公开(公告)号：CN110555084A

公开(公告)日：2019-12-10

申请号：CN201910792860.6

申请日：2019-08-26

Applicant: 电子科技大学

Inventor： 廖伟智 ,  叶光磊 ,  马亚恒 ,  左东舟

IPC: G06F16/28 ,  G06F16/2455 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于PCNN和多层注意力的远程监督关系分类方法，属于信息技术领域；包括两个阶段，训练关系分类模型阶段和预测阶段；其中，训练关系分类模型阶段又包括：1)对关系分类模型的训练语料进行预处理；2)建立基于PCNN和Multi-level attention的关系分类模型，并训练模型参数；3)训练模型，优化模型参数；4)将训练好的关系分类模型保存；预测阶段为使用训练好的关系分类模型，对待预测的数据进行关系类别预测。本发明提出的算法能更精确的确定句子中实体之间的关系类型，为一些下游工作提供了一个良好的基础；既减少了许多数据标注的人力，又具备了较高的精确度。

公开(公告)号：CN113239181B

公开(公告)日：2023-04-18

申请号：CN202110525982.6

申请日：2021-05-14

Applicant: 电子科技大学

Inventor： 廖伟智 ,  左东舟

IPC: G06F16/335 ,  G06F16/31 ,  G06F40/284 ,  G06F40/289 ,  G06F40/30 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/09 ,  G06N5/04 ,  G06Q50/18

Abstract: 本发明公开一种基于深度学习的科技文献引文推荐方法，依次对文本数据进行信息抽取、噪声去除、词表索引构建和向量化处理；先通过Bi‑LSTM对需要匹配的文本进行语义向量化表示，然后采用Attention机制对文本进行交互式编码，通过多层的CNN网络对文本的交互式信息进行特征提取，从而获得文本的最终匹配度信息；第一阶段通过文本的向量空间相似性产生相关的引文推荐集合，第二阶段使用文本推理匹配方法对候选集合进行语言理解从而获得精确的相关度的排序列表。该方法能够解决现有文本推理匹配中存在的语义理解和内容完整性、准确性问题，提供高质量的语义特征和数字化的文本输入形式，对文本的交互式信息进行特征提取，从而获得文本的最终匹配度信息。

公开(公告)号：CN110555084B

公开(公告)日：2023-01-24

申请号：CN201910792860.6

申请日：2019-08-26

Applicant: 电子科技大学

Inventor： 廖伟智 ,  叶光磊 ,  马亚恒 ,  左东舟

IPC: G06F16/35 ,  G06F18/2415 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048 ,  G06N3/09

Abstract: 本发明涉及一种基于PCNN和多层注意力的远程监督关系分类方法，属于信息技术领域；包括两个阶段，训练关系分类模型阶段和预测阶段；其中，训练关系分类模型阶段又包括：1)对关系分类模型的训练语料进行预处理；2)建立基于PCNN和Multi‑level attention的关系分类模型，并训练模型参数；3)训练模型，优化模型参数；4)将训练好的关系分类模型保存；预测阶段为使用训练好的关系分类模型，对待预测的数据进行关系类别预测。本发明提出的算法能更精确的确定句子中实体之间的关系类型，为一些下游工作提供了一个良好的基础；既减少了许多数据标注的人力，又具备了较高的精确度。