[发明专利]自然语言深度学习系统和方法有效
| 申请号： | 201610341719.0 | 申请日： | 2016-05-20 |
| 公开（公告）号： | CN107402914B | 公开（公告）日： | 2020-12-15 |
| 发明（设计）人： | 杨铭;张姝;孙俊 | 申请（专利权）人： | 富士通株式会社 |
| 主分类号： | G06F40/284 | 分类号： | G06F40/284;G06F40/30;G06N3/08 |
| 代理公司： | 北京集佳知识产权代理有限公司 11227 | 代理人： | 朱胜;江河清 |
| 地址： | 日本神*** | 国省代码： | 暂无信息 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及自然语言深度学习系统和方法。该系统包括：误差计算单元，其被配置成在对自然语言深度学习系统进行训练时，根据基于样本对的损失函数来计算样本的误差值，损失函数为相似度损失函数与类别损失函数的组合，其中，相似度损失函数基于如下准则来定义：当样本对的真实类别相同时，其类别预测向量值之间的差别应当较小，而当样本对的真实类别不同时，其类别预测向量值之间的差别应当较大，类别损失函数基于样本对的类别误差来定义。在该系统中，基于样本对设计损失函数，减少了基于样本对损失学习的代价。 | ||
| 搜索关键词： | 自然语言 深度 学习 系统 方法 | ||
【主权项】：
一种自然语言深度学习系统，包括：误差计算单元，其被配置成在对所述自然语言深度学习系统进行训练时，根据基于样本对的损失函数来计算样本的误差值，其中，所述损失函数为相似度损失函数与类别损失函数的组合，其中，所述相似度损失函数基于如下准则来定义：当所述样本对的真实类别相同时，其类别预测向量值之间的差别应当较小，而当所述样本对的真实类别不同时，其类别预测向量值之间的差别应当较大，所述类别损失函数基于所述样本对的类别误差来定义。
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富士通株式会社，未经富士通株式会社许可，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/201610341719.0/，转载请声明来源钻瓜专利网。
- 上一篇：先行词的确定方法和装置
- 下一篇：电子终端的字符串翻译处理方法与装置
