[发明专利]一种基于深度学习BERT算法的短文本相似匹配的方法在审
| 申请号： | 201910583223.8 | 申请日： | 2019-07-01 |
| 公开（公告）号： | CN110287494A | 公开（公告）日： | 2019-09-27 |
| 发明（设计）人： | 尹青山;李锐;于治楼 | 申请（专利权）人： | 济南浪潮高新科技投资发展有限公司 |
| 主分类号： | G06F17/27 | 分类号： | G06F17/27;G06N3/04;G06N3/08;G06K9/62 |
| 代理公司： | 济南信达专利事务所有限公司 37100 | 代理人： | 陈婷婷 |
| 地址： | 250100 山东省济南市*** | 国省代码： | 山东;37 |
| 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深度学习BERT算法的短文本相似匹配的方法，属于人工智能技术领域，该方法的实现过程如下：1)、使用公共数据集和短文本进行BERT训练，得到训练好的BERT模型；2)、对待匹配短文本进行分词处理；3)、将步骤2)得到的分词处理后的短文本输入到步骤1)得到的BERT模型中，获取到短文本的特征向量；4)、使用余弦相似度算法得到相似匹配短文本。本发明使用预训练的BERT模型来进行短文本相似匹配，较之前的文本相似匹配方法具有更好的表现。 | ||
| 搜索关键词： | 短文本 相似匹配 算法 分词处理 人工智能技术 公共数据集 余弦相似度 特征向量 匹配 文本 学习 表现 | ||
【主权项】：
1.一种基于深度学习BERT算法的短文本相似匹配的方法，其特征在于该方法的实现过程如下：1)、使用公共数据集和短文本进行BERT训练，得到训练好的BERT模型；2)、对待匹配短文本进行分词处理；3)、将步骤2)得到的分词处理后的短文本输入到步骤1)得到的BERT模型中，获取到短文本的特征向量；4)、使用余弦相似度算法得到相似匹配短文本。
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济南浪潮高新科技投资发展有限公司，未经济南浪潮高新科技投资发展有限公司许可，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/201910583223.8/，转载请声明来源钻瓜专利网。
