-
公开(公告)号：CN110390397A
公开(公告)日：2019-10-29
申请号：CN201910512371.0
申请日：2019-06-13
Applicant: 成都信息工程大学
Abstract: 本发明属于自然语言处理技术领域，公开了一种文本蕴含识别方法和装置，其通过动态门控推理网络(DGIN)动态选择前提和假设文本不同层面语义的信息，具体体现在DGIN模型结合了词级别信息的细粒度推理和句子级别门控结构来捕捉全局语义，同时从直接相连，相似和差异三个层面来共同推理文本对的蕴含关系。本发明可以有效捕捉文本对的关系以及利用句子级别语义信息，从而提升文本蕴含识别的准确率。
-
公开(公告)号：CN110222349A
公开(公告)日：2019-09-10
申请号：CN201910511211.4
申请日：2019-06-13
Applicant: 成都信息工程大学
IPC: G06F17/28
Abstract: 本发明属于计算机词语表示技术领域，公开了一种深度动态上下文词语表示的模型及方法，所述深度动态上下文词语表示的模型为带层注意力机制的多层双向Transformer编码器堆叠成的遮蔽语言模型；是多层神经网络，网络每一层从不同的角度捕获输入语句中每个单词的上下文信息；然后通过一个层注意力机制给予网络每一层不同的权重；最终根据权重把不同的词语表示综合起来形成词语的上下文表示。使用该模型生成的词语表示在公开数据集上进行了逻辑推理(MultiNLI)、命名实体识别(CoNLL2003)和阅读理解任务(SQuAD)三项任务，比现有模型分别提升了2.0％、0.47％和2.96％。
-
公开(公告)号：CN109213938B
公开(公告)日：2019-07-12
申请号：CN201810901159.9
申请日：2018-08-09
Applicant: 成都信息工程大学
IPC: G06F16/9536 , G06F16/9537 , G06Q50/00
Abstract: 本发明公开一种基于异构网络的POI推荐方法，涉及POI推荐技术领域，建立了一种新的评论语句概率生成模型，该模型可处理跨网站的异构数据，同时考虑了地理区域划分、用户社区划分、评论内容以及用户交互行为对POI预测结果的影响，解决了推荐过程中出现的数据稀疏问题和用户信任度低的问题，可显著提高POI推荐的准确性。
-
公开(公告)号：CN109213938A
公开(公告)日：2019-01-15
申请号：CN201810901159.9
申请日：2018-08-09
Applicant: 成都信息工程大学
IPC: G06F16/9536 , G06F16/9537 , G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明公开一种基于异构网络的POI推荐方法，涉及POI推荐技术领域，建立了一种新的评论语句概率生成模型，该模型可处理跨网站的异构数据，同时考虑了地理区域划分、用户社区划分、评论内容以及用户交互行为对POI预测结果的影响，解决了推荐过程中出现的数据稀疏问题和用户信任度低的问题，可显著提高POI推荐的准确性。
-
公开(公告)号：CN110853626B
公开(公告)日：2021-04-20
申请号：CN201911001131.0
申请日：2019-10-21
Applicant: 成都信息工程大学
IPC: G10L15/06 , G10L15/16 , G10L15/26 , G06F40/211 , G06F40/279 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及对话理解领域，具体涉及一种基于双向注意力神经网络的对话理解方法、装置及设备；其中，该方法包括S1、对用户的语音信号进行识别得到输入序列，S2、通过嵌入层将所述输入序列映射到向量，分别生成所述输入序列的意图注意力第一向量和语义槽注意力第一向量，S3、通过所述意图注意力第一向量和所述语义槽注意力第一向量，分别生成意图注意力向量和语义槽注意力向量，S4、将所述意图注意力向量和所述语义槽注意力向量进行多次交互，S5、输出与所述输入序列对应的输出结果；本发明所提出的方法描述了槽填充和意图预测之间的多重相互作用，有效性优于任何当前没有指定规则或特征的模型，双向注意力机制有助分析意图预测和槽填充之间的关系。
-
Patent Agency Ranking
公开(公告)号：CN110287227A
公开(公告)日：2019-09-27
申请号：CN201910406760.5
申请日：2019-05-16
Applicant: 成都信息工程大学
IPC: G06F16/2458
Abstract: 本公开涉及一种心理量表关键属性提取系统及方法，涉及信息技术领域。该系统包括：存储于可读计算机介质中的待测样本集、属性子集以及处理单元；所述待测样本集包括若干个样本，所述样本包括na个属性以及对应于所述属性的属性值；所述属性子集包含nb个属性，其中nb＜na；所述处理单元用于关联分析算法和所述待测样本集获取所述属性子集的频繁子集，还用于基于粗糙集属性约简技术获取所述频繁子集的属性的权重值，并基于所述权重值之和获取关键属性。
-
公开(公告)号：CN110390397B
公开(公告)日：2020-07-10
申请号：CN201910512371.0
申请日：2019-06-13
Applicant: 成都信息工程大学
Abstract: 本发明属于自然语言处理技术领域，公开了一种文本蕴含识别方法和装置，其通过动态门控推理网络(DGIN)动态选择前提和假设文本不同层面语义的信息，具体体现在DGIN模型结合了词级别信息的细粒度推理和句子级别门控结构来捕捉全局语义，同时从直接相连，相似和差异三个层面来共同推理文本对的蕴含关系。本发明可以有效捕捉文本对的关系以及利用句子级别语义信息，从而提升文本蕴含识别的准确率。
-
公开(公告)号：CN110222349B
公开(公告)日：2020-05-19
申请号：CN201910511211.4
申请日：2019-06-13
Applicant: 成都信息工程大学
Abstract: 本发明属于计算机词语表示技术领域，公开了一种深度动态上下文词语表示的模型及方法，所述深度动态上下文词语表示的模型为带层注意力机制的多层双向Transformer编码器堆叠成的遮蔽语言模型；是多层神经网络，网络每一层从不同的角度捕获输入语句中每个单词的上下文信息；然后通过一个层注意力机制给予网络每一层不同的权重；最终根据权重把不同的词语表示综合起来形成词语的上下文表示。使用该模型生成的词语表示在公开数据集上进行了逻辑推理(MultiNLI)、命名实体识别(CoNLL2003)和阅读理解任务(SQuAD)三项任务，比现有模型分别提升了2.0％、0.47％和2.96％。
-
公开(公告)号：CN110853626A
公开(公告)日：2020-02-28
申请号：CN201911001131.0
申请日：2019-10-21
Applicant: 成都信息工程大学
IPC: G10L15/06 , G10L15/16 , G10L15/26 , G06F40/211 , G06F40/279 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及对话理解领域，具体涉及一种基于双向注意力神经网络的对话理解方法、装置及设备；其中，该方法包括S1、对用户的语音信号进行识别得到输入序列，S2、通过嵌入层将所述输入序列映射到向量，分别生成所述输入序列的意图注意力第一向量和语义槽注意力第一向量，S3、通过所述意图注意力第一向量和所述语义槽注意力第一向量，分别生成意图注意力向量和语义槽注意力向量，S4、将所述意图注意力向量和所述语义槽注意力向量进行多次交互，S5、输出与所述输入序列对应的输出结果；本发明所提出的方法描述了槽填充和意图预测之间的多重相互作用，有效性优于任何当前没有指定规则或特征的模型，双向注意力机制有助分析意图预测和槽填充之间的关系。
-
公开(公告)号：CN110119475B
公开(公告)日：2020-01-07
申请号：CN201910089802.7
申请日：2019-01-29
Applicant: 成都信息工程大学
IPC: G06F16/9535 , G06F16/9537
Abstract: 本发明公开一种POI推荐方法及推荐系统，涉及推荐技术领域，该方法包括：根据从LBSN门户网站收集的用户和POI数据构建的用户‑POI关系网络，利用网络嵌入方法学习得到用户和POI的嵌入向量；根据用户和POI的嵌入向量，构建包括多个关于用户和POI的关联因子的动态因子图模型，并根据所述多个关于用户和POI的关联因子建立在时空社交网络上的联合分布，通过学习得到所述联合分布中的参数值；计算得到使联合分布概率最大的节点值，然后计算每个节点的边缘概率，并按边缘概率和倾向性的乘积大小进行POI推荐；解决了因数据质量不可靠和时空模式难以确定导致的推荐准确性低的问题，显著提高推荐性能。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.039 seconds)
