[发明专利]一种基于层次卷积网络的实体与段落链接方法有效
| 申请号： | 201510372795.3 | 申请日： | 2015-06-30 |
| 公开（公告）号： | CN104915448B | 公开（公告）日： | 2018-03-27 |
| 发明（设计）人： | 包红云;郑孙聪;许家铭;齐振宇;徐博;郝红卫 | 申请（专利权）人： | 中国科学院自动化研究所 |
| 主分类号： | G06F17/30 | 分类号： | G06F17/30;G06N3/08 |
| 代理公司： | 中科专利商标代理有限责任公司11021 | 代理人： | 宋焰琴 |
| 地址： | 100190 *** | 国省代码： | 北京;11 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 一种基于层次卷积网络的实体与段落链接方法，包括利用卷积神经网络通过词向量化表示转化成句子向量化表示；利用句子向量化表示再次经过卷积神经网络并考虑所述句子次序信息得到段落向量化表示；句子向量化表示和段落向量化表示通过Softmax输出，借助已有实体作为监督信息进行所述卷积神经网络模型的训练；同时，考虑段落语义向量特征与实体语义向量特征之间的pair‑wise相似度信息进一步改善卷积神经网络模型的训练；给定一个测试描述段落，利用训练好的神经网络模型进行深层语义特征抽取得到测试段落的向量化表示，然后基于此语义表示经过Softmax输出可直接链接到目标实体上。 | ||
| 搜索关键词： | 一种 基于 层次 卷积 网络 实体 段落 链接 方法 | ||
【主权项】：
一种基于层次卷积网络的实体与段落链接方法，包括以下步骤：通过卷积神经网络模型和词向量化表示，抽取待处理段落中每条句子的向量化表示特征；利用卷积神经网络结构和句子向量化表示，学习所述段落的深度语义特征；将所述句子的向量化表示和段落的向量化表示分别经过Softmax输出拟合段落所属实体；计算所述实体的向量化表示与段落向量化表示的pair‑wise相似信息；通过Softmax拟合目标实体词及段落特征向量与目标实体词的pair‑wise相似度信息进行误差反向传播训练所述卷积神经网络模型；利用更新后的所述卷积神经网络模型对所述待处理段落进行深度语义特征抽取，然后基于所述段落的向量化表示与对应的实体词进行链接。
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中国科学院自动化研究所，未经中国科学院自动化研究所许可，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/patent/201510372795.3/，转载请声明来源钻瓜专利网。
