-
公开(公告)号：CN109947905B
公开(公告)日：2023-02-21
申请号：CN201710696739.4
申请日：2017-08-15
Applicant: 富士通株式会社
IPC: G06F16/332 , G06F16/2458
Abstract: 本发明公开了一种生成提问回答对的方法和设备。该方法包括：从已有提问回答对中，确定回答源自产品说明书的提问回答对；判断给定产品的说明书与回答源自产品说明书的提问回答对是否匹配；以及基于匹配的给定产品的说明书与回答源自产品说明书的提问回答对，生成针对给定产品的提问回答对。
-
公开(公告)号：CN114595823A
公开(公告)日：2022-06-07
申请号：CN202011310775.0
申请日：2020-11-20
Applicant: 富士通株式会社
Abstract: 本公开内容涉及用于对机器学习模型的处理结果进行解释的信息处理装置和信息处理方法。该信息处理装置包括：提取单元，其基于机器学习模型的训练样本集合以及机器学习模型对训练样本集合的处理结果提取规则；筛选单元，其基于训练样本集合的分布以及提取单元提取的规则的分布来对提取单元提取的规则进行筛选；以及解释单元，其使用筛选单元筛选的规则对机器学习模型对单个待测样本的处理结果进行解释。根据本公开内容的信息处理技术，能够针对不同的样本基于样本的特征之间的相关性对机器学习模型的处理结果进行解释。
-
公开(公告)号：CN108694163B
公开(公告)日：2021-11-26
申请号：CN201710220821.X
申请日：2017-04-06
Applicant: 富士通株式会社
IPC: G06F40/30 , G06F40/279 , G06N3/04 , G06K9/62
Abstract: 本发明公开了一种计算句子中的词的概率的方法、装置和神经网络。计算句子中的词的概率的方法，包括：依序计算句子中的各个词的长距离依赖特征，特定词的长距离依赖特征表征该特定词与句子中的其他长距离的词之间的依赖关系；依序计算各个词的语义结构特征，特定词的语义结构特征表征包含该特定词及其之前的词的局部句子的语义结构；将每个词的长距离依赖特征和语义结构特征组合，以得到句子中的各个词的词特征；以及基于各个词特征，来计算句子中的各个词的概率。通过本发明的方法，能够将语义结构特征引入到神经网络训练框架中。
-
公开(公告)号：CN108021544B
公开(公告)日：2021-07-06
申请号：CN201610929103.5
申请日：2016-10-31
Applicant: 富士通株式会社
IPC: G06F40/295 , G06F40/30
Abstract: 本申请实施例提供一种对文本序列中实体词的语义关系进行分类的方法、装置和电子设备，该装置包括：第一获得单元，其用于将文本序列中的每个词用词向量表示，以构建第一矩阵；第二获得单元，其利用深度学习模型对所述第一矩阵进行处理，以获得第二矩阵；第三获得单元，其利用2个以上的注意力模型，对所述第二矩阵进行处理，以确定所述文本序列中词的受关注程度，并基于所述受关注程度获得所述文本序列的第三矩阵；分类单元，其至少根据所述文本序列的所述第三矩阵，以及预先存储的分类模型，来确定所述文本序列中的实体词之间的语义关系。根据本实施例，能够提高分类效率。
-
公开(公告)号：CN113032553A
公开(公告)日：2021-06-25
申请号：CN201911250452.4
申请日：2019-12-09
Applicant: 富士通株式会社
Abstract: 本公开涉及信息处理方法和信息处理装置。根据本公开的信息处理装置包括：提取单元，被配置成将多路数据转换为张量数据并且提取所述张量数据的核心张量；聚类单元，被配置成对所述核心张量执行聚类处理；贡献度计算单元，被配置成针对所述核心张量的每个簇，计算所述张量数据的各分量数据的贡献度；以及降采样单元，被配置成基于所述贡献度对所述张量数据执行降采样处理。根据本公开的信息处理装置和信息处理方法在保留张量数据的高阶特征的同时减小张量数据的存储空间和处理成本，提高用于张量数据的分类模型的分类准确性。
-
Patent Agency Ranking
公开(公告)号：CN107562752B
公开(公告)日：2021-05-28
申请号：CN201610509575.5
申请日：2016-06-30
Applicant: 富士通株式会社
Abstract: 本申请实施例提供一种对文本序列中实体词的语义关系进行分类的方法、装置和电子设备，该装置包括：第一获得单元，其用于将文本序列中的每个词用词向量表示，以构建第一矩阵；第二获得单元，其利用深度学习模型对所述第一矩阵进行处理，以获得第二矩阵；第三获得单元，其利用注意力模型，对所述第二矩阵进行处理，以确定所述文本序列中词的受关注程度，并基于所述受关注程度获得所述文本序列的第三矩阵；分类单元，其至少根据所述文本序列的所述第三矩阵，以及预先存储的分类模型，来确定所述文本序列中的实体词之间的语义关系。根据本实施例，能够提高分类效率。
-
公开(公告)号：CN107305543B
公开(公告)日：2021-05-11
申请号：CN201610258308.5
申请日：2016-04-22
Applicant: 富士通株式会社
IPC: G06F40/30
Abstract: 本发明涉及对实体词的语义关系进行分类的方法和装置。该方法包括：基于句子中的每个词以及其相对于两个实体词的位置权重来生成待分类向量；用预定的方向分类特征参数和预定的类型分类特征参数分别与待分类向量相乘，用非线性激活函数对各自的乘积分别进行非线性变换，从而生成方向分类特征和类型分类特征；以及根据方向分类特征和类型分类特征，利用预先存储的分类模型来确定两个实体词之间的语义关系方向和语义关系类型。
-
公开(公告)号：CN106407211B
公开(公告)日：2019-08-06
申请号：CN201510459760.3
申请日：2015-07-30
Applicant: 富士通株式会社
Abstract: 本发明涉及对实体词的语义关系进行分类的方法和装置。该方法包括：通过将句子中的每个词用词向量表示来构建第一矩阵，将第一矩阵中的实体词的向量进行连接以得到第一实体词向量；对第一矩阵利用深度学习模型进行处理得到第二矩阵，将第二矩阵中的实体词的向量进行连接以得到第二实体词向量；对第二矩阵进行池化处理来得到句子级特征；将第一实体词向量与第二实体词向量进行连接得到词汇级特征；以及将句子级特征和词汇级特征进行连接得到的向量作为待分类向量输入预先存储的分类模型来确定实体词之间的语义关系。根据本发明，提供了一种更有效的对实体词的语义关系进行分类的方法和装置。
-
公开(公告)号：CN108694163A
公开(公告)日：2018-10-23
申请号：CN201710220821.X
申请日：2017-04-06
Applicant: 富士通株式会社
CPC classification number: G06F17/2785 , G06F17/2765 , G06K9/6273 , G06N3/0445 , G06N3/0454
Abstract: 本发明公开了一种计算句子中的词的概率的方法、装置和神经网络。计算句子中的词的概率的方法，包括：依序计算句子中的各个词的长距离依赖特征，特定词的长距离依赖特征表征该特定词与句子中的其他长距离的词之间的依赖关系；依序计算各个词的语义结构特征，特定词的语义结构特征表征包含该特定词及其之前的词的局部句子的语义结构；将每个词的长距离依赖特征和语义结构特征组合，以得到句子中的各个词的词特征；以及基于各个词特征，来计算句子中的各个词的概率。通过本发明的方法，能够将语义结构特征引入到神经网络训练框架中。
-
公开(公告)号：CN106294398A
公开(公告)日：2017-01-04
申请号：CN201510261182.2
申请日：2015-05-21
Applicant: 富士通株式会社
IPC: G06F17/30
CPC classification number: G06F16/951
Abstract: 本发明实施例提供一种信息处理装置和信息处理方法，该信息处理装置包括：第一生成单元，其用于生成与调查问卷相关的关键词的集合；第一获取单元，其根据所述关键词的集合查询到信息源中所公开的相关信息，并获取公开所述相关信息的用户的个人信息页面；第一处理单元，其用于对所述相关信息和所述个人信息页面进行处理，以提取该相关信息中与所述关键词相关的文本信息、所述相关信息的属性信息以及所述用户的个人信息；第一确定单元，其根据所述文本信息获取用户对于所述调查问卷中的问题的答案，并确定所述答案、所述相关信息的属性信息、以及所述用户的个人信息之间的对应关系。根据本发明实施例，能够实现高效的问卷调查工作。
-
-
-
-
-
-
-
-
-
Search Results
80
records
(took 0.044 seconds)
