用于生成描述文本的方法和设备

    公开(公告)号:CN110738026A

    公开(公告)日:2020-01-31

    申请号:CN201911012473.2

    申请日:2019-10-23

    Abstract: 本文描述了一种用于生成描述文本的方法和设备。所述方法包括:将关键词序列以及具有预定风格的参考文本输入经训练的神经网络,其中所述神经网络包括关键词编码器、文本编码器、互注意力编码器以及解码器;利用关键词编码器对关键词序列进行编码以得到关键词序列的隐层状态序列;利用文本编码器对参考文本进行编码以得到参考文本的隐层状态序列;利用互注意力编码器对关键词序列的隐层状态序列和参考文本的隐层状态序列进行编码以得到融合了预定风格的关键词序列的隐层状态序列;利用解码器对融合了预定风格的关键词序列的隐层状态序列进行解码以输出具有所述预定风格的描述文本。

    一种语义识别方法、装置、计算机设备和存储介质

    公开(公告)号:CN112052318A

    公开(公告)日:2020-12-08

    申请号:CN202010840252.0

    申请日:2020-08-18

    Abstract: 本申请公开了一种语义识别方法、装置、计算机设备和存储介质,可基于人工智能技术实现语义识别,通过语义识别模型可提取第一用户输入信息样本的文本特征信息,从而识别该样本的预测语义信息,基于该样本的标签和预测语义信息调整语义识别模型的参数;通过调整后的语义识别模型提取第二用户输入信息样本的文本特征信息,从而识别该样本的预测语义信息;基于该样本的标签和预测语义信息再调整语义识别模型的参数,得到训练完成的语义识别模型;基于该语义识别模型对目标用户输入信息进行语义识别得到语义信息,其中,第一用户输入信息样本无需人工标注,可降低对人工标注的依赖,而采用第二用户输入信息样本对模型进行训练,可提升语义识别准确性。

    用于生成描述文本的方法和设备

    公开(公告)号:CN110738026B

    公开(公告)日:2022-04-19

    申请号:CN201911012473.2

    申请日:2019-10-23

    Abstract: 本文描述了一种用于生成描述文本的方法和设备。所述方法包括:将关键词序列以及具有预定风格的参考文本输入经训练的神经网络,其中所述神经网络包括关键词编码器、文本编码器、互注意力编码器以及解码器;利用关键词编码器对关键词序列进行编码以得到关键词序列的隐层状态序列;利用文本编码器对参考文本进行编码以得到参考文本的隐层状态序列;利用互注意力编码器对关键词序列的隐层状态序列和参考文本的隐层状态序列进行编码以得到融合了预定风格的关键词序列的隐层状态序列;利用解码器对融合了预定风格的关键词序列的隐层状态序列进行解码以输出具有所述预定风格的描述文本。

    一种语义识别方法、装置、计算机设备和存储介质

    公开(公告)号:CN112052318B

    公开(公告)日:2024-11-08

    申请号:CN202010840252.0

    申请日:2020-08-18

    Abstract: 本申请公开了一种语义识别方法、装置、计算机设备和存储介质,可基于人工智能技术实现语义识别,通过语义识别模型可提取第一用户输入信息样本的文本特征信息,从而识别该样本的预测语义信息,基于该样本的标签和预测语义信息调整语义识别模型的参数;通过调整后的语义识别模型提取第二用户输入信息样本的文本特征信息,从而识别该样本的预测语义信息;基于该样本的标签和预测语义信息再调整语义识别模型的参数,得到训练完成的语义识别模型;基于该语义识别模型对目标用户输入信息进行语义识别得到语义信息,其中,第一用户输入信息样本无需人工标注,可降低对人工标注的依赖,而采用第二用户输入信息样本对模型进行训练,可提升语义识别准确性。

    零指代消解方法、训练零指代消解模型的方法及电子设备

    公开(公告)号:CN112256868B

    公开(公告)日:2025-04-15

    申请号:CN202011069841.X

    申请日:2020-09-30

    Abstract: 本申请适用于终端人工智能技术领域,提供了零指代消解方法、训练零指代消解模型的方法及电子设备。上述训练零指代消解模型的方法包括:将训练文本中的所有词转换为第一向量;其中,训练文本中包括多个先行词和多个零代词,第一向量包括与各个先行词对应的第一先行词向量和与各个零代词对应的第一零代词向量,第一零代词向量中包含零代词的位置信息;将零代词的位置信息融合到第一先行词向量中,得到第二先行词向量;基于第一零代词向量和第二先行词向量,确定每个先行词的理论类别标签;其中,每个先行词对应一个预设类别标签;根据每个先行词的理论类别标签与预设类别标签,对零指代消解模型进行训练。上述方法能够提高零指代消解的准确性。

    一种基于一阶自然逻辑的多项选择问答系统

    公开(公告)号:CN119046431A

    公开(公告)日:2024-11-29

    申请号:CN202411158824.1

    申请日:2024-08-22

    Abstract: 本发明公开了一种基于一阶自然逻辑的多项选择问答系统,包括:预处理模块,用于将问题和候选答案转化为假设;一阶逻辑模块,用于利用一阶逻辑将假设分解为子假设;自然逻辑模块,用于利用自然逻辑从外部语料库改写前提,产生与原始前提传达相同含义的中间前提,并以预定义的最大推理深度λ作为停止标准,迭代生成前提到假设的推理路径;框架构建模块,用于结合一阶逻辑与自然逻辑,集成神经网络构建神经符号推理框架;结果输出模块,用于基于神经符号推理框架,计算中间前提和子假设之间的语义相似度,根据相似度得分输出得分最高的最终选择答案。本发明不仅缩短了推理路径,而且增强了动词短语的对齐。

    一种融入常识知识的生成式对话摘要方法

    公开(公告)号:CN112148863B

    公开(公告)日:2022-07-01

    申请号:CN202011104023.9

    申请日:2020-10-15

    Abstract: 一种融入常识知识的生成式对话摘要方法,属于自然语言处理领域。本发明解决了现有生成式对话摘要方法未利用常识知识而导致生成的对话摘要不准确,抽象性低的问题。本发明方法包括:获取常识知识库ConceptNet与对话摘要数据集SAMSum;利用获取的常识知识库ConceptNet为对话摘要数据集SAMSum引入元组知识,构建异构对话图;练步骤三中构造的对话异构神经网络模型,通过训练的对话异构神经网络模型从一段对话中生成最终对话摘要。本发明应用于对话摘要的生成。

    基于双曲空间的事理图谱增强的因果推理方法及系统

    公开(公告)号:CN114462607A

    公开(公告)日:2022-05-10

    申请号:CN202210131870.7

    申请日:2022-02-14

    Abstract: 本发明公开基于双曲空间的事理图谱增强的因果推理方法及系统,包括,获取事件对及事理图谱,基于事理图谱获取事件对的证据事件,将证据事件及事件对组成因果证据图,其中事件对包括原因事件和结果事件;将因果证据图转换为事件表示,对将事件表示从欧式空间映射到双曲空间中,获取双曲事件表示;对双曲事件表示进行有向因果推理,得到事件对最终嵌入,并对事件对最终嵌入进行计算,得到因果强度分数。通过上述技术方案,本发明能够提高因果推理的稳定性和可解释性。

Patent Agency Ranking