申请/专利权人：重庆邮电大学

申请日：2020-10-21

公开（公告）日：2021-01-12

公开（公告）号：CN112215000A

主分类号：G06F40/289(20200101)

分类号：G06F40/289(20200101);G06F40/295(20200101);G06F40/30(20200101);G06N3/04(20060101);G06F16/35(20190101)

优先权：

专利状态码：有效-授权

法律状态：2022.08.23#授权;2021.01.29#实质审查的生效;2021.01.12#公开

摘要：本发明请求保护一种基于实体替换的文本分类方法，属于自然语言处理领域，具体包括以下步骤：1利用外部知识库检测出文档中的锚定短语并查询每个锚定短语对应的实体集合；2将文档词向量求平均，得到文档的上下文向量；3分别计算各锚定短语对应实体在上下文表示向量下的注意力权重，得到各短语的去歧向量4将原文位置上的锚定短语替换为去歧实体向量并输入长短时记忆网络，得到去歧后的文档表示向量，并将其输入到神经网络的全连接层，使用分类器计算各文本属于各类别的概率来训练网络；5利用训练好的模型预测待预测文本所属类别，取概率最大的类别作为预测的类别输出。该方法能够消除文档中词语语义含糊不清的情况，并且保留了语序信息和上下文信息，可以更准确地对文本内容进行分类。

主权项：1.一种基于实体替换的文本分类方法，其特征在于，包括以下步骤：S1:利用外部知识库检测出文档中的锚定短语并查询每个锚定短语对应的实体集合；S2:将文档词向量获得的实体集合来求嵌入矩阵求平均，得到文档的上下文向量；S3:分别计算各锚定短语对应实体在文档上下文表示向量下的注意力权重，得到各实体的去歧向量；S4:将原文位置上的实体替换为去歧实体向量并输入长短时记忆网络，得到去歧后的文档表示向量，并将去歧后的文档表示向量输入到神经网络的全连接层，使用分类器计算各文本属于各类别的概率来训练网络；S5:利用训练好的模型预测待预测文本所属类别，取概率最大的类别作为预测的类别输出。

全文数据：

权利要求：

百度查询： 重庆邮电大学 一种基于实体替换的文本分类方法

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