多注意力机制的工单文本分类算法，包括训练集获取步骤，文本分词步骤，词向量训练步骤，句子拆分步骤，转换词向量步骤，句子级卷积神经网络步骤；句子级注意力机制步骤；句子级全连接步骤，文档处理步骤，类步骤，包括将步骤S9中获取的文档特征向量进行线性变换，然后用softmax函数产生在类集合C上各个分类的概率。将模型设计成两部分，即句子层级和文档层级。先在句子层级提取句子特征，然后在文档层级提取文档特征用于分类。这样的模型结构既能保证文本全部被输入模型，又能避免模型过于庞大而造成的计算上的浪费。
基于卷积神经网络注意力机制文本分类算法

[发明专利]基于多通道卷积的文本实体关系抽取方法及系统-CN202011163330.4在审
发明人：孙涛;王栋 -专利权人：齐鲁工业大学
申请日： 2020-10-27 - 公布日： 2021-02-12 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了基于多通道卷积的文本实体关系抽取方法及系统，包括：获取待抽取文本实体关系的实例句子；根据所述句子得到对应每个通道的词向量；基于卷积神经网络，根据所述每个通道的词向量，得到每个通道的粗粒度词特征向量；基于双向LSTM模型，根据每个通道的词特征，得到每个通道的细粒度词特征向量；对所有通道的细粒度词特征向量进行融合，得到融合特征向量；基于注意力机制层，根据融合特征向量，得到最终的文本特征向量；根据最终的文本特征向量，得到所述句子的实体对关系。
基于通道卷积文本实体关系抽取方法系统

[发明专利]基于多特征注意力的卷积神经网络句子相似度计算方法-CN202011581732.6在审
发明人：张培颖;黄兴哲 -专利权人：中国石油大学（华东）
申请日： 2020-12-28 - 公布日： 2021-04-09 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了基于多特征注意力的卷积神经网络句子相似度计算方法，属于自然语言处理领域。针对现有方法对句子的特征信息考虑不全面，在输入到深度学习模型之前缺少对句子对之间互信息的考虑以及句子特征向量不突出的问题。本发明首次提出了基于多特征注意力的卷积神经网络句子相似度模型用于语义评估，将句子的语序，分词结果的语义等信息利用特征提取算法提取为加权向量，将加权向量与原始的句子矩阵相乘得到句子对的多特征注意力矩阵。模型从多种句子特征考虑，从全局出发使用特征加权机制对重点特征进行突出推断语义的相似度。本发明在微软释义语料库和语义评估任务的数据集上做了大量的实验验证了该方法的有效性。
基于特征注意力卷积神经网络句子相似计算方法

[发明专利]基于人工智能的情绪分类方法、装置、计算机设备及介质-CN202211618712.0在审
发明人：陆凯 -专利权人：中国平安人寿保险股份有限公司
申请日： 2022-12-15 - 公布日： 2023-04-18 - 主分类号： G06F40/35 文献下载
摘要：该方法将对话文本中每个句子编码为句嵌入向量后输入分类器中，得到对应句子的情绪概率分布，将对话文本按照说话人划分为句子集合，计算句子集合中任两个相邻句子的情绪概率分布之间的转移概率，得到说话人转移概率向量，根据所有句子集合的说话人转移概率向量和所有句子的情绪概率分布，构建目标函数，对目标函数进行优化求解，从求解结果中确定每个句子对应的结果为情绪分类结果，对不同说话人的句子集合分别进行转移概率建模，有效提取不同说话人自身的情绪变化信息
基于人工智能情绪分类方法装置计算机设备介质

[发明专利]一种相似病历的推荐方法、装置，电子设备及存储介质-CN202010482210.4在审
发明人：李博超;唐轶;赵雷 -专利权人：北京大恒普信医疗技术有限公司
申请日： 2020-05-29 - 公布日： 2020-09-04 - 主分类号： G16H15/00 文献下载
摘要：该方法包括：获取目标病历；将所述目标病历中的文本内容进行分词处理，以使所述文本内容中的每个句子划分为多个词语；依次将每个所述句子的多个词语输入到文档向量模型中，得到该句子中每个词语对应的目标词向量，以及基于所述目标词向量，生成该句子的目标句向量；基于所述目标句向量以及预设算法，获取所述目标病历与样本病历之间的相似度；其中，所述样本病历中包括样本句向量；基于所述相似度，确定出与所述目标病历相关联的样本病历。
一种相似病历推荐方法装置电子设备存储介质

[发明专利]文档级事件要素抽取方法、设备及介质-CN202211344142.0在审
发明人：廖泓舟;代翔;戴礼灿;潘磊;张武;彭晓;胡艳霞 -专利权人：中国电子科技集团公司第十研究所
申请日： 2022-10-31 - 公布日： 2022-12-30 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种文档级事件要素抽取方法、设备及介质，属于文档级事件要素抽取领域，包括如下步骤：获取句子向量，将各个句子向量进行拼接，获得初始篇章向量，同时将句子向量送入注意力机制网络，获取包含句子间隐含关系的篇章向量，并将二者向量进行混合表征，得到最终的文本篇章表示；进行事件句识别及要素抽取、中心句识别及事件要素以及跨句事件关系抽取；对中心句和事件间的相关关系进行数理统计，基于竞争性原则完成中心句筛选；基于要素补全模型
文档事件要素抽取方法设备介质

[发明专利]一种基于生成式模型的统一中文命名实体识别方法-CN202310732222.1在审
发明人：于辉;麦丞程;黄宜华 -专利权人：江苏鸿程大数据技术与应用研究院有限公司
申请日： 2023-06-20 - 公布日： 2023-10-20 - 主分类号： G06F40/295 文献下载
摘要：该方法的算法模型框架包括：前缀向量表示层、Encoder端与Decoder端三部分。在前缀向量表示层，将可训练的前缀向量组，拼接到输入句子X的起始位置，以提供实体类型相关的提示信息，帮助模型识别输入句子X中的命名实体；前缀向量组和输入句子X经过词向量表映射得到对应的字向量的拼接向量，经过Encoder端编码成隐状态向量，再将输入句子X的字向量与隐状态向量进行线性相加，得到带有实体类型提示信息的输入句子X的最终向量表示；将该最终向量表示输入到Decoder端，使用集束搜索方式进行解码，按照从左至右的顺序逐个字符生成目标序列
一种基于生成模型统一中文命名实体识别方法