首页 专利交易 科技果 科技人才 科技服务 国际服务 商标交易 会员权益 IP管家助手 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索

基于BiLSTM的老挝语文本正则化方法 

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:昆明理工大学

摘要:本发明涉及基于BiLSTM的老挝语文本正则化方法,属于自然语言处理领域。针对通用语言不可读词需要依据上下文语境推测结果,老挝语存在自己的语法结构、表达方式,以及老挝语文本正则化数据稀缺的问题,本发明提出了一种基于BiLSTM的老挝语文本正则化方法,主要包括对老挝语文本正则化数据预处理、基于自注意力机制的BiLSTM网络文本正则化处理两个部分构成。本发明所提的方法是将文本正则化任务当作序列标注任务完成,在BiLSTM神经网络中输入标注好的文本序列,根据上下文预测正确结果,增加自注意力机制加深模型对序列语义的理解。

主权项:1.基于BiLSTM的老挝语文本正则化方法,其特征在于:所述方法的具体步骤如下:Step1、老挝语文本正则化数据预处理:将老挝语文本数据进行数据清洗、编码转换、语料标注、长度比过滤、分词;Step2、基于BiLSTM神经网络的文本正则化处理:采用序列标注的思想,将BiLSTM作为编码器,结合不可读词的上下文文本向量,并将线性层和softmax作为解码器,预测不可读词可能的标签,并在BiLSTM后接自注意力机制加深序列词间关注度,使模型更好的理解上下文语义预测标签;所述Step2的具体步骤为:Step2.1、首先将文本正则化任务当作序列标注任务完成,在BiLSTM中,文本序列经过词嵌入表示为:为分词编码后的字符,h=12…l,l为输入序列句子长度,n为词嵌入维度;前向隐藏层和后向隐藏层的输出维度均为n维,定义为和BiLSTM输出表示为: Step2.2、BiLSTM后接自注意力机制,使用自注意力机制关注序列词间的深层关系,使模型更好的理解输入序列的上下文语义信息;将自注意力机制的输出送入线性层,该线性层输出维度为正则化标签数,经过softmax计算每个标签的得分;所述Step2.2的具体步骤为:Step2.2.1、用attnq,K,V表示自注意力机制,q,K,V分别表示query,key,value,将BiLSTM的输出分别作为q,K,V;下式中,ki∈K和vi∈V,|q|=|K|=|V|;自注意力机制原理如下: 其中WK,Wq和WV为随机初始化权重,并在迭代中学习更新,Z为注意力头个数;BiLSTM输出序列的隐态表征表示为其中x∈R2n,自注意力机制输出其中c∈R2n;Step2.2.2、自注意力机制最后计算得出结合句子文本向量表征向量c,该序列表征向量c作为编码器的输出,送入到线性层分类,然后通过softmax层计算每个分类得分。

全文数据:

权利要求:

百度查询: 昆明理工大学 基于BiLSTM的老挝语文本正则化方法

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。