[发明专利]基于深度学习的问题分类模型训练方法、分类方法及装置有效
| 申请号： | 201710375175.4 | 申请日： | 2017-05-24 |
| 公开（公告）号： | CN107291822B | 公开（公告）日： | 2020-03-24 |
| 发明（设计）人： | 鄂海红;宋美娜;王昕睿;胡莺夕;赵鑫禄;白杨;王宁 | 申请（专利权）人： | 北京邮电大学 |
| 主分类号： | G06F16/332 | 分类号： | G06F16/332;G06F16/35;G06N20/00 |
| 代理公司： | 北京清亦华知识产权代理事务所(普通合伙) 11201 | 代理人： | 张润 |
| 地址： | 100876 北京市海淀区西*** | 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： | 本发明公开了一种基于深度学习的问题分类模型训练方法、问题分类方法以及装置。其中问题分类模型训练方法包括：提取问题文本样本中的特征信息样本，并生成对应的第一特征向量样本；对第一特征向量样本进行空间变换，得到第二特征向量样本；将第二特征向量样本输入至多层卷积神经网络中的多个卷积层和多个池化层，以通过叠加卷积操作和池化操作，得到第一融合特征向量样本；将第一融合特征向量样本输入至多层卷积神经网络中的全连接层，得到全局特征向量样本；根据全局特征向量样本对Softmax分类器进行训练，得到问题分类模型。该方法可免去大量人工设计特征的开销，通过该问题分类模型可以得到更加准确的分类结果，提高了标准问题与答案的定位。 | ||
| 搜索关键词： | 基于 深度 学习 问题 分类 模型 训练 方法 装置 | ||
【主权项】：
一种基于深度学习的问题分类模型训练方法，其特征在于，包括以下步骤：获取问题文本样本；提取所述问题文本样本中的特征信息样本，并根据所述特征信息样本生成对应的第一特征向量样本；对所述第一特征向量样本进行空间变换，得到第二特征向量样本；将所述第二特征向量样本输入至多层卷积神经网络中的多个卷积层和多个池化层，以通过叠加卷积操作和池化操作，得到第一融合特征向量样本；将所述第一融合特征向量样本输入至所述多层卷积神经网络中的全连接层，得到全局特征向量样本；根据所述全局特征向量样本对Softmax分类器进行训练，得到所述问题分类模型。
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北京邮电大学，未经北京邮电大学许可，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/201710375175.4/，转载请声明来源钻瓜专利网。
