[发明专利]一种基于句内注意力模型的LSTM文本语义匹配方法及系统在审

专利信息
申请号: 202110436654.9 申请日: 2021-04-22
公开(公告)号: CN113177413A 公开(公告)日: 2021-07-27
发明(设计)人: 彭德光;唐贤伦;代雪玲 申请(专利权)人: 重庆兆光科技股份有限公司
主分类号: G06F40/30 分类号: G06F40/30;G06K9/62;G06N3/04;G06N3/08
代理公司: 重庆渝之知识产权代理有限公司 50249 代理人: 柴社英
地址: 400000 重庆市沙坪*** 国省代码: 重庆;50
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 注意力 模型 lstm 文本 语义 匹配 方法 系统
【权利要求书】:

1.一种基于句内注意力模型的LSTM文本语义匹配方法,其特征在于,包括:

将多个待匹配的文本分别转换为对应的输入序列,并将所述输入序列输入长短期记忆神经网络获取对应的隐含状态序列;

将所述隐含状态序列输入句内注意力模型,获取隐含状态序列的权值;

将所述隐含状态序列权值与所述隐含状态序列进行加权处理,获取所述输入序列对应的特征序列;

将多个所述待匹配文本对应的特征序列进行特征融合后输入分类器,获取匹配结果。

2.根据权利要求1所述的基于句内注意力模型的LSTM文本语义匹配方法,其特征在于,所述特征融合包括:将多个特征序列按位相乘得到融合特征序列。

3.根据权利要求1所述的基于句内注意力模型的LSTM文本语义匹配方法,其特征在于,将所述隐含状态序列输入句内注意力模型,获取隐含状态序列的权值,包括:将所述隐含状态序列分为两路,其中一路直接输入所述句内注意力模型,另一路经过全局平均池化后输入所述句内注意力模型;

计算所述隐含状态序列的注意力概率作为所述权值。

4.根据权利要求3所述的基于句内注意力模型的LSTM文本语义匹配方法,其特征在于,计算所述隐含状态序列的概率的方式,表示为:

其中,ei=a(hi),a(.)为注意力函数,hi为隐含状态序列。

5.根据权利要求1所述的基于句内注意力模型的LSTM文本语义匹配方法,其特征在于,将所述输入序列输入长短期记忆神经网络之前,还包括:

通过dropout策略使得长短期记忆神经网络的每个输入神经元的激活值以设定概率停止工作。

6.根据权利要求1所述的基于句内注意力模型的LSTM文本语义匹配方法,其特征在于,将多个待匹配的文本分别转换为对应的输入序列之前,对所述带匹配文本进行预处理,包括:通过停用词表筛除停用词。

7.根据权利要求2所述的基于句内注意力模型的LSTM文本语义匹配方法,其特征在于,将所述融合特征序列输入分类器之前,还包括:

通过dropout策略使得分类器的每个输入神经元的激活值以设定概率停止工作。

8.一种基于句内注意力模型的LSTM文本语义匹配系统,其特征在于,包括:

隐含序列提取模块,用于将多个待匹配的文本分别转换为对应的输入序列,并将所述输入序列输入长短期记忆神经网络获取对应的隐含状态序列;

权值获取模块,用于将所述隐含状态序列输入句内注意力模型,获取隐含状态序列的权值;

特征获取模块,用于将所述隐含状态序列权值与所述隐含状态序列进行加权处理,获取所述输入序列对应的特征序列;

匹配模块,用于将多个所述带匹配文本对应的特征序列进行特征融合后输入分类器,获取匹配结果。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

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重庆兆光科技股份有限公司,未经重庆兆光科技股份有限公司许可,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/202110436654.9/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top