-
公开(公告)号：CN108052588B
公开(公告)日：2021-03-26
申请号：CN201711309921.6
申请日：2017-12-11
Applicant: 浙江大学城市学院
IPC: G06F16/332 , G06F16/33 , G06F16/335 , G06N3/04
Abstract: 一种基于卷积神经网络的文档自动问答系统的构建方法，包括以下步骤：步骤1，构建主题文档库；步骤2，构造词向量模型；步骤3，主题匹配；步骤4，构造词向量矩阵；步骤5，基于卷积神经网络的语义模型进行语义匹配；所述卷积神经网络的语义模型分为三层；第一层为卷积神经网络层；第二层为注意力层；第三层为全连接层；步骤6，答案选择过程，选择出匹配答案。本发明的方法无需手工构建同义词词典，节省了大量的人力和时间成本，能够在模型的训练过程中有目的性的对词语上下文的语义进行采样，在网络中加入注意力机制，提升某些具有代表性的词语对整个句子语义的贡献度。
-
公开(公告)号：CN108363699A
公开(公告)日：2018-08-03
申请号：CN201810233206.7
申请日：2018-03-21
Applicant: 浙江大学城市学院
Abstract: 一种基于百度贴吧的网民学业情绪分析方法，包括：数据采集和提取；采集百度贴吧中高考吧主题帖子，形成数据集；数据预处理；首先，去除数据集中的帖子内容中的非文本信息；其次，进行中文分词，对帖子文本中的词汇进行词性分析，去除相关的停用词；学业情绪分类；对数据预处理后的数据集按照13类学业情绪进行学业情绪标注，学业情绪标注包括人工标注机器学习和机器标注；对学业情绪分类结果进行相关性与差异性分析。本发明运用学业情绪人工分类和采用机器学习方法对数据集进行情绪分类，判断整体情绪，并统计各情绪强度和占比，最后根据时间序列、情绪拐点和关键事件、学业情绪的群体特征等多个方面，对高考事件中网民的学业情绪的时间发展特征和群体特征进行多角度分析。
-
公开(公告)号：CN108052588A
公开(公告)日：2018-05-18
申请号：CN201711309921.6
申请日：2017-12-11
Applicant: 浙江大学城市学院
Abstract: 一种基于卷积神经网络的文档自动问答系统的构建方法，包括以下步骤：步骤1，构建主题文档库；步骤2，构造词向量模型；步骤3，主题匹配；步骤4，构造词向量矩阵；步骤5，基于卷积神经网络的语义模型进行语义匹配；所述卷积神经网络的语义模型分为三层；第一层为卷积神经网络层；第二层为注意力层；第三层为全连接层；步骤6，答案选择过程，选择出匹配答案。本发明的方法无需手工构建同义词词典，节省了大量的人力和时间成本，能够在模型的训练过程中有目的性的对词语上下文的语义进行采样，在网络中加入注意力机制，提升某些具有代表性的词语对整个句子语义的贡献度。
-
-
Search Results
3
records
(took 0.018 seconds)
