[發明專利]基于深度卷積神經網絡進行文本特征提取的方法在審
| 申請號： | 201810379548.X | 申請日： | 2018-04-25 |
| 公開（公告）號： | CN108595429A | 公開（公告）日： | 2018-09-28 |
| 發明（設計）人： | 張黎;鄒開紅;宗旭;肖增輝 | 申請（專利權）人： | 杭州閃捷信息科技股份有限公司 |
| 主分類號： | G06F17/27 | 分類號： | G06F17/27;G06K9/62;G06N3/04 |
| 代理公司： | 杭州千克知識產權代理有限公司 33246 | 代理人： | 裴金華 |
| 地址： | 311100 浙江省杭州*** | 國省代碼： | 浙江;33 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 卷積神經網絡 文本特征提取 掃描特征 深度特征 詞向量 句子 分類結果 詞轉換 采樣 樣本 掃描 長短不一 特征提取 分類 準確率 文本 消耗 | ||
1.基于深度卷積神經網絡進行文本特征提取的方法，其特征在于，包括以下步驟：
S1：將句子樣本中的詞轉換為詞向量；
S2：通過深度卷積神經網絡掃描所述詞向量得到掃描特征；
S3：通過對掃描特征進行采樣生成深度特征；
S4：將深度特征輸入至分類層得到分類結果。
2.如權利要求1所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于：步驟S1中根據詞典將句子樣本分隔成詞。
3.如權利要求1或2所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于：步驟S1中通過embedding將詞轉換為詞向量。
4.如權利要求3所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于，步驟S2中具體包括：
S21：將詞向量進行計算分權得到特征矩陣；
S22 ：通過深度卷積神經網絡的濾波器掃描特征矩陣得到掃描特征。
5.如權利要求4所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于，步驟S3中具體包括：
S31：通過max-pool對掃描特征進行采樣得到采樣特征；
S32：從采樣特征中篩選出深度特征。
6.如權利要求4所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于：步驟S32中從采樣特征中篩選出最大值作為深度特征。
7.如權利要求4所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于：所述濾波器掃描特征矩陣時每次移動的距離相等。
8.如權利要求1或2所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于：步驟S4中分類層將深度特征全連接生成連接特征，將連接特征輸入分類層中將連接特征與類別庫進行對比生成分類結果。
9.如權利要求8所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于：所述分類層為softmax分類層。
10.如權利要求4所述的基于深度卷積神經網絡進行文本特征提取的方法，其特征在于：所述濾波器的寬度和特征矩陣的寬度相等。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于杭州閃捷信息科技股份有限公司，未經杭州閃捷信息科技股份有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201810379548.X/1.html，轉載請聲明來源鉆瓜專利網。
- 上一篇：基于雙向循環神經網絡進行分詞的方法
- 下一篇：航變信息提取方法及系統
