[发明专利]基于自编码器的变体词识别方法及系统在审
| 申请号： | 201810252275.2 | 申请日： | 2018-03-26 |
| 公开（公告）号： | CN110362807A | 公开（公告）日： | 2019-10-22 |
| 发明（设计）人： | 沙灜;游绩榕;梁棋;李锐;邱泳钦;王斌 | 申请（专利权）人： | 中国科学院信息工程研究所 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06N3/06;G06N3/08 |
| 代理公司： | 北京君尚知识产权代理事务所(普通合伙) 11200 | 代理人： | 余长江 |
| 地址： | 100093 *** | 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： | 本发明提供一种基于自编码器的变体词识别方法，其步骤包括：将与变体词有关的语料作为数据集，进行分词和向量化；从数据集中生成批量样本，输入到自编码器的各自编码单元中进行非监督的预训练，得到各自编码单元神经网络的神经元参数；从数据集中生成批量正样本和负样本，输入到基于上述各自编码单元神经网络的神经元参数的自编码器中进行监督训练，得到整个神经网络的各神经元参数；将文档中包含的某已知变体词及其上下文向量化，再输入到基于上述整个神经网络的各神经元参数的自编码器中，识别出与该已知变体词关联的候选词。本发明还提供一种基于自编码器的变体词识别系统。 | ||
| 搜索关键词： | 编码器 神经元 神经网络 编码单元 数据集中 向量化 识别系统 负样本 候选词 数据集 正样本 分词 文档 语料 样本 关联 监督 | ||
【主权项】：
1.一种基于自编码器的变体词识别方法，其步骤包括：将与变体词有关的语料作为数据集，进行分词得到词项，对词项进行向量化；从上述数据集中生成批量样本，该批量样本包括向量化的词项及其上下文；将上述批量样本输入到基于神经网络的自编码器的各自编码单元中进行非监督的预训练，得到各自编码单元神经网络的神经元参数；从上述数据集中生成批量正样本和负样本，该正样本包括向量化的上述变体词和目标词对及其上下文，该负样本包括向量化的一对随机词项及其上下文；将上述批量正样本和负样本输入到基于上述各自编码单元神经网络的神经元参数的自编码器中进行监督训练，得到整个神经网络的各神经元参数；将文档中包含的某已知变体词及其上下文向量化，再输入到基于上述整个神经网络的各神经元参数的自编码器中，识别出与该已知变体词关联的候选词。
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信息工程研究所，未经中国科学院信息工程研究所许可，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/201810252275.2/，转载请声明来源钻瓜专利网。
- 上一篇：基于大数据的个性化作业布置系统
- 下一篇：文本分析方法及装置
