一种基于语义资源词表示和搭配关系的语义双关语识别方法

    公开(公告)号:CN109086269B

    公开(公告)日:2020-08-21

    申请号:CN201810796931.5

    申请日:2018-07-19

    Abstract: 一种基于语义资源词表示和搭配关系的语义双关语识别方法,属于自然语言处理领域,用于解决双关语识别问题。识别方法包括:S1预处理语义双关语语料;S2构建基于语义资源词表示模型;S3使用Bi‑LSTM识别语义双关语;S4构建基于搭配关系的注意力机制模型;S5、融合语义上下文信息和搭配信息;S6构建离线训练模型;S7在线预测。本发明从语义双关语的特点进行出发,是一种可以完善其多个含义并补充其搭配关系的基于语义资源词表示和搭配关系的语义双关语识别方法,可以有效提升识别的性能。

    一种基于语义资源词表示和搭配关系的语义双关语识别方法

    公开(公告)号:CN109086269A

    公开(公告)日:2018-12-25

    申请号:CN201810796931.5

    申请日:2018-07-19

    Abstract: 一种基于语义资源词表示和搭配关系的语义双关语识别方法,属于自然语言处理领域,用于解决双关语识别问题。识别方法包括:S1预处理语义双关语语料;S2构建基于语义资源词表示模型;S3使用Bi-LSTM识别语义双关语;S4构建基于搭配关系的注意力机制模型;S5、融合语义上下文信息和搭配信息;S6构建离线训练模型;S7在线预测。本发明从语义双关语的特点进行出发,是一种可以完善其多个含义并补充其搭配关系的基于语义资源词表示和搭配关系的语义双关语识别方法,可以有效提升识别的性能。

    一种基于局部格兰杰因果分析的因果网络学习方法

    公开(公告)号:CN114036736B

    公开(公告)日:2024-05-07

    申请号:CN202111304900.1

    申请日:2021-11-05

    Abstract: 本发明属于数据挖掘领域,提出了一种基于局部格兰杰因果分析的因果网络学习方法。本发明先将采集到的数据进行预处理,对缺失数据采用平均值插补方法进行补全。然后对补全的数据进行平稳性检验及处理,以满足建立模型的假设。之后将数据进行归一化,以消除不同变量量纲带来的影响。最后建立基于局部格兰杰因果分析的因果网络学习算法,实现准确探究变量间因果关系的目的,同时展现不同变量间的动态因果关系曲线,以达到定量、明确地分析系统间各变量间的因果关系。

    一种融合领域知识的医疗对话意图识别方法

    公开(公告)号:CN113268594A

    公开(公告)日:2021-08-17

    申请号:CN202110559683.4

    申请日:2021-05-21

    Abstract: 一种融合领域知识的医疗对话意图识别方法,属于医疗对话和意图识别技术领域,该方法包括以下步骤:S1、语料采集和预处理,划分对话数据;S2、领域知识检索:采用检索方法获取相关的问题,以及相应问题的答案,检索模型将用户提问u和待检索的问题基于意图词的频率计算二者相似度,进而根据相似度由高到低进行排序;S3、输入单词的序列,通过领域知识问答对向量计算注意力权重,融合领域知识的对话问句表示:S4、基于组排序损失的意图识别采用面向多样化意图的组排序损失函数,训练意图识别模型,实现意图词的识别和分类。本方法可以显著提升医疗对话中用户意图识别的效果,有助于医疗对话系统的整体优化。

Patent Agency Ranking