-
公开(公告)号：CN108304911A
公开(公告)日：2018-07-20
申请号：CN201810018789.1
申请日：2018-01-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及知识抽取领域，具体涉及一种基于记忆神经网络的知识抽取方法以及系统和设备，目的在于解决现有技术中存在的信息冗余问题。本发明在给定预定义关系类型的前提下，首先利用卷积神经网络获取输入文本中可能具有的关系类型，及其语义编码向量；再利用双向长短时记忆神经网络进行语义编码，得到语义向量；将关系类型作为双向长短时记忆网络的初始值以及解码模块中的第一个标签，进而将关系类型信息融入到编码信息以及解码模块的标签信息中；最后采用单向长短时记忆网络结构的解码模块得到标签序列，然后通过解析标签序列得到结构化信息。本发明不但极大地提高了结构化信息抽取的效率，而且克服了现有技术中存在的信息冗余问题。
-
公开(公告)号：CN116741170A
公开(公告)日：2023-09-12
申请号：CN202310708444.X
申请日：2023-06-14
Applicant: 黄淮学院 , 中国科学院自动化研究所
Abstract: 本发明适用于智能识别技术领域，提供了一种基于大数据的人工智能识别系统，系统包括：语音信息采集模块，用于接收用户输入的语音信息；需求命令确定模块，用于对语音信息进行语音转文字得到用户需求命令；需求命令判断模块，用于判断用户需求命令是具体需求内容或者是模糊需求内容，若是具体需求内容，直接执行；若是模糊需求内容，执行后续的步骤；特征参数获取模块，用于对语音信息进行处理得到语音特征参数；特征信息确定模块，用于确定用户的特征信息，包括用户性别和年龄；推荐内容生成模块，用于根据用户的特征信息和用户需求命令为用户生成推荐内容。如此，推荐内容既符合用户的需求命令，又考虑了用户性别和用户年龄，更加精准智能。
-
公开(公告)号：CN108304911B
公开(公告)日：2020-03-13
申请号：CN201810018789.1
申请日：2018-01-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及知识抽取领域，具体涉及一种基于记忆神经网络的知识抽取方法以及系统和设备，目的在于解决现有技术中存在的信息冗余问题。本发明在给定预定义关系类型的前提下，首先利用卷积神经网络获取输入文本中可能具有的关系类型，及其语义编码向量；再利用双向长短时记忆神经网络进行语义编码，得到语义向量；将关系类型作为双向长短时记忆网络的初始值以及解码模块中的第一个标签，进而将关系类型信息融入到编码信息以及解码模块的标签信息中；最后采用单向长短时记忆网络结构的解码模块得到标签序列，然后通过解析标签序列得到结构化信息。本发明不但极大地提高了结构化信息抽取的效率，而且克服了现有技术中存在的信息冗余问题。
-
-
Search Results
3
records
(took 0.024 seconds)
