[發明專利]預測語義角色標注的功能性標記

在審

• 申請號: 202010528591.5
• 申請日: 2020-06-11
• 公開（公告）號: CN112084784A
• 公開（公告）日: 2020-12-15
• 發明（設計）人: 尹培風;李蘊瑤;中村大賀
• 申請（專利權）人: 國際商業機器公司
• 主分類號: G06F40/30
• 分類號: G06F40/30;G06F40/117;G06N3/04;G06N3/08
• 代理公司: 北京市柳沈律師事務所 11105
• 代理人: 邸萬奎

1.一種計算機實現的方法，包括：

在調度器處接收訓練數據實例和目標實例；

由調度器從訓練數據實例和目標實例生成輸入序列；

從調度器向編碼器發送輸入序列；

由編碼器將輸入序列映射到特征向量；

將特征向量從編碼器發送到調度器；

將特征向量從調度器發送到預測器；以及

由預測器將特征向量映射到類向量以創建目標實例的標簽。

2.根據權利要求1所述的計算機實現方法，其中：

訓練數據實例包括表示為依賴關系樹的句子，

目標實例包括依賴關系樹的一部分，

輸入序列包括編碼器可以理解的重組后的訓練數據實例和目標實例，

特征向量包括訓練數據實例中的目標實例的一個或多個特征，類向量包括預定特征和預定標簽之間的相關性，以及

標簽包括一個預測的非功能性標簽，其預測目標實例是否為功能性標記。

3.根據權利要求1所述的計算機實現方法，其中，訓練數據實例包括一個表示為依賴關系樹的句子。

4.根據權利要求1所述的計算機實現方法，其中，訓練數據實例包括多個經過標識和標注的依賴關系。

5.根據權利要求1所述的計算機實現方法，其中，目標實例包括依賴關系樹的一部分。

6.根據權利要求1所述的計算機實現方法，其中，目標實例包括依賴關系樹的子樹。

7.根據權利要求1所述的計算機實現方法，其中，特征向量包括訓練數據示例內的目標實例的一個或多個特征。

8.根據權利要求1所述的計算機實現方法，其中，調度器是從由邏輯回歸模塊、支持向量機(SVM)和全連接神經網絡組成的組中選擇的。

9.根據權利要求1所述的計算機實現方法，其中，編碼器是從遞歸神經網絡(RNN)、隱馬爾可夫模型和長短期存儲器組成的組中選擇的。

10.根據權利要求1所述的計算機實現方法，其中，預測器是從由邏輯回歸模塊、支持向量機(SVM)和全連接神經網絡組成的組中選擇的。

11.根據權利要求1所述的計算機實現方法，其中，響應于確定特征向量足以調用預測器而將特征向量發送到預測器。

12.根據權利要求1所述的計算機實現方法，還包括：

將標簽與預定訓練標簽進行比較，以確定標簽與預定訓練標簽之間的差異；以及

基于差異來調整預測器和調度器。

13.根據權利要求12所述的計算機實現方法，還包括對經過調整的調度器應用模型。

14.根據權利要求1所述的計算機實現方法，其中，輸入序列是基于預定策略生成的。

15.根據權利要求14所述的計算機實現方法，其中，預定策略包括包括冷啟動策略，其中調度器采用均勻分布來生成輸入序列。

16.根據權利要求14所述的計算機實現方法，其中，預定策略包括預熱策略，其中調度器采用epsilon貪心法來生成輸入序列。

17.根據權利要求14所述的計算機實現方法，其中，預定策略包括熱收斂策略，其中調度器采用最大似然動作來生成輸入序列。

18.一種用于預測語義角色標注的功能性標記的計算機程序產品，所述計算機程序產品包括體現有程序指令的計算機可讀存儲介質，所述程序指令可由處理器執行以使處理器執行根據權利要求1至17中的任何一項所述的方法的步驟。