龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：浙江工业大学
摘要：一种基于局部特征与上下文特征的慢病问答意图识别方法和装置，其方法包括以下步骤：首先通过RoBERTa‑WWM将文本数据转换为向量表示。其次使用TextCNN来捕获向量中的局部关键信息，并利用BiGRU从关键特征中学习序列信息。然后将这些学习到的特征输入多头注意力机制，以便更精确地学习和提取重要信息；同时将文本向量输入到TextRCNN模型中，以学习文本整体特征。最后，将局部特征与整体特征进行连接，形成最终的特征向量，综合考虑局部特征和上下文特征，更精确识别用户意图。
主权项：1.一种基于局部特征与上下文特征的慢病问答意图识别方法，其特征在于，包括如下步骤：1通过RoBERTa-WWM预训练模型将文本转化为向量表示T＝{T1、T2、…、TN}；2构建意图识别模型TBGMA-TR，包括按序排列的TextCNN模型、BiGRU模型、多头注意力机制以及TextRCNN模型；3将步骤1获取的向量T输入TextCNN网络模型中，经过卷积、池化和拼接得到输出向量其中代表不同卷积核提取的特征向量；4将向量C输入到BiGRU网络模型提取更深层次的语义特征，并通过多头注意力机制进一步学习，输出关键局部特征向量MHeadH；5将步骤1中的向量表示T输入TextRCNN模型中以获取全面的上下文特征信息，输出上下文特征向量R；6将关键局部特征MHeadH和上下文特征R拼接作为最终特征向量MHR，降维后使用softmax函数对其进行意图分类。
全文数据：
权利要求：
百度查询： 浙江工业大学 一种基于局部特征与上下文特征的慢病问答意图识别方法和装置
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