[发明专利]基于狄式过程的卡尔曼滤波词向量学习方法有效
| 申请号： | 201810212606.X | 申请日： | 2018-03-15 |
| 公开（公告）号： | CN108446273B | 公开（公告）日： | 2021-07-20 |
| 发明（设计）人： | 王磊;翟荣安;刘晶晶;王毓;王飞;于振中;李文兴 | 申请（专利权）人： | 哈工大机器人（合肥）国际创新研究院 |
| 主分类号： | G06F40/247 | 分类号： | G06F40/247;G06K9/62;G06F17/16 |
| 代理公司： | 北京华际知识产权代理有限公司 11676 | 代理人： | 陈晓蕾 |
| 地址： | 230601 安徽省*** | 国省代码： | 安徽;34 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： |
一种基于狄式过程的卡尔曼滤波词向量学习方法，所述方法包括：对语料进行训练和预处理，生成LDS语言模型系统，对系统参数进行初始化，假设过程噪声满足正态分布，定义聚类θ |
||
| 搜索关键词： | 基于 过程 卡尔 滤波 向量 学习方法 | ||
【主权项】：
1.一种基于狄式过程的卡尔曼滤波词向量学习方法，所述方法包括：对语料进行训练和预处理，生成LDS语言模型系统，对系统参数进行初始化，假设过程噪声满足正态分布，定义聚类θt＝(μt,∑t)，μt为语料库中词t出现的频率，计算θt的狄利克雷先验分布，通过卡尔曼滤波推导和Gibbs抽样估计计算后验分布，利用MCMC抽样算法抽取备选聚类，计算备选聚类的选择概率，并选择所述概率值最高的备选聚类作为θt，计算所述聚类的最小均方误差估计值，将计算结果代入LDS语言模型，通过EM算法训练模型，使模型参数达到稳定，将预处理好的语料输入训练好的LDS语言模型，通过卡尔曼滤波器一步更新公式进行计算隐含向量表示。
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哈工大机器人（合肥）国际创新研究院，未经哈工大机器人（合肥）国际创新研究院许可，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/201810212606.X/，转载请声明来源钻瓜专利网。
