-
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。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN108565909A
公开(公告)日：2018-09-21
申请号：CN201810171181.2
申请日：2018-03-01
Applicant: 哈尔滨理工大学
IPC: H02J7/00 , H01R13/52 , H01R13/502 , H01R13/66
Abstract: 一种能够自动对接充电的无线供电系统，属于无线供电技术领域，具体涉及一种无线供电系统。本发明针对现有供电系统为有线供电、不安全、不能自动对接的缺陷，提供了一种无线的、安全的、能够自动对接的供电系统。本发明所涉及的一种能够自动对接充电的无线供电系统包括供电端和受电端，供电端为固定端，受电端为移动端；一号电动机用于控制升降台的升降，二号电动机用于控制丝杠丝母水平移动副水平移动，供电接头与丝杠丝母水平移动副连接；一号红外传感器、一号电动机和二号电动机均与微处理器连接；二号红外传感器与蓄电池连接，二号红外传感器与微处理器无线连接。本发明尤其应用于为起重机伸缩臂上的移动设备进行供电。
-
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。
-
公开(公告)号：CN111414481B
公开(公告)日：2023-09-26
申请号：CN202010197034.X
申请日：2020-03-19
Applicant: 哈尔滨理工大学
IPC: G06F16/35 , G06N3/0464 , G06N3/047 , G06F18/2411 , G06F40/30
Abstract: 本发明提供了一种基于拼音和BERT嵌入的中文语义匹配方法，包括：构建包括数据预处理模块、BERT嵌入层模块、池化层模块和分类器模块的语义匹配模型，并对语义匹配模型进行训练，以利用训练好的语义匹配模型对待匹配语句进行中文语义匹配；数据预处理模块对待匹配的两个中文语句中的每个字进行拼音转换以及拼音切分，得到对应的拼音序列；BERT嵌入层模块根据所得拼音序列的上下文为其中每个拼音进行嵌入向量生成，得到嵌入向量序列；池化层模块将嵌入向量序列聚合成用于分类的一维语义表征向量；分类器模块根据一维语义表征向量进行分类，得到对应于两个中文语句之间语义关系的预测结果。上述方法能够大幅降低预训练所需数据量保证较好的效果。
-
公开(公告)号：CN111414481A
公开(公告)日：2020-07-14
申请号：CN202010197034.X
申请日：2020-03-19
Applicant: 哈尔滨理工大学
Abstract: 本发明提供了一种基于拼音和BERT嵌入的中文语义匹配方法，包括：构建包括数据预处理模块、BERT嵌入层模块、池化层模块和分类器模块的语义匹配模型，并对语义匹配模型进行训练，以利用训练好的语义匹配模型对待匹配语句进行中文语义匹配；数据预处理模块对待匹配的两个中文语句中的每个字进行拼音转换以及拼音切分，得到对应的拼音序列；BERT嵌入层模块根据所得拼音序列的上下文为其中每个拼音进行嵌入向量生成，得到嵌入向量序列；池化层模块将嵌入向量序列聚合成用于分类的一维语义表征向量；分类器模块根据一维语义表征向量进行分类，得到对应于两个中文语句之间语义关系的预测结果。上述方法能够大幅降低预训练所需数据量保证较好的效果。
-
-
-
-
-
-
Search Results
7
records
(took 0.017 seconds)
