申请/专利权人：西湖大学

申请日：2024-01-11

公开（公告）日：2024-04-26

公开（公告）号：CN117556787B

主分类号：G06F40/157

分类号：G06F40/157;G06F40/284;G06F40/216;G06N3/0442;G06N3/042;G06N3/0455;G06N3/048;G06N3/082;G06N3/084;G06N5/022

优先权：

专利状态码：有效-授权

法律状态：2024.04.26#授权;2024.03.01#实质审查的生效;2024.02.13#公开

摘要：本申请涉及一种为自然语言文本序列生成目标文本序列的方法，包括由处理器接收待生成目标文本序列的自然语言文本序列对应的输入向量；将所接收的输入向量中的当前元素作为输入词节点，将目标文本序列中的各个已生成词作为已生成词节点序列，基于输入词节点和各个已生成词节点构建词节点图，词节点图中还包括全局节点和局部节点，全局节点与输入词节点以及各个已生成词节点相连，局部节点与输入词节点以及已生成词节点序列中最新的w个已生成词节点相连；基于词节点图，利用训练好的第一学习网络，生成目标文本序列的当前输出词。本申请的方法能够更好地对文本序列中的长距离依赖关系和局部特征进行建模，更准确、更高效地生成目标文本序列。

主权项：1.一种为自然语言文本序列生成目标文本序列的方法，其特征在于，包括，由处理器：接收待生成目标文本序列的自然语言文本序列对应的输入向量；将所接收的输入向量中的当前元素作为输入词节点，将所述目标文本序列中的各个已生成词作为已生成词节点序列，基于所述输入词节点和各个已生成词节点构建与所述目标文本序列中的当前输出词对应的词节点图，其中，所述词节点图中还包括全局节点和局部节点，所述全局节点与所述输入词节点以及各个已生成词节点相连，所述局部节点与所述输入词节点以及所述已生成词节点序列中最新的w个已生成词节点相连；基于所述词节点图，利用训练好的第一学习网络，生成所述目标文本序列中的当前输出词，所述第一学习网络由图神经网络和输出层依序串联而构成，所述图神经网络包括局部特征计算部、全局特征计算部和节点状态更新部，其中，所述节点状态更新部配置为：利用所述局部特征计算部输出的局部语义特征、所述全局特征计算部输出的全局语义特征以及所述输入词节点对应的第一输入特征，对节点隐状态循环地进行T个轮次的更新，其中，所述节点隐状态包括节点输出隐状态和节点记忆隐状态；将第T轮更新后的节点输出隐状态作为所述图神经网络的输出；所述局部特征计算部配置为：利用所述节点状态更新部输出的与所述局部节点相连的w个已生成词节点的节点隐状态，来对所述词节点图的局部语义特征进行计算；所述全局特征计算部配置为：利用所述节点状态更新部输出的与所述全局节点相连的各个已生成词节点的节点隐状态，来对所述词节点图的全局语义特征进行计算；所述输出层配置为基于所述图神经网络输出的第T轮更新后的节点输出隐状态，生成所述目标文本序列中的当前输出词。

全文数据：

权利要求：

百度查询： 西湖大学 为自然语言文本序列生成目标文本序列的方法和系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD