[发明专利]一种多任务模型生成词向量的方法有效
| 申请号： | 201811117839.8 | 申请日： | 2018-09-21 |
| 公开（公告）号： | CN109325231B | 公开（公告）日： | 2023-07-04 |
| 发明（设计）人： | 黄定帮;潘嵘 | 申请（专利权）人： | 中山大学 |
| 主分类号： | G06F40/284 | 分类号： | G06F40/284;G06F40/268;G06F16/35;G06F18/2415;G06F18/2431;G06F18/27;G06N3/084;G06N3/088;G06N3/0985 |
| 代理公司： | 广州粤高专利商标代理有限公司 44102 | 代理人： | 陈伟斌 |
| 地址： | 510275 广东*** | 国省代码： | 广东;44 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明涉及计算机领域中的自然语言处理的技术领域，更具体地，涉及一种多任务模型生成词向量的方法。该方法通过集成无监督任务，分类任务，词性标注等多个任务模型的信息，增强其产生的词向量所蕴涵的信息。同时在多任务集成上使用高效且足够优秀的模型，以便能在大规模数据集上进行使用。该方法通过GloVe模型(基于全局信息的词向量，Global vectors for word representation)训练无监督任务，获取语言模型相关的信息。通过Fasttext模型训练分类任务，来获取文本中的类别信息。通过逻辑回归模型训练词性任务，获取词性相关信息。该方法能够在大规模数据集上快速得到蕴含丰富词义的优质词向量，从而应用于自然语言处理任务场景中。 | ||
| 搜索关键词： | 一种 任务 模型 生成 向量 方法 | ||
【主权项】：
1.一种多任务模型生成词向量的方法，其特征在于，包括以下步骤：S1.数据预处理与词向量初始化；S2.分类任务；S3.词性任务；S4.无监督任务；S5.优化目标与参数优化。
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中山大学，未经中山大学许可，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/201811117839.8/，转载请声明来源钻瓜专利网。
