-
公开(公告)号：CN114896992A
公开(公告)日：2022-08-12
申请号：CN202210460184.4
申请日：2022-04-28
Applicant: 南京大学
Abstract: 本发明公开了一种利用检索提升机器翻译质量自动评估的方法、介质及设备，方法包括：检索阶段：对于机器翻译质量评估句对，为所述机器翻译质量评估句对中的待评估词在数据库中检索出相关的平行句对；机器翻译质量评估阶段：将检索到的平行句对进行编码后，融入到机器翻译质量评估模型中。本发明能够直接有效地利用相关的平行句对，同时也缓解了机器翻译质量评估训练数据稀疏的问题；更好地解释了模型做出相关决策的原因；无需重新训练模型；避免了端到端模型在训练过程中遗忘训练数据的缺陷，提升了机器翻译质量评估模型的性能。
-
公开(公告)号：CN114707504A
公开(公告)日：2022-07-05
申请号：CN202210208405.9
申请日：2022-03-04
Applicant: 南京大学
IPC: G06F40/289 , G06F16/28 , G06F16/36 , G06F40/216 , G06F40/30
Abstract: 本发明提供了一种快速构建重叠关系抽取文本数据的方法，包括：步骤1，构建领域词典；步骤2，获得文本；步骤3，分句并组装数据；步骤4，将锚文本加入候选实体集；步骤5，提取文本中的非锚文本实体，同时调整样本的数据分布；步骤6，查询实体在维基知识图谱中的实体编号，所述编号作为实体的唯一标识；步骤7，查询实体之间的关系，并用所述关系对分句进行关系标注。本发明重新精确定义了重叠关系数据的类型，提供了一个可以进行研究的数据集，为重叠关系研究做好了数据铺垫。
-
公开(公告)号：CN111310485B
公开(公告)日：2022-06-21
申请号：CN202010172133.2
申请日：2020-03-12
Applicant: 南京大学
IPC: G06F40/58 , G06F40/211 , G06F40/242
Abstract: 本公开涉及机器翻译领域，尤其涉及一种机器翻译方法、装置及存储介质。所述方法包括：根据待翻译的源端文本序列，调用编码器进行编码得到编码向量；根据编码向量，调用解码器进行解码得到中间结果；根据中间结果，通过总结层采用单头注意力得到当前时刻的词语对应的翻译概率分布，翻译概率分布用于指示多个候选词各自对应的选取概率；根据源端文本序列中各个词语的翻译概率分布，生成源端文本序列对应的目标译文。本公开实施例通过在包括编码器和解码器的机器翻译模型中增加一层总结层的方式，避免了相关技术中使用对多头注意力做剪枝、得到的注意力作为拷贝的注意力的情况，在保证解码速度的同时，提高了机器翻译模型的翻译质量。
-
公开(公告)号：CN111444328A
公开(公告)日：2020-07-24
申请号：CN202010371946.4
申请日：2020-05-06
Applicant: 南京大学
IPC: G06F16/332 , G06F16/33 , G06F40/289 , G06F40/30 , G06F40/211
Abstract: 本发明提供了一种带有解释生成的自然语言自动预测推断方法，包括如下步骤：步骤1，训练一个变分解释生成模型；步骤2，训练一个基于解释的逻辑关系预测模型；步骤3，通过所述的变分解释生产模型对自然语言推断进行解释生成，通过生成的解释进行逻辑关系预测。
-
公开(公告)号：CN108763367B
公开(公告)日：2020-07-10
申请号：CN201810473752.8
申请日：2018-05-17
Applicant: 南京大学
IPC: G06F16/9536 , G06F40/30
Abstract: 本发明公开了一种基于深度对齐矩阵分解模型进行学术论文推荐的方法，包括：分别通过两个非线性多层感知器，将用户和论文以及论文和单词映射到相同维度的低维特征空间；通过最大化同一篇论文的两种低维表示向量之间的相似度，在两个非线性多层感知器之间搭建起一个“桥梁”。最后，通过这个“论文信息桥梁”传递信息，轮流训练这两部分感知器。由于通过这种方法，在训练“用户‑论文”部分的感知器时，能借助“论文‑单词”部分的信息；在训练“论文‑单词”部分的感知器时，能借助“用户‑论文”部分的信息。所以，本发明可以同时使用“用户‑论文收藏记录”、“论文内容文本信息”，共同为用户论文推荐做贡献。
-
Patent Agency Ranking
公开(公告)号：CN105912720B
公开(公告)日：2019-02-22
申请号：CN201610289197.4
申请日：2016-05-04
Applicant: 南京大学
IPC: G06F16/245
Abstract: 本发明提出了一种计算机中涉及情感的文本数据分析方法，包括：构造一种人工语言，训练对齐模型，抽取翻译短语，并利用对齐概率特征和翻译短语特征作为方面识别模型的信息特征，再对所识别到的方面类别结合句子信息进行情感倾向判别。对比现有的多方面情感分析方法，本方法突出在考虑了句子不同文本片段和输出信息中不同的部分的对应关系，并且能利用富含信息量的关键性短语。在具体的多方面情感分析实验中，可以得到更高的方面识别精度。
-
公开(公告)号：CN108763230A
公开(公告)日：2018-11-06
申请号：CN201810581372.6
申请日：2018-06-07
Applicant: 南京大学
Abstract: 本公开涉及利用外部信息的神经机器翻译方法，包括：接收源端源语言的文字序列作为源端输入；接收目标语言的文字序列作为外部信息输入；根据源端输入和外部信息输入，生成源端源语言文字序列的译文作为目标端输出。本公开提供的神经机器翻译方法通过在翻译过程中输入外部信息，为翻译提供了参考，有效提高了神经机器翻译的翻译效率。
-
公开(公告)号：CN103020167B
公开(公告)日：2016-09-28
申请号：CN201210489136.4
申请日：2012-11-26
Applicant: 南京大学
Abstract: 本发明提出了一种计算机中文文本分类方法，包括以下步骤：使用N‑gram方法处理中文文本：使用N‑gram的方法把中文文本的表示为一个由一组特征组成的特征向量；使用词频逆向文件频率法为特征向量中每一个特征赋予一个权重；利用L1‑正则化逻辑回归分类器模型为中文文本分类。本发明对现有的基于分词的中文文本分类方法进行改善和提高，能够避免分词对分类精度产生的不良影响。通过使用N‑gram的形式来表达文本，可以很好地避免上述的两方面问题。同时L1‑正则化逻辑回归分类器可以很好地解决N‑gram带来的数据稀疏性问题，从而提高文本分类的精度。
-
公开(公告)号：CN105912720A
公开(公告)日：2016-08-31
申请号：CN201610289197.4
申请日：2016-05-04
Applicant: 南京大学
IPC: G06F17/30
CPC classification number: G06F17/30705 , G06F17/30699 , G06F17/30734
Abstract: 本发明提出了一种计算机中涉及情感的文本数据分析方法，包括：构造一种人工语言，训练对齐模型，抽取翻译短语，并利用对齐概率特征和翻译短语特征作为方面识别模型的信息特征，再对所识别到的方面类别结合句子信息进行情感倾向判别。对比现有的多方面情感分析方法，本方法突出在考虑了句子不同文本片段和输出信息中不同的部分的对应关系，并且能利用富含信息量的关键性短语。在具体的多方面情感分析实验中，可以得到更高的方面识别精度。
-
公开(公告)号：CN114881031B
公开(公告)日：2025-05-23
申请号：CN202210428560.1
申请日：2022-04-22
Applicant: 南京大学
IPC: G06F40/295 , G06F40/30 , G06F16/28
Abstract: 本发明公开了一种命名实体识别模型的训练方法，利用预训练好的成分句法分析器，构建出输入文本的成分分析树；基于生成规则，通过所述成分分析树形成关键句法成分候选集合；通过掩蔽不同的关键句法成分，筛选出所述关键句法成分候选集合中最重要的两个关键句法成分；分别掩蔽实体和最重要的两个关键句法成分，得到两种词嵌入并引入一种门控机制对两种词嵌入进行融合，形成每个词最终的词嵌入表示；将文本中所述每个词最终的词嵌入表示作为输入，输入条件随机场中进行训练，得到命名实体识别模型。本发明加强了最终词嵌入的表达能力；省去标注样本数据所需的人力成本；有效减轻整个句子复杂语义的影响，简化人类阅读和理解的过程，可解释性较强。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.02 seconds)
