[发明专利]基于概率的引导器在审
| 申请号： | 201880018349.4 | 申请日： | 2018-03-14 |
| 公开（公告）号： | CN110431566A | 公开（公告）日： | 2019-11-08 |
| 发明（设计）人： | A·R·约翰森;B·麦卡恩;J·布拉德伯里;R·佐赫尔 | 申请（专利权）人： | 易享信息技术有限公司 |
| 主分类号： | G06N3/04 | 分类号： | G06N3/04 |
| 代理公司： | 北京市磐华律师事务所 11336 | 代理人： | 赵楠 |
| 地址： | 美国加利*** | 国省代码： | 美国;US |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 所公开的技术提出使用计算上便宜、不太精确的词袋(BoW)模型和计算上昂贵、更精确的长短期记忆(LSTM)模型的组合来执行自然处理任务(诸如情绪分析)。使用便宜的、不太精确的BoW模型在本文中称为“略读”。使用昂贵的、更精确的LSTM模型在本文中称为“阅读”。所公开的技术提出了基于概率的引导器(PBG)。PBG结合了BoW模型和LSTM模型的使用。PBG使用概率阈值策略来基于BoW模型的结果确定是否调用LSTM模型以将句子可靠地分类为积极或消极。所公开的技术还提出了基于深度神经网络的决策网络(DDN)，其被训练以学习BoW模型和LSTM模型之间的关系并且仅调用两个模型中的一个。 | ||
| 搜索关键词： | 引导器 调用 结果确定 决策网络 情绪分析 神经网络 使用概率 阈值策略 概率 句子 阅读 分类 学习 | ||
【主权项】：
1.一种在包括多个输入的数据集上有效地执行机器分类任务的计算机实现的方法，所述方法包括：通过在所述输入上执行所述机器分类任务的第一非递归神经网络处理所述输入，其中所述第一非递归神经网络通过平均所述输入的矢量嵌入生成所述输入的均值矢量表示；以及通过第二递归神经网络(RNN)进一步处理所选择的输入子集，以对所选择的输入子集中的输入执行机器分类任务，其中所选择的输入子集的选择取决于所述第一非递归神经网络在数据集中的所述输入上执行机器分类任务的置信度。
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易享信息技术有限公司，未经易享信息技术有限公司许可，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/201880018349.4/，转载请声明来源钻瓜专利网。
