[发明专利]一种结合正反向实例的卷积神经网络关系分类方法在审
| 申请号： | 201710354990.2 | 申请日： | 2017-06-19 |
| 公开（公告）号： | CN107194422A | 公开（公告）日： | 2017-09-22 |
| 发明（设计）人： | 赵翔;李博;葛斌;肖卫东;王帅;汤大权 | 申请（专利权）人： | 中国人民解放军国防科学技术大学 |
| 主分类号： | G06K9/62 | 分类号： | G06K9/62;G06N3/08 |
| 代理公司： | 北京中济纬天专利代理有限公司11429 | 代理人： | 陆薇薇 |
| 地址： | 410073 湖*** | 国省代码： | 湖南;43 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种结合正向实例和反向实例结合的基于卷积神经网络的关系分类方法，其涉及关系抽取和分类技术领域。该方法包括以下步骤S1.对待分类的句子文本实体，根据句子中词的前后线性顺序分为正向实例和反向实例；S2.利用CNN句子编码器分别对正向实例实体和反向实例实体进行编码，构建出句子的正向实例的编码特征向量为和反向实例的编码特征向量为S3.根据正向实例的编码特征向量为和反向实例的编码特征向量为利用softmax层进行关系分类，得到分类结果ri。和其他方法相比，本发明在CNN上结合同一实体对的正反向情况综合分类，提高了最终分类效果。 | ||
| 搜索关键词： | 一种 结合 反向 实例 卷积 神经网络 关系 分类 方法 | ||
【主权项】：
一种结合正向实例和反向实例结合的基于卷积神经网络的关系分类方法，其特征在于，S1.对待分类的句子文本实体，根据句子中词的前后线性顺序分为正向实例和反向实例；S2.利用CNN句子编码器分别对正向实例实体和反向实例实体进行编码，构建出句子的正向实例的编码特征向量为和反向实例的编码特征向量为S3.根据正向实例的编码特征向量为和反向实例的编码特征向量为利用softmax层进行关系分类，得到分类结果ri。
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人民解放军国防科学技术大学，未经中国人民解放军国防科学技术大学许可，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/201710354990.2/，转载请声明来源钻瓜专利网。
- 上一篇：除臭装置和应用其除臭的方法
- 下一篇：除臭装置
