[发明专利]深度学习自主运行方法在审
| 申请号： | 201910463215.X | 申请日： | 2019-05-30 |
| 公开（公告）号： | CN110298445A | 公开（公告）日： | 2019-10-01 |
| 发明（设计）人： | 何孝珍;周明振 | 申请（专利权）人： | 合肥阿拉丁智能科技有限公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06F16/36;G06F17/27 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 230000 安徽省合*** | 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： | 一种深度学习自主运行方法。其步骤如下：获取原始语料文本；基础语义分割；命名实体识别和实体关系抽取；建立基础知识图谱；建立扩展知识图谱；设计训练模型和生成训练数据和测试数据集；生成预测模型。本发明可自动根据长文本信息中，形成知识库，同时由于长文本学习和应用程序是异步结构，学习过程并不影响应用程序运行，并可以针对不同行业形成各自独立的行业知识库,涉及到的行业有金融行业、保险行业、教育行业、医疗行业、法律行业、旅游行业、安保行业、客服行业。 | ||
| 搜索关键词： | 知识库 自主运行 长文本 图谱 影响应用程序 测试数据集 保险行业 基础知识 教育行业 金融行业 旅游行业 命名实体 设计训练 实体关系 学习过程 训练数据 医疗行业 异步结构 应用程序 语义分割 预测模型 原始语料 安保 客服 学习 抽取 文本 法律 | ||
【主权项】：
1.一种深度学习自主运行方法，其特征在于，其步骤如下：获取原始语料文本；基础语义分割；命名实体识别和实体关系抽取；建立基础知识图谱；建立扩展知识图谱；设计训练模型和生成训练数据和测试数据集；生成预测模型。
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合肥阿拉丁智能科技有限公司，未经合肥阿拉丁智能科技有限公司许可，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/201910463215.X/，转载请声明来源钻瓜专利网。
