[发明专利]一种基于深度学习的文本语义特征生成优化方法有效
| 申请号： | 201710223503.9 | 申请日： | 2017-04-07 |
| 公开（公告）号： | CN106959946B | 公开（公告）日： | 2020-05-05 |
| 发明（设计）人： | 张福泉;徐琳 | 申请（专利权）人： | 闽江学院 |
| 主分类号： | G06F40/30 | 分类号： | G06F40/30;G06N20/00;G06N3/02 |
| 代理公司： | 福州元创专利商标代理有限公司 35100 | 代理人： | 蔡学俊 |
| 地址： | 350108 福建省*** | 国省代码： | 福建;35 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及一种基于深度学习的文本语义特征生成优化方法，包括对象层、上层语义模块、下层语义模块以及文本信息模块；所述文本信息模块中记录的是文本信息原身，外部情感多样性提供给文本信息的是非线性属性；采取栈式去噪自编码法建立文本编码器提取文本语义，采用单层神经网络学习下层文本语义获取其特征，保存到下层语义模块；以下层语义模块为数据基础提取上层文本语义获取其特征，保存到上层语义模块；在上层语义模块、下层语义模块和对象层之间建立语义特征优化程序，运行程序输出文本语义特征集群，完成双向推导过程。本发明具有良好的学习效果，能够准确生成文本语义特征，可保证有效特征占据比例稳定维持在一个较高水平。 | ||
| 搜索关键词： | 一种 基于 深度 学习 文本 语义 特征 生成 优化 方法 | ||
【主权项】：
一种基于深度学习的文本语义特征生成优化方法，其特征在于：包括以下步骤：步骤S1：包括对象层、上层语义模块、下层语义模块以及文本信息模块；所述文本信息模块中记录的是文本信息原身，外部情感多样性提供给文本信息的是非线性属性；步骤S2：采取栈式去噪自编码法建立文本编码器提取文本语义，采用单层神经网络学习下层文本语义获取其特征，保存到下层语义模块；步骤S3：以下层语义模块为数据基础提取上层文本语义获取其特征，保存到上层语义模块；步骤S4：在上层语义模块、下层语义模块和对象层之间建立语义特征优化程序，运行程序输出文本语义特征集群，完成双向推导过程。
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闽江学院，未经闽江学院许可，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/201710223503.9/，转载请声明来源钻瓜专利网。
