[发明专利]一种基于动态融合机制的多模态词汇表示方法有效
| 申请号： | 201710577334.9 | 申请日： | 2017-07-14 |
| 公开（公告）号： | CN107480196B | 公开（公告）日： | 2020-02-07 |
| 发明（设计）人： | 王少楠;张家俊;宗成庆 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06F16/36 | 分类号： | G06F16/36 |
| 代理公司： | 11482 北京瀚仁知识产权代理事务所(普通合伙) | 代理人： | 郭文浩;王世超 |
| 地址： | 100080 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明的多模态词汇表示方法包括分别计算待表示词汇在文本模态中的文本表示向量、以及待表示词汇在视觉模态中的图片表示向量；将文本表示向量输入预先建立的文本模态权重模型，得到文本表示向量在文本模态中的权重；将图片表示向量输入预先建立的视觉模态权重模型，得到图片表示向量在图片模态中的权重；根据文本表示向量、图片表示向量以及分别与文本表示向量和图片表示向量对应的权重，计算得到多模态词汇表示向量。其中，文本模态权重模型为输入为文本表示向量、输出为文本表示向量在对应文本模态中的权重的神经网络模型；视觉模态权重模型为输入为图片表示向量、输出为图片表示向量在对应视觉模态中的权重的神经网络模型。 | ||
| 搜索关键词： | 一种 基于 动态 融合 机制 多模态 词汇 表示 方法 | ||
【主权项】：
1.一种基于动态融合机制的多模态词汇表示方法，应用于自然语言处理系统，其特征在于，包括：/n分别计算待表示词汇在文本模态中的文本表示向量、以及所述待表示词汇在视觉模态中的图片表示向量；/n将所述文本表示向量输入预先建立的文本模态权重模型，得到所述文本表示向量在所述文本模态中的权重；将所述图片表示向量输入预先建立的视觉模态权重模型，得到所述图片表示向量在所述图片模态中的权重；/n根据所述文本表示向量、所述图片表示向量以及分别与所述文本表示向量和所述图片表示向量对应的权重，计算得到多模态词汇表示向量；/n其中，/n所述文本模态权重模型为输入为文本表示向量、输出为文本表示向量在对应文本模态中的权重的神经网络模型；/n所述视觉模态权重模型为输入为图片表示向量、输出为图片表示向量在对应视觉模态中的权重的神经网络模型。/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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/201710577334.9/，转载请声明来源钻瓜专利网。
- 上一篇：一种基于索引关系的古文献统一逻辑检索方法
- 下一篇：实体词识别方法及装置
