[发明专利]一种基于语义要素的低资源文本识别算法在审
| 申请号： | 202011001618.1 | 申请日： | 2020-09-22 |
| 公开（公告）号： | CN112131887A | 公开（公告）日： | 2020-12-25 |
| 发明（设计）人： | 付勇;井友鼎;杜创胜;王旭峰;甘志芳;王顺智 | 申请（专利权）人： | 河南合众伟奇云智科技有限公司 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F40/211;G06N3/04;G06F16/35 |
| 代理公司： | 郑州知己知识产权代理有限公司 41132 | 代理人： | 季发军 |
| 地址： | 450000 河南省郑州市郑东新区*** | 国省代码： | 河南;41 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | |||
| 搜索关键词： | 一种 基于 语义 要素 资源 文本 识别 算法 | ||
1.一种基于语义要素的低资源文本识别算法，其特征在于：所述算法包括：
S1、获取文本句子，对文本句子进行编码处理，得到编码后的句子张量表示；
S2、对步骤S1中得到的句子张量表示进行语义要素识别处理，得到语义要素识别结果；
S3、用步骤S2中得到的语义要素识别结果对步骤S1中得到的句子张量表示进行缩放处理；
S4、利用均值池化的方法对步骤S3中经缩放的句子张量表示进行处理，得到语义要素向量表示；
S5、利用均值池化的方法对步骤S1中得到的句子张量表示进行处理，得到句子向量表示；
S6、将步骤S5中得到的句子向量表示与步骤S4中得到的语义要素向量表示进行拼接处理，得到句子最终表示；
S7、对步骤S6中得到的句子最终表示进行处理，得到最终的文本类型概率。
2.根据权利要求1所述的一种基于语义要素的低资源文本识别算法，其特征在于：所述步骤S1中使用LSTM或者Transformer对文本句子进行编码处理。
3.根据权利要求1所述的一种基于语义要素的低资源文本识别算法，其特征在于：所述步骤S2中语义要素识别处理方法中包括sigmoid函数。
4.根据权利要求1所述的一种基于语义要素的低资源文本识别算法，其特征在于：所述步骤S3中缩放处理方法为元素级别的相乘。
5.根据权利要求1所述的一种基于语义要素的低资源文本识别算法，其特征在于：所述步骤S7中对句子最终表示的处理方法中包括softmax函数或sigmoid函数。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于河南合众伟奇云智科技有限公司，未经河南合众伟奇云智科技有限公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/pat/books/202011001618.1/1.html，转载请声明来源钻瓜专利网。
