-
公开(公告)号：CN109918681B
公开(公告)日：2023-01-31
申请号：CN201910249978.4
申请日：2019-03-29
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06F16/332 , G06F16/33 , G06F16/35 , G06N3/0442 , G06N3/045
Abstract: 本发明提出了一种融合问题语义匹配方法，属于自然语言处理领域。本发明用于自动匹配回答消费者线上咨询时所提出的问题，同时通过汉字‑拼音特征融合的方法降低消费者所输入的同音错别字对问题语义匹配模型性能的影响。本发明所提出的双孪生长短时记忆网络结构通过两个单孪生长短时记忆网络独立地对汉字与拼音两种特征进行语义提取，使模型能够以不同的方式提取汉字序列与拼音序列的特征，再通过汉字与拼音特征拼接并进行语义合成，得到融合了汉字与拼音特征的语义向量，最后通过计算两个问题语义向量之间的负指数曼哈顿距离，输出两个问题的语义匹配程度。本发明提高了问题语义匹配模型在实际应用中的效果。
-
Patent Agency Ranking
公开(公告)号：CN109992780B
公开(公告)日：2022-07-01
申请号：CN201910249992.4
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种基于深度神经网络特定目标情感分类方法。属于自然语言处理的文本情感分类领域。首先对数据集进行中文分词、去除停用词、去除标点的操作，接着采用word2vec算法对处理后的语料进行训练来得到相应的词向量，然后，将训练集输入到基于目标注意力机制的长短期记忆网络模型结构中,在实现注意力权重训练的过程中，将特定目标和特定方面嵌入进去，用特定方面嵌入的加权求和来表示特定目标，使模型对特定目标和特定方面给与更多正确的关注，实现更好地捕捉目标的真实语义，最终提高了特定目标情感分类的准确度。
-
公开(公告)号：CN109879170B
公开(公告)日：2020-08-04
申请号：CN201910249372.0
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 一种起重机吊臂旁弯位移实时检测系统，涉及起重机吊臂旁弯位移实时检测技术。目的是为了解决无法对大型起重机工作过程中臂架的旁弯量进行实时监测的问题。本发明的检测系统，包括两个红外激光发射器、成像设备和工业计算机；所述两个红外激光发射器位于起重机基本臂的顶端，并且两个激光发射器与基本臂的中心轴线对称，且所述两个激光发射器位于同一水平面，成像设备的红外激光接收器位于起重机基本臂的底部中央，并且所述红外激光接收器的光轴与基本臂的中心轴线平行；所述成像设备的信号输出端连接工业计算机的图像信号输入端。该系统具有操作简单方便、可靠性高，精确度高等特点。提高了起重机作业过程中的安全性，减少事故的发生。
-
公开(公告)号：CN109879170A
公开(公告)日：2019-06-14
申请号：CN201910249372.0
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 一种起重机吊臂旁弯位移实时检测系统，涉及起重机吊臂旁弯位移实时检测技术。目的是为了解决无法对大型起重机工作过程中臂架的旁弯量进行实时监测的问题。本发明的检测系统，包括两个红外激光发射器、成像设备和工业计算机；所述两个红外激光发射器位于起重机基本臂的顶端，并且两个激光发射器与基本臂的中心轴线对称，且所述两个激光发射器位于同一水平面，成像设备的红外激光接收器位于起重机基本臂的底部中央，并且所述红外激光接收器的光轴与基本臂的中心轴线平行；所述成像设备的信号输出端连接工业计算机的图像信号输入端。该系统具有操作简单方便、可靠性高，精确度高等特点。提高了起重机作业过程中的安全性，减少事故的发生。
-
公开(公告)号：CN109992780A
公开(公告)日：2019-07-09
申请号：CN201910249992.4
申请日：2019-03-29
Applicant: 哈尔滨理工大学
Abstract: 本发明提供一种基于深度神经网络特定目标情感分类方法。属于自然语言处理的文本情感分类领域。首先对数据集进行中文分词、去除停用词、去除标点的操作，接着采用word2vec算法对处理后的语料进行训练来得到相应的词向量，然后，将训练集输入到基于目标注意力机制的长短期记忆网络模型结构中,在实现注意力权重训练的过程中，将特定目标和特定方面嵌入进去，用特定方面嵌入的加权求和来表示特定目标，使模型对特定目标和特定方面给与更多正确的关注，实现更好地捕捉目标的真实语义，最终提高了特定目标情感分类的准确度。
-
公开(公告)号：CN109918681A
公开(公告)日：2019-06-21
申请号：CN201910249978.4
申请日：2019-03-29
Applicant: 哈尔滨理工大学
IPC: G06F17/27 , G06F16/332 , G06F16/33 , G06F16/35
Abstract: 本发明提出了一种融合问题语义匹配方法，属于自然语言处理领域。本发明用于自动匹配回答消费者线上咨询时所提出的问题，同时通过汉字-拼音特征融合的方法降低消费者所输入的同音错别字对问题语义匹配模型性能的影响。本发明所提出的双孪生长短时记忆网络结构通过两个单孪生长短时记忆网络独立地对汉字与拼音两种特征进行语义提取，使模型能够以不同的方式提取汉字序列与拼音序列的特征，再通过汉字与拼音特征拼接并进行语义合成，得到融合了汉字与拼音特征的语义向量，最后通过计算两个问题语义向量之间的负指数曼哈顿距离，输出两个问题的语义匹配程度。本发明提高了问题语义匹配模型在实际应用中的效果。
-
-
-
-
-
Search Results
6
records
(took 0.026 seconds)
