[发明专利]基于CNN卷积层和BiLSTM的中文短文本相关性度量方法有效
| 申请号： | 202010534862.8 | 申请日： | 2020-06-12 |
| 公开（公告）号： | CN111723572B | 公开（公告）日： | 2021-11-19 |
| 发明（设计）人： | 朱新华;吴晗;张兰芳;陈宏朝;郭青松 | 申请（专利权）人： | 广西师范大学 |
| 主分类号： | G06F40/289 | 分类号： | G06F40/289;G06F40/30;G06F16/33;G06F16/35;G06K9/62;G06N3/04;G06N3/08 |
| 代理公司： | 桂林市持衡专利商标事务所有限公司 45107 | 代理人： | 陈跃琳 |
| 地址： | 541004 广西壮*** | 国省代码： | 广西;45 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开一种基于CNN卷积层和BiLSTM的中文短文本相关性度量方法，通过孪生神经网络作为框架，使用Word2vec训练的中文字向量作为输入，首先会经过去掉池化层的CNN提取到文本的n‑gram信息，用于模拟中文文本的分词过程；然后输入到BiLSTM网络中继续提取不同粒度的文本特征，更准确的对文本语义进行编码。最终将文本向量化，通过计算两个向量的距离来表示相关性。本发明采用去掉池化层的CNN提取文本的n‑gram信息，可有效避免池化层所造成的特征损失，在中文短文本的相关性度量上具有较好的准确性，且在计算效率上较快，不要求很高的配置。 | ||
| 搜索关键词： | 基于 cnn 卷积 bilstm 中文 文本 相关性 度量 方法 | ||
【主权项】：
暂无信息
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广西师范大学，未经广西师范大学许可，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/202010534862.8/，转载请声明来源钻瓜专利网。
- 上一篇：用于多种气体预先混合的腔体
- 下一篇：一种摄像头补光方法及终端、存储介质
