[发明专利]一种基于深度学习的语义相似度计算方法有效
| 申请号： | 201910620461.1 | 申请日： | 2019-07-10 |
| 公开（公告）号： | CN110348014B | 公开（公告）日： | 2023-03-24 |
| 发明（设计）人： | 罗光春;秦科;惠孛;刘贵松;黄为 | 申请（专利权）人： | 电子科技大学 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06F40/289;G06V10/74;G06F18/22;G06N3/0464;G06N3/0442;G06N3/045 |
| 代理公司： | 成都弘毅天承知识产权代理有限公司 51230 | 代理人： | 赖林东 |
| 地址： | 611731 四川省成*** | 国省代码： | 四川;51 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 发明公开了一种基于深度学习的语义相似度计算方法，涉及语义相似度计算领域；其包括步骤1：构建训练数据集，并预处理训练数据获取one‑hot稀疏向量；步骤2：构建包括N层BI‑LSTM网络、残差网络、相似度矩阵、CNN卷积神经网络、池化层和全连接层的语义相似度计算网络模型；步骤3：将one‑hot稀疏向量输入上述网络模型，利用训练数据集训练参数，完成有监督训练；步骤4：将待测文本输入已训练的上述网络模型，判定是否为相似文本后输出结果。本发明语义相似度计算网络模型包括多层BI‑LSTM网络、残差网络、CNN卷积神经网络、池化层和全连接层，同时使用BI‑LSTM网络和CNN卷积神经网络，BI‑LSTM网络中加入残差网络，克服了多层网络带来的梯度消失问题，增强了模型的特征提取能力。 | ||
| 搜索关键词： | 一种 基于 深度 学习 语义 相似 计算方法 | ||
【主权项】：
1.一种基于深度学习的语义相似度计算方法，其特征在于：包括如下步骤：步骤1：构建训练数据集，并预处理训练数据获取one‑hot稀疏向量；步骤2：构建包括N层BI‑LSTM网络、残差网络、相似度矩阵、CNN卷积神经网络、池化层和全连接层的语义相似度计算网络模型；步骤3：将one‑hot稀疏向量输入上述语义相似度计算网络模型，利用训练数据集训练所述网络模型的参数，完成有监督训练；步骤4：将待测文本转化为one‑hot稀疏向量后，输入已训练的语义相似度计算网络模型，判定是否为相似文本后输出结果。
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电子科技大学，未经电子科技大学许可，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/201910620461.1/，转载请声明来源钻瓜专利网。
