[发明专利]基于融合模型的文本特征提取方法、装置、聊天机器人和存储介质在审
| 申请号： | 201811420523.6 | 申请日： | 2018-11-26 |
| 公开（公告）号： | CN109508377A | 公开（公告）日： | 2019-03-22 |
| 发明（设计）人： | 张帆 | 申请（专利权）人： | 南京云思创智信息科技有限公司 |
| 主分类号： | G06F16/35 | 分类号： | G06F16/35;G06F17/27 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 210042 江苏省南京*** | 国省代码： | 江苏;32 |
| 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融合模型的文本特征提取方法、装置、聊天机器人和存储介质。提取方法包括以下步骤：S1、将词采用Word2vec模型，利用Skip‑gram模型构建词向量，再将词组成的句子映射为句子矩阵；S2、采用卷积神经网络提取词向量的局部特征；S3、采用BLSTM模型提取与词向量上下文相关的全局特征；S4、通过Attention机制提取局部特征、全局特征更深层次的信息特征，并将提取的特征进行融合；S5、将网络逐层提取得到的文本特征向量使用soft‑max分类器进行文本分类。本发明既解决了单卷积神经网络忽略词语在上下文语义信息的问题，也有效的避免了传统循环神经网络梯度消失或者梯度弥散的问题。 | ||
| 搜索关键词： | 词向量 卷积神经网络 文本特征提取 存储介质 局部特征 全局特征 融合 句子 矩阵 文本特征向量 循环神经网络 聊天 上下文相关 上下文语义 模型构建 模型提取 文本分类 信息特征 分类器 弥散 映射 词语 网络 | ||
【主权项】：
1.基于融合模型的文本特征提取方法，其特征在于，包括以下步骤：S1、将词采用Word2vec模型，利用Skip‑gram模型构建词向量，再将词组成的句子映射为句子矩阵；S2、采用卷积神经网络提取词向量的局部特征；S3、采用BLSTM模型提取与词向量上下文相关的全局特征；S4、通过Attention机制提取局部特征、全局特征更深层次的信息特征，并将提取的特征进行融合；S5、将网络逐层提取得到的文本特征向量使用soft‑max分类器进行文本分类。
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南京云思创智信息科技有限公司，未经南京云思创智信息科技有限公司许可，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/201811420523.6/，转载请声明来源钻瓜专利网。
- 上一篇：可在线纠错更新的意图识别方法及装置
- 下一篇：一种样本数据处理方法及装置
