公开(公告)号：CN114757175B

公开(公告)日：2025-05-06

申请号：CN202210492445.0

申请日：2022-04-29

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  赵兴昊 ,  王珂璠 ,  庄育锋

IPC: G06F40/279 ,  G06F40/211 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明公开了一种基于融合列空洞卷积的《标准》内容关键词识别方法，步骤是：(1)确定标准内容文本的序列化向量；(2)提取每个词的局部特征；(3)确定词语上下文权重信息；(4)得到最终的标注序列条件分布；(5)优化参数得到最优标注序列。本发明使用列空洞卷积与BiLSTM‑Fusion结合的形式，利用列空洞卷积进行局部特征信息提取，有效提高模型对长程依赖的信息提取能力，同时保留了文本的空间信息，为标准内容的关键词提取提供了一种准确率高的提取方法。

公开(公告)号：CN115114432A

公开(公告)日：2022-09-27

申请号：CN202210492503.X

申请日：2022-04-29

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  赵兴昊 ,  王珂璠 ,  庄育锋

IPC: G06F16/35 ,  G06K9/62

Abstract: 本发明公开了一种融合全局语义特征与拼接特征的标准内容文本分类方法，步骤是：(1)提取标准内容文本的序列化向量；(2)确定每个单词的上下文表示；(3)提取词语上下文权重及全局语义信息；(4)提取文本特征信息；(5)融合输出特征得到最终的类别预测概率。本发明使用基于层和词的局部信息提取方法获得更多的局部语义特征，融合多网络有效提取全局语义特征，最后将二者融合，为标准内容文本分类提供了一种准确率高的文本分类方法。

公开(公告)号：CN114757175A

公开(公告)日：2022-07-15

申请号：CN202210492445.0

申请日：2022-04-29

Applicant: 北京邮电大学

Inventor： 胡燕祝 ,  赵兴昊 ,  王珂璠 ,  庄育锋

IPC: G06F40/279 ,  G06F40/211 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于融合列空洞卷积的《标准》内容关键词识别方法，步骤是：(1)确定标准内容文本的序列化向量；(2)提取每个单词的局部特征；(3)确定词语上下文权重信息；(4)得到最终的标注序列条件分布；(5)优化参数得到最优标注序列。本发明使用列空洞卷积与BiLSTM‑Fusion结合的形式，利用列空洞卷积进行局部特征信息提取，有效提高模型对长程依赖的信息提取能力，同时保留了文本的空间信息，为标准内容的关键词提取提供了一种准确率高的提取方法。