龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：齐鲁工业大学(山东省科学院);山东女子学院
申请日：2024-03-08
公开（公告）日：2024-06-18
公开（公告）号：CN118211151A
主分类号：G06F18/2431
分类号：G06F18/2431;G06F18/22;G06F18/25;G06F40/279;G06F40/216
优先权：
专利状态码：在审-公开
法律状态：2024.06.18#公开
摘要：本发明公开了基于多专家协同学习的零样本立场检测方法及系统，通过引入多个专家学习文本语义表达中底层的多方面特征，以提高对未知目标的零样本立场分类精度。首先，基于BERT构建专家模型，不同专家采用BERT不同的底层输出作为文本编码，以获取文本语义表示的不同方面。其次，采用门控机制，筛选对立场有效的特征方面，以提升立场预测的特征质量。最后，综合利用筛选的多方面语义解构特征及高层语义特征实现对文本立场的检测。本发明基于对文本语义表达特征的解构，对文本语义特征进行细粒度建模，提升了特征可迁移能力，便于获得更有效的特征，提高了对未知目标的零样本立场分类精度。
主权项：1.一种基于多专家协同学习的零样本立场检测方法，其特征在于，该方法包括以下步骤：S1、基于BERT模型构建多专家协同语义解耦学习模型，不同专家的输出使用不同的BERT输出层作为文本编码器，文本输入不同专家获得不同方面的文本底层语义特征表示；S2、将所述多专家协同语义解耦学习模型获取的文本底层语义特征进行拼接，输入基于门控机制的特征筛选和融合模块，利用门控机制对多方面文本底层语义特征进行筛选融合，获得对立场有效的文本底层语义特征表示；S3、将同一个批量的文本输入语义特征学习模块，通过BERT编码器获得文本高层语义特征；S4、将获得的所述文本高层语义特征与经过门控机制筛选融合的文本底层语义特征进行拼接后输入立场分类器，获得文本立场分类。
全文数据：
权利要求：
百度查询： 齐鲁工业大学(山东省科学院);山东女子学院 基于多专家协同学习的零样本立场检测方法及系统
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。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号