[发明专利]基于capsule网络的输入法输出字符预测方法在审
| 申请号： | 201810565819.0 | 申请日： | 2018-06-04 |
| 公开（公告）号： | CN108762523A | 公开（公告）日： | 2018-11-06 |
| 发明（设计）人： | 薛方正;古俊波;刘阳阳;罗胜元 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06F3/023 | 分类号： | G06F3/023;G06N3/04;G06N3/08 |
| 代理公司： | 重庆晟轩知识产权代理事务所(普通合伙) 50238 | 代理人： | 王海凤 |
| 地址： | 400044 *** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及基于capsule网络的输入法输出字符预测方法，包括如下步骤：S1获取已知文本数据集(用作训练集)并通过处理文本数据集训练得到词向量字典；S2设定迭代次数为N，随机设置每层神经网络中变换矩阵的初始值；采用已知训练集训练预测模型训练；S3将用户输入的词输入预测模型进行预测。本发明运用了现在最新的神经网络单元，它能够捕捉到词与词之间更好的内在联系，相比于传统的预测方法，该方法更接近人类对语言的理解，因此，预测出来的词往往是人们更加希望输出的词。 | ||
| 搜索关键词： | 预测 输出字符 文本数据 输入法 训练集 神经网络单元 预测模型训练 变换矩阵 内在联系 神经网络 输入预测 随机设置 传统的 词向量 迭代 字典 网络 捕捉 输出 语言 | ||
【主权项】：
1.基于capsule网络的输入法输出字符预测方法，其特征在于：包括如下步骤：S1：获取已知的文本数据集；使用jieba分词工具对获取到的文本数据集进行分词；将已经分词过的文本数据集通过word2vec训练生成词向量字典；S2：设定迭代次数为N，预设每层神经网络中变换矩阵和加权系数的初始值；将已经分词的文本数据集中的词通过词向量字典转化为对应词向量，并对所有词向量进行分组，每个词向量组中包括x+1个词向量，每输入一个词向量组完成一次迭代，同时每层神经网络中的变换矩阵更新一次，迭代次数完成，每层神经网络中的变换矩阵更新结束，即预测模型训练完成；S3：当用户输入x个词时，先将该x个词分别转化为词向量，转化后的词向量构成待预测词向量组，将所述待预测词向量组输入步骤S2得到的预测模型，输出预测值，最后将预测值分别转化为词输出。
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重庆大学，未经重庆大学许可，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/201810565819.0/，转载请声明来源钻瓜专利网。
