[发明专利]基于实体超平面投影的知识表示学习模型有效
| 申请号： | 201910695772.4 | 申请日： | 2019-07-30 |
| 公开（公告）号： | CN110378489B | 公开（公告）日： | 2022-10-25 |
| 发明（设计）人： | 王念滨;秦帅;张耘;张毅;王红滨;周连科 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06N20/00 | 分类号： | G06N20/00;G06F40/289;G06F40/30 |
| 代理公司： | 哈尔滨市松花江专利商标事务所 23109 | 代理人： | 时起磊 |
| 地址： | 150001 黑龙江*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 基于实体超平面投影的知识表示学习模型，本发明涉及知识表示学习模型。本发明的目的是为了解决现有现有的知识表示学习模型大部分都只关注知识图谱的结构化信息，仅仅利用知识三元组来学习实体以及关系的表示，却忽略了实体的文本描述中可能蕴含的一些有用信息，导致处理任务时准确率低的问题。过程为：步骤一、将实体的描述文本处理成矩阵形式；步骤二、将步骤一得到的矩阵形式的文本输入到卷积神经网络中，得到实体描述文本的特征向量；步骤三、利用步骤二得到的特征向量建立EHP模型，得到实体以及关系的最终向量表示。本发明用于自然语言处理领域。 | ||
| 搜索关键词： | 基于 实体 平面 投影 知识 表示 学习 模型 | ||
【主权项】：
1.基于实体超平面投影的知识表示学习模型，具体是按照以下步骤进行的：步骤一、将实体的描述文本处理成矩阵形式；步骤二、将步骤一得到的矩阵形式的文本输入到卷积神经网络中，得到实体描述文本的特征向量；步骤三、利用步骤二得到的特征向量建立EHP模型，得到实体以及关系的最终向量表示。
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哈尔滨工程大学，未经哈尔滨工程大学许可，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/201910695772.4/，转载请声明来源钻瓜专利网。
