“向量表示”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312478个，建议您升级VIP下载更多相关专利

[发明专利]一种确定用于信息推荐的图谱的方法、系统、及装置-CN202010329694.9有效
发明人：杨明晖;崔恒斌;陈显玲;陈晓军 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-04-24 - 公布日： 2020-08-07 - 主分类号： G06F16/9535 文献下载
摘要：所述方法包括：获取构建目标图谱的多个节点；所述节点至少包括词语节点，以及知识点节点；若所述节点为词语节点，将该节点对应的词语的向量表示作为该节点的向量表示；若所述节点为知识点节点，基于与所述知识点节点相关的词语的向量表示，确定对应于所述知识点节点的向量表示；对于任意两个节点：基于所述两个节点的类型，确定所述两个节点之间的边权，并将所述边权作为所述两个节点之间的关联关系；基于节点的向量表示，以及节点与节点之间的关联关系，进行至少一轮图聚合迭代，以更新所述图谱中节点的向量表示。
一种确定用于信息推荐图谱方法系统装置

[发明专利]生成摘要的方法和装置-CN202010305488.4有效
发明人：李伟;肖欣延 -专利权人：北京百度网讯科技有限公司
申请日： 2020-04-17 - 公布日： 2021-06-22 - 主分类号： G06F16/34 文献下载
摘要：具体实现方案为：基于对文档集中的各条语句进行编码所得到的各条语句中各个词的上下文向量表示，确定文档集的各条语句的初始输入向量表示；基于文档集中的各条语句之间的语义关系，构造文档集的结构化关系图；基于结构化关系图，对各条语句的初始输入向量表示进行上下文编码，得到各条语句的上下文向量表示；基于各条语句的初始输入向量表示、结构化关系图和各条语句的上下文向量表示，解码得到文档集的摘要文本。
生成摘要方法装置

[发明专利]获取POI状态信息的方法及装置-CN202110199748.9有效
发明人：黄际洲;孙一博;王海峰 -专利权人：北京百度网讯科技有限公司
申请日： 2021-02-22 - 公布日： 2022-01-28 - 主分类号： G06F16/9537 文献下载
摘要：具体实现方案为：从互联网获取预设时段内包含POI信息的文本；利用预先训练得到的POI状态识别模型对文本进行识别，得到文本中的二元组；其中POI状态识别模型获取文本中各第一语义单元的向量表示，以及基于文本的语义依存信息获取文本中各第二语义单元的向量表示；将各第一语义单元的向量表示和各第二语义单元的向量表示进行融合处理，得到各第一语义单元的融合向量表示；基于各第一语义单元的融合向量表示进行POI名称和POI状态的标签预测。
获取 poi 状态信息方法装置

[发明专利]基于层次Transformer和图神经网络的评论情感分析方法及系统-CN202111195660.6有效
发明人：邬昌兴;曹柳文;杨亚连 -专利权人：华东交通大学
申请日： 2021-10-14 - 公布日： 2022-01-18 - 主分类号： G06F40/30 文献下载
摘要：本发明提出一种基于层次Transformer和图神经网络的评论情感分析方法与系统，首先基于层次Transformer网络学习用户、产品与评论文档的初步语义向量表示；基于初步语义向量表示计算用户之间、产品之间和评论文档之间的相似度，用于构建用户—产品—评论文档关系图；基于图神经网络利用用户—产品—评论文档关系图的结构信息，进一步优化用户、产品以及评论文档的初步语义向量表示，以得到用户、产品和评论文档的最终语义向量表示，根据最终语义向量表示计算得到最终预测结果本发明可显式地学习用户和产品的语义向量表示，并显式地建模相似用户之间，相似产品之间和相似评论之间的联系，可实现良好的预测效果并提高运算效率。
基于层次 transformer 神经网络评论情感分析方法系统

[发明专利]结合语义的网络故障关联规则生成方法和网络故障检测方法-CN202010744548.2有效
发明人：陈华钧;周虹廷;耿玉霞 -专利权人：浙江大学
申请日： 2020-07-29 - 公布日： 2022-06-10 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种结合语义的网络故障关联规则生成方法，包括：(1)根据网络设备和告警信息以及关联关系构建网络知识图谱；(2)构建并优化词表，根据词的优化后向量表示构建网络知识图谱中节点的初始向量表示；(3)构建实现自动编码和解码的图神经网络，以节点的初始向量表示作为图神经网络的输入，以解码得到的重构图作为输出，根据重构图与输入图之间的距离值、编码得到的节点的向量表示分布与正态分布的散度值构建损失函数，利用损失函数优化节点的向量表示；(4)根据节点的优化后向量表示，计算任意两个告警节点的相似度，依据该相似度值筛选获得网络故障关联规则并输出。
结合语义网络故障关联规则生成方法检测

[发明专利]一种对象推荐方法、系统及装置-CN202010505356.6有效
发明人：钱浩;周俊;崔卿;吴沁桐;李龙飞 -专利权人：支付宝（杭州）信息技术有限公司
申请日： 2020-06-05 - 公布日： 2023-04-18 - 主分类号： G06F16/9535 文献下载
摘要：所述方法包括：获取预设历史时间段内分别与多个历史时间节点对应的对象特征；将对象特征按照时间区间进行划分，得到多个时段对象特征；利用循环神经网络处理每一个时段对象特征，得到对应的第一向量表示；利用膨胀卷积神经网络处理每一个第一向量表示，得到对应的第二向量表示；获取待推荐对象的对象特征，以及目标用户的用户特征；对所述待推荐对象的对象特征与多个所述第二向量表示进行注意力机制的计算，获取第三向量表示；基于所述第三向量表示，以及所述用户特征
一种对象推荐方法系统装置

[发明专利]一种动态环境下的知识图谱表示学习方法-CN202010972901.2在审
发明人：李丞;吴天星;漆桂林 -专利权人：东南大学
申请日： 2020-09-16 - 公布日： 2020-12-25 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种动态环境下的知识图谱表示学习方法，对于知识图谱的表示学习任务，本发明设计了一个全新的知识图谱表示学习模型；该模型首先通过设计的一个基于注意力机制的图卷积神经网络将知识图谱中的实体和关系的上下文信息编码为向量表示，接着通过一个门策略将实体(或关系)的向量表示与其上下文向量结合，得到联合向量表示，最后基于联合向量表示进行训练，得到图谱中实体和关系的高质量向量表示。对于图谱更新后的增量式表示学习任务，基于上述模型设计了一个增量式表示学习算法，将每次图谱更新带来的影响限制在实体(或关系)各自的上下文范围内，而非整个图谱，以此方式避免重新训练所有数据，达到增量式表示学习的目标
一种动态环境知识图谱表示学习方法

[发明专利]基于深度神经网络的网络问政平台留言分类的方法及系统-CN202010692433.3在审
发明人：王红;张慧;李威;庄鲁贺;韩书;王吉华;贾伟宽;郑元杰;胡斌 -专利权人：山东师范大学
申请日： 2020-07-17 - 公布日： 2020-12-01 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于深度神经网络的网络问政平台留言分类的方法及系统，所述方法包括以下步骤：获取多条训练政务留言数据及相应标签；抽取训练政务留言数据中不重复的字，并求取每个字的向量表示，得到政务文本向量字典；基于向量字典得到所述多条训练政务留言数据的向量表示；对标签数据进行编码，得到各标签的向量表示；根据政务留言数据及相应标签的向量表示，采用机器学习模型训练政务文本分类模型；基于所述政务文本分类模型进行政务留言分类本发明基于大量政务留言文本进行字典创建，基于该字典对训练数据进行向量表示，保证了模型的性能，对于政务文本分类具有更高的精度。
基于深度神经网络网络平台留言分类方法系统

[发明专利]孪生网络的测试样本类别确定方法、装置及终端设备-CN202010939922.4在审
发明人：蒋雪涵;姚海申;朱昭苇;孙行智 -专利权人：平安科技（深圳）有限公司
申请日： 2020-09-09 - 公布日： 2020-12-01 - 主分类号： G06N3/04 文献下载
摘要：该方法包括：通过孪生网络获取训练样本中任一类别的任一样本的向量表示，并获取该任一样本在上述任一类别中所占的权重；根据上述任一类别中各样本的向量表示和各样本的上述权重确定该任一类别的类别表示；通过上述孪生网络获取测试样本的样本向量表示，根据该样本向量表示和上述训练样本中所有类别的类别表示构建样本对；将各样本对输入上述孪生网络，通过该孪生网络确定各类别表示与上述样本向量表示的相似度，基于各类别表示与上述样本向量表示的相似度确定上述测试样本的类别
孪生网络测试样本类别确定方法装置终端设备

[发明专利]语音处理方法、装置、电子设备及存储介质-CN202010429062.X有效
发明人：林炳怀;王丽园 -专利权人：腾讯科技（深圳）有限公司
申请日： 2020-05-20 - 公布日： 2020-08-25 - 主分类号： G06F40/30 文献下载
摘要：所述方法包括：将待识别语音转换为对应的文本，获取文本对应的第一特征向量表示，基于第一特征向量表示以及对应的变化规则，得到文本的不流利表示以及标点特征表示，该变化规则包括第一特征向量表示与不流利表示以及标点特征表示之间的对应关系，基于不流利表示以及标点特征表示，得到文本的不流利检测结果以及标点标注结果。从而建立有第一特征向量表示与所述不流利表示以及标点特征表示的对应关系的情况下，可以基于同一的第一特征向量表示就可以同时得到不流利表示以及标点特征表示，实现了将不流利检测和标点标注进行结合，进而降低不流利检测以及标点标注过程中的复杂度
语音处理方法装置电子设备存储介质

[发明专利]一种虚假链接识别方法、装置及计算机可读存储介质-CN202310887577.8在审
发明人：王欢;杨寅广;沙灜;魏小梅;陈思;万丽;洪汝旗 -专利权人：华中农业大学;郑州信大先进技术研究院
申请日： 2023-07-18 - 公布日： 2023-10-03 - 主分类号： H04L41/16 文献下载
摘要：本发明提供了一种虚假链接识别方法、装置及计算机可读存储介质，包括：对待识别网络中的所有节点进行特征提取，得到待识别网络的特征向量表示矩阵；对特征向量表示矩阵中的所有特征向量进行融合优化，得到目标特征向量表示矩阵；对目标特征向量表示矩阵进行拆分，得到融合向量；对至少一个融合向量进行判断，得到待识别网络中虚假链接的识别结果。还对特征向量表示矩阵中的所有特征向量进行融合优化，从而提高识别虚假链接的效率。
一种虚假链接识别方法装置计算机可读存储介质

[发明专利]基于标签对比学习的有监督关系抽取方法-CN202310410923.3有效
发明人：赵亚慧;王苑儒;金国哲;崔荣一;刘帆;任一平;徐培焱;李永恒;孟嘉;王乐;孙烨 -专利权人：延边大学
申请日： 2023-04-18 - 公布日： 2023-09-22 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于标签对比学习的有监督关系抽取方法，包括：获取样本集中待进行关系抽取的句子并添加特殊符号，将处理后的句子通过编码层进行向量表示，获得拥有特殊符号的向量；将向量以句子中的实体为标志分别选取各个实体前的特殊符号表示进行拼接，获得第一关系向量表示；第一关系向量表示通过全连接层处理获得第二关系向量表示；基于第二关系向量表示构建正负例；基于正负例确认损失函数并进行对比关系的训练，获得能够更准确识别关系表示的编码器。本发明提出一种基于标签且从全局和局部两个角度构造正、负例的有监督对比学习模型，既考虑到正、负例挑选的正确性又保障了易造成错误实例被训练到，以此获得更加丰富、准确的关系表示。
基于标签对比学习监督关系抽取方法

[发明专利]一种基于实体增强的文本语义表示方法及系统-CN202310505568.8在审
发明人：薛源海;夏浩耘;陈翠婷;贺广福;俞晓明;沈华伟;程学旗 -专利权人：中国科学院计算技术研究所
申请日： 2023-05-06 - 公布日： 2023-08-29 - 主分类号： G06F16/33 文献下载
摘要：本发明提出一种基于实体增强的文本语义表示方法和系统，包括：获取文本编码模型和实体增强编码模型，实体增强编码模型由串联的外部实体向量表示模块和上下文相关的实体信息编码模块组成；通过文本编码模型提取目标文本的第一表示向量；以外部实体向量表示模块识别目标文本中表示实体的词项序列，并确定词项序列和知识库中的哪些实体相关联，获得词项序列对应实体的在知识库中的实体向量表示；实体信息编码模块包括多个串联的实体适配器层，实体信息编码模块的输入为实体向量表示和文本编码模型中间层的隐状态；最后一个实体适配器层输出的特征作为目标文本的第二表示向量；融合第一表示向量和第二表示向量，得到目标文本的语义表示结果。
一种基于实体增强文本语义表示方法系统

[发明专利]一种基于多注意力机制的神经网络关系抽取方法-CN201910808441.7在审
发明人：古天龙;梁聪;宾辰忠;陈源鹏;高慧 -专利权人：桂林电子科技大学
申请日： 2019-08-29 - 公布日： 2019-12-17 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种基于多注意力机制的神经网络关系抽取方法,包括，S1:对每个句子和其相关的一对实体，采用双向GRU神经网络构建一对实体的时间歩词向量表示；S2:采用设置的单词级别的自注意力机制选择句子中表述这对实体的关系的词向量表示，得到所述一个句子的句子向量表示；S3:采用设置的句子级别的注意力机制选择其中的表示了一对实体间关系的句子向量表示，得到所述一对实体的综合向量表示；S4:将一对实体的综合向量表示与所有关系进行内积运算生成实体对之间为任一关系的概率
句子注意力机制关系抽取句子向量综合向量词向量神经网络构建实体间关系语义单词级别句子级别内积运算神经网络实体预测重要句子最大概率概率

[发明专利]多任务感知模型获取方法、装置、设备及可读存储介质-CN202310261734.4在审
发明人：陈思;黄毅;冯俊兰;邓超 -专利权人：中国移动通信有限公司研究院;中国移动通信集团有限公司
申请日： 2023-03-17 - 公布日： 2023-10-20 - 主分类号： G06F16/332 文献下载
摘要：本申请公开了一种多任务感知模型获取方法、装置、设备及可读存储介质，该方法包括：将对话文本的语义向量输入到双向长短期记忆Bi‑LSTM模型中得到隐语义向量表示；根据所述隐语义向量表示，获取所述对话文本的意图槽位向量表示；根据所述隐语义向量表示和所述意图槽位向量表示，获取意图槽位的编码表示；根据所述意图槽位的编码表示，进行意图识别和槽位填充；基于所述意图识别和槽位填充的损失函数为训练目标，获取多任务感知模型。
任务感知模型获取方法装置设备可读存储介质