申请/专利权人:山东智慧译百信息技术有限公司
申请日:2023-11-17
公开(公告)日:2024-03-01
公开(公告)号:CN117273085B
主分类号:G06N3/0464
分类号:G06N3/0464;G06N3/08;G06F40/58
优先权:
专利状态码:有效-授权
法律状态:2024.03.01#授权;2024.01.09#实质审查的生效;2023.12.22#公开
摘要:本公开提供了一种基于卷积神经网络的信息归类方法,涉及信息归类技术领域,该方法包括:读取初始信息库;将初始信息库传输至联邦中台;针对各个数据模态,搭建N个神经网络卷积通道;执行初始信息库的预处理,确定预处理信息库;执行语种转换与模态特征分析,建立多模态数据关系网络;执行融合学习,生成一体化信息归类模块;配置信息归类更新策略与信息推理预测策略,执行基于目标信息体系的信息管理。通过本公开可以解决现有技术中存在由于多语种的翻译效率和精确度较低,导致翻译质量和多语种数据分析程度较低的技术问题,实现提高多语种的翻译效率和精确度的目标,达到提高翻译质量和多语种数据分析程度的技术效果。
主权项:1.一种基于卷积神经网络的信息归类方法,其特征在于,所述方法包括:基于接口端,读取接入云处理器中的初始信息库,所述初始信息库包括多域的本地源数据;将所述初始信息库传输至联邦中台,其中,信息传输存在基于差异化传输条件的多元并行信道;针对各个数据模态,搭建N个神经网络卷积通道,其中,各神经网络卷积通道内嵌有差异化数据处理算法;基于所述N个神经网络卷积通道,执行所述初始信息库的预处理,确定预处理信息库;结合多模态语言处理模型,对所述预处理信息库执行语种转换与模态特征分析,建立多模态数据关系网络,其中,所述多模态语言处理模型包括机器翻译区块、特征提取区块与模态关联区块;执行所述多模态数据关系网络与所述N个神经网络卷积通道的融合学习,生成一体化信息归类模块,所述一体化信息归类模块内嵌有具备时效更新性的目标信息体系;配置信息归类更新策略与信息推理预测策略,结合所述一体化信息归类模块,执行基于所述目标信息体系的信息管理;其中,针对各个数据模态,搭建N个神经网络卷积通道,包括:读取第一数据模态,挖掘第一模态算法集;训练基于所述第一模态算法集的多数据处理层,其中,所述多数据处理层与所述第一模态算法集一一对应;层间关联所述多数据处理层,生成第一神经网络卷积通道;完成第N数据模态的算法挖掘与通道训练,获取所述N个神经网络卷积通道;对所述预处理信息库执行语种转换,包括:构建区域化语种差异库,建立所述区域化语种差异库与所述机器翻译区块的连接;确定映射对应的多个语种转换序列,训练所述机器翻译区块,其中,各语种转换序列包括第一语种与第二语种;遍历所述区域化语种差异库,对所述第一语种与所述第二语种进行区域特征匹配;结合所述区域特征,于所述机器翻译区块中进行语种转换与模态转换处理。
全文数据:
权利要求:
百度查询: 山东智慧译百信息技术有限公司 一种基于卷积神经网络的信息归类方法
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。