Document
拖动滑块完成拼图
个人中心

预订订单
商城订单
发布专利 发布成果 人才入驻 发布商标 发布需求

请提出您的宝贵建议,有机会获取IP积分或其他奖励

投诉建议

在线咨询

联系我们

龙图腾公众号
首页 专利交易 IP管家助手 科技果 科技人才 积分商城 国际服务 商标交易 会员权益 需求市场 关于龙图腾
 /  免费注册
到顶部 到底部
清空 搜索
当前位置 : 首页 > 专利喜报 > 山东威尔数据股份有限公司李大鹏获国家专利权

山东威尔数据股份有限公司李大鹏获国家专利权

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!

龙图腾网获悉山东威尔数据股份有限公司申请的专利一种高性能的语义识别方法获国家发明授权专利权,本发明授权专利权由国家知识产权局授予,授权公告号为:CN120764553B

龙图腾网通过国家知识产权局官网在2025-11-14发布的发明授权授权公告中获悉:该发明授权的专利申请号/专利号为:202511270160.2,技术领域涉及:G06F40/30;该发明授权一种高性能的语义识别方法是由李大鹏;尹孟磊;王冠男设计研发完成,并于2025-09-08向国家知识产权局提交的专利申请。

一种高性能的语义识别方法在说明书摘要公布了:本发明公开了一种高性能的语义识别方法,属于自然语言语义识别领域。本方法首先将语句按词序转换为对应的词向量序列,然后将词向量输入至语义识别网络,得到识别结果。语义识别网络包括若干个顺序排列的语义识别单元;所述语义识别单元包括隐层神经元、价值预测网络、输出神经元和分类器。计算时,通过价值预测值决定各单元是否保留。所有词向量处理完成后,将最后一个标记为“保留”的语义识别单元中分类器输出的分类结果作为该条语句的语义识别结果。本发明能够在保证语义特征不丢失的情况下降低运算量,显著提高语义识别的性能。

本发明授权一种高性能的语义识别方法在权利要求书中公布了:1.一种高性能的语义识别方法,首先将语句按词序转换为对应的词向量序列,然后将词向量输入至语义识别网络,得到识别结果,其特征在于:所述语义识别网络包括若干个顺序排列的语义识别单元;所述语义识别单元包括隐层神经元、价值预测网络、输出神经元和分类器;所述隐层神经元基于当前语义识别单元的第一输入向量和第二输入向量得到状态向量,价值预测网络基于状态向量得到价值预测值,输出神经元基于状态向量得到状态转换输出值,分类器基于状态转换输出值得到分类结果; 输入时,对于第个语义识别单元,:如果,则其第一输入向量是词向量序列的第1个词向量,第二输入向量是词向量序列的第2个词向量;如果,则其第一输入向量是前一个语义识别单元中得到的状态向量,第二输入向量是词向量序列的第个词向量; 将第1个语义识别单元标记为“保留”;从第2个语义识别单元开始,各语义识别单元得到本单元的价值预测值后,将其与前一个语义识别单元的价值预测值相比较,如果该语义识别单元的价值预测值大于等于前一个语义识别单元的价值预测值,则将该语义识别单元标记为“保留”,否则标记为“舍弃”;所有词向量处理完成后,将最后一个标记为“保留”的语义识别单元中分类器输出的分类结果作为该条语句的语义识别结果; 所述语义识别网络的训练方式为: 步骤T-1、准备样本语句数据集,并为每一条样本语句标记真实标签; 步骤T-2、基于随机跳过机制对各语义识别单元的隐层神经元进行训练; 步骤T-3、基于价值判断与随机双重决策机制对各语义识别单元的价值预测网络进行训练; 步骤T-3的具体步骤为: 步骤T-3-1、初始化概率; 步骤T-3-2、按以下步骤迭代若干次,每一次随机选择不同的样本语句: 步骤T-3-2-1、将样本语句按词序转换为对应的样本词向量序列; 步骤T-3-2-2、将样本词向量序列中的样本词向量输入至语义识别网络进行计算,决定各语义识别单元是否保留; 步骤T-3-2-2中,默认的输入规则是:对于第个语义识别单元,:如果,则其第一输入向量是样本词向量序列的第1个样本词向量,第二输入向量是样本词向量序列的第2个样本词向量;如果,则其第一输入向量是前一个语义识别单元中得到的状态向量,第二输入向量是样本词向量序列的第个样本词向量; 步骤T-3-2-2中,每个语义识别单元在开始计算前,先基于概率决定当前语义识别单元采用价值函数决策还是随机决策,价值函数决策的概率为,随机决策的概率为,然后根据决定情况采取对应的处理方式: 情况b1、当前语义识别单元决定采用价值函数决策且当前语义识别单元是第1个语义识别单元,则按默认的输入规则进行输入,然后执行计算,并将该当前语义识别单元标记为“保留”; 情况b2、当前语义识别单元决定采用价值函数决策且当前语义识别单元是第2个或其后的语义识别单元,则将其第一输入向量设置为前一个标记为“保留”的语义识别单元中得到的状态向量,第二输入向量按默认的输入规则进行输入,然后执行计算,再将当前语义识别单元得到的价值预测值与前一个标记为“保留”的语义识别单元中得到的价值预测值相比较,如果当前的价值预测值大于等于前一个的价值预测值,则将当前语义识别单元标记为“保留”,否则标记为“舍弃”; 情况b3、当前语义识别单元决定采用随机决策、决策结果为“不跳过”且当前语义识别单元是第1个语义识别单元,则按默认的输入规则进行输入,然后执行计算,并将该当前语义识别单元标记为“保留”; 情况b4、当前语义识别单元决定采用随机决策、决策结果为“不跳过”且当前语义识别单元是第2个或其后的语义识别单元,则将其第一输入向量设置为前一个标记为“保留”的语义识别单元中得到的状态向量,第二输入向量按默认的输入规则进行输入,然后执行计算,并将该当前语义识别单元标记为“保留”; 情况b5、当前语义识别单元决定采用随机决策、决策结果为“跳过”且当前语义识别单元是第1个语义识别单元,则第一输入向量按默认的输入规则进行输入,第二输入向量设置为零向量,然后执行计算,并将该当前语义识别单元标记为“保留”; 情况b6、当前语义识别单元决定采用随机决策、决策结果为“跳过”且当前语义识别单元是第2个或其后的语义识别单元,则不执行计算,并将该当前语义识别单元标记为“舍弃” 步骤T-3-2-3、将所有标记为“保留”的语义识别单元按顺序构成有效单元序列,记为,表示第个标记为“保留”的语义识别单元;然后,遍历有效单元序列,计算其中每一个语义识别单元的价值误差,并基于价值误差更新对应的语义识别单元的价值预测网络的网络参数; 步骤T-3-2-3中,对于有效单元序列中第个语义识别单元,其价值误差的计算方式为: ; ; 其中,为有效单元序列中第个语义识别单元中价值预测网络输出的价值预测值,为有效单元序列中第个语义识别单元的价值训练值,为有效单元序列中第个语义识别单元的状态转换输出值,为有效单元序列中最后一个语义识别单元中价值预测网络输出的价值预测值,为贴现因子,; 步骤T-3-3、判断概率是否为0,如果为0则结束步骤T-3,否则减小概率并确保,然后跳转至步骤T-3-2。

如需购买、转让、实施、许可或投资类似专利技术,可联系本专利的申请人或专利权人山东威尔数据股份有限公司,其通讯地址为:264003 山东省烟台市莱山区瑞达路8号;或者联系龙图腾网官方客服,联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。

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。