-
Patent Agency Ranking
公开(公告)号：CN109948152B
公开(公告)日：2020-07-17
申请号：CN201910168386.X
申请日：2019-03-06
Applicant: 北京工商大学
IPC: G06F40/232 , G06F40/253 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于LSTM的中文文本语法纠错模型的方法，首先收集大量的中文文本语料用以计算5‑gram语言模型，保存的语言模型将会用作数据处理过程和模型输出的结果选择，然后收集语法纠错平行语料数据，语法纠错平行语料数据用作训练LSTM神经网络模型，实现模型对错误句子到正确句子的序列翻译过程；其次用保存好的5‑gram语言模型对平行语料数据进行预处理，修改掉明显的错误，最后构建LSTM神经网络并用预处理后的数据进行训练，训练结束保存网络参数，并用已训练好的网络，输出语法正确的文本序列。本发明数据容易获取，过程简单有效，LSTM神经网络自动抽取抽象特征，完成语法纠错任务，算法效率和准确度都相对较高，应用于中文学习过程和语音识别后端处理。
-
公开(公告)号：CN109948152A
公开(公告)日：2019-06-28
申请号：CN201910168386.X
申请日：2019-03-06
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于LSTM的中文文本语法纠错模型的方法，首先收集大量的中文文本语料用以计算5-gram语言模型，保存的语言模型将会用作数据处理过程和模型输出的结果选择，然后收集语法纠错平行语料数据，语法纠错平行语料数据用作训练LSTM神经网络模型，实现模型对错误句子到正确句子的序列翻译过程；其次用保存好的5-gram语言模型对平行语料数据进行预处理，修改掉明显的错误，最后构建LSTM神经网络并用预处理后的数据进行训练，训练结束保存网络参数，并用已训练好的网络，输出语法正确的文本序列。本发明数据容易获取，过程简单有效，LSTM神经网络自动抽取抽象特征，完成语法纠错任务，算法效率和准确度都相对较高，应用于中文学习过程和语音识别后端处理。
-
公开(公告)号：CN108923922B
公开(公告)日：2021-04-23
申请号：CN201810833603.8
申请日：2018-07-26
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于生成对抗网络的文本隐写方法，该模型将文本隐写看作是一个文本序列生成过程，通过密钥映射表将秘密文本有效地隐写于生成文本中，同时保证了生成文本有较高的质量，在对抗训练中使用策略梯度优化生成器，最后使得生成模型可以生成高质量隐写文本，相比于传统的训练方法，对抗学习过程可以让模型更好地拟合整个语料库的分布，生成更为合理的短语搭配和长文本。
-
公开(公告)号：CN108923922A
公开(公告)日：2018-11-30
申请号：CN201810833603.8
申请日：2018-07-26
Applicant: 北京工商大学
Abstract: 本发明公开了一种基于生成对抗网络的文本隐写方法，该模型将文本隐写看作是一个文本序列生成过程，通过密钥映射表将秘密文本有效地隐写于生成文本中，同时保证了生成文本有较高的质量，在对抗训练中使用策略梯度优化生成器，最后使得生成模型可以生成高质量隐写文本，相比于传统的训练方法，对抗学习过程可以让模型更好地拟合整个语料库的分布，生成更为合理的短语搭配和长文本。
-
公开(公告)号：CN108009402A
公开(公告)日：2018-05-08
申请号：CN201710609781.8
申请日：2017-07-25
Applicant: 北京工商大学
IPC: G06F19/24
Abstract: 本发明一种基于动态卷积网络的微生物基因序列分类模型的方法：步骤一：获取已有分类结果的微生物基因序列数据；步骤二：数据预处理；步骤三：构建动态卷积网络结构框架；步骤四：把准备好的数据输入步骤三建立的动态卷积网络，用反向传播，随机梯度下降法迭代100次，训练动态卷积网络；以多分类交叉熵为代价函数，最终得到分类算法模型；步骤五：将需要分类的分词序列输入到步骤四已训练好的动态卷积网络模型，得到分类结果。本发明方法不用人工处理数据和抽取特征，模型自动抽取抽象特征完成分类任务，算法效率和准确度高，可有效应用于生物信息分析与处理。
-
-
-
-
Search Results
5
records
(took 0.025 seconds)
