[发明专利]一种基于稀疏权值神经网络的语义分类方法、系统和介质在审
| 申请号： | 201910558051.9 | 申请日： | 2019-06-26 |
| 公开（公告）号： | CN110413993A | 公开（公告）日： | 2019-11-05 |
| 发明（设计）人： | 孙健;彭德光;唐贤伦 | 申请（专利权）人： | 重庆兆光科技股份有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06F16/35;G06N3/04;G06N3/08 |
| 代理公司： | 重庆渝之知识产权代理有限公司 50249 | 代理人： | 柴社英 |
| 地址： | 400000 重庆市沙坪*** | 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： | 本发明提出一种基于稀疏权值神经网络的语义分类方法、系统和介质，包括：设置样本集，将所述样本集中的文本序列转换成词向量，根据所述词向量计算得到文本向量；对所述样本集进行标注，根据已标注样本，创建样本分类训练目标；创建神经网络分类模型，计算所述样本分类训练目标的输出概率，并根据所述输出概率构造所述文本分类训练目标的最大似然函数；对所述神经网络分类模型的输入层权重进行稀疏处理，获取稀疏正则函数；将所述稀疏正则函数加入所述最大似然函数，构建所述神经网络的目标函数，并根据所述目标函数对所述神经网络分类模型进行训练，获取语义分类神经网络模型；本发明可以提高分类算法的计算速度和泛化能力。 | ||
| 搜索关键词： | 稀疏 神经网络分类 神经网络 训练目标 语义分类 最大似然函数 目标函数 输出概率 样本分类 词向量 样本集 标注 样本 神经网络模型 分类算法 文本分类 文本向量 文本序列 稀疏处理 输入层 构建 权重 创建 转换 | ||
【主权项】：
1.一种基于稀疏权值神经网络的语义分类方法，其特征在于，包括：设置样本集，将所述样本集中的文本序列转换成词向量，根据所述词向量计算得到文本向量；对所述样本集进行标注，根据已标注样本，创建样本分类训练目标；创建神经网络分类模型，计算所述样本分类训练目标的输出概率，并根据所述输出概率构造所述文本分类训练目标的最大似然函数；对所述神经网络分类模型的输入层权重进行稀疏处理，获取稀疏正则函数；将所述稀疏正则函数加入所述最大似然函数，构建所述神经网络的目标函数，并根据所述目标函数对所述神经网络分类模型进行训练，获取语义分类神经网络模型。
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重庆兆光科技股份有限公司，未经重庆兆光科技股份有限公司许可，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/201910558051.9/，转载请声明来源钻瓜专利网。
