公开(公告)号：CN111177557B

公开(公告)日：2023-09-29

申请号：CN201911396812.1

申请日：2019-12-30

Applicant: 上海交通大学

Inventor： 姚建国 ,  白华伟 ,  管海兵

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/082

Abstract: 本发明提供了一种可解释的基于域间显式交互的神经因子的系统及方法，包括：原始数据经过嵌入层得到域嵌入向量，域嵌入向量经过线性变化得到基向量，对域嵌入向量和基向量进行划分得到预设数量的子嵌入向量和子基向量；对每个子嵌入向量和子基向量进行显式交互得到子域的中间交互张量，利用不共享的一维卷积变量分别对子域的中间交互张量进行特征提取，得到新的子域表征向量；新的子域表征向量经过正则层和注意力层得到加权的子域嵌入向量；每个加权的子域嵌入向量在输出层进行特征融合，最后经过归一化函数得到预测结果。本发明通过域间的显式特征交互进行特征映射，每次交互都会为每个域引入新的来自其他子域的信息，使得域间的交互更加丰富和完整。

公开(公告)号：CN111177557A

公开(公告)日：2020-05-19

申请号：CN201911396812.1

申请日：2019-12-30

Applicant: 上海交通大学

Inventor： 姚建国 ,  白华伟 ,  管海兵

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种可解释的基于域间显式交互的神经因子的系统及方法，包括：原始数据经过嵌入层得到域嵌入向量，域嵌入向量经过线性变化得到基向量，对域嵌入向量和基向量进行划分得到预设数量的子嵌入向量和子基向量；对每个子嵌入向量和子基向量进行显式交互得到子域的中间交互张量，利用不共享的一维卷积变量分别对子域的中间交互张量进行特征提取，得到新的子域表征向量；新的子域表征向量经过正则层和注意力层得到加权的子域嵌入向量；每个加权的子域嵌入向量在输出层进行特征融合，最后经过归一化函数得到预测结果。本发明通过域间的显式特征交互进行特征映射，每次交互都会为每个域引入新的来自其他子域的信息，使得域间的交互更加丰富和完整。