-
公开(公告)号：CN107544960A
公开(公告)日：2018-01-05
申请号：CN201710755961.7
申请日：2017-08-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于变量绑定和关系激活的推理办法。旨在解决现有技术难以模拟人脑精确推理出结果的问题。本发明的方法包括对文本和问句进行编码，得到文本的语义信息和问句的查询语句，识别文本中的实体，并对实体进行映射和跟踪，利用第一动作网络理解语义信息，确定实体在逻辑规则中的位置，利用第二动作网络激活实体关系，将实体关系写入逻辑规则，得到意象图式，利用查询语句对意象图式进行检索，根据检索结果生成答案词。本发明将实体位置和实体关系写入逻辑规则之后形成意象图式，能够作为先验知识存在，无需依赖大量的数据，即可产生与人脑类似的变量和关系序列，产生正确答案。
-
Patent Agency Ranking
公开(公告)号：CN106126596B
公开(公告)日：2019-08-23
申请号：CN201610447676.4
申请日：2016-06-20
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06F17/27
Abstract: 本发明提供了一种基于层次化记忆网络的问答方法，首先进行句粒度记忆编码，并在问题语义编码的刺激下，通过多轮迭代的注意力机制完成句粒度记忆单元的信息推理，通过k最大采样对句子进行筛选，在句粒度记忆编码的基础上还进行词粒度记忆编码，即在两个层次进行记忆编码，形成层次化的记忆编码，利用句粒度和词粒度记忆单元联合预测输出词概率分布，提高了自动问答的准确性，有效解决了低频词和未登录词的答案选择问题。
-
公开(公告)号：CN109800294A
公开(公告)日：2019-05-24
申请号：CN201910014369.0
申请日：2019-01-08
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于人工智能及视觉对话领域，具体涉及了一种基于物理环境博弈的自主进化智能对话方法、系统、装置，旨在解决智能系统计算消耗大、收敛速度慢、处理信息精确度低的问题。本发明方法包括：获取待处理图像及对应问题文本；采用优化的对话模型将图片编码为图片向量，问题文本编码为问句向量；基于图片向量及问句向量生成状态向量；解码状态向量获得应答文本并输出。其中，对话模型的优化过程需引入判别器，对话模型与判别器交替优化直至对话模型的混合损失函数和判别器的损失函数值不再下降或低于预设值，完成模型优化。本发明方法与传统方法相比，计算消耗小、收敛速度快，进一步提高了处理信息的精确度。
-
公开(公告)号：CN106126596A
公开(公告)日：2016-11-16
申请号：CN201610447676.4
申请日：2016-06-20
Applicant: 中国科学院自动化研究所
Abstract: 本发明提供了一种基于层次化记忆网络的问答方法，首先进行句粒度记忆编码，并在问题语义编码的刺激下，通过多轮迭代的注意力机制完成句粒度记忆单元的信息推理，通过k最大采样对句子进行筛选，在句粒度记忆编码的基础上还进行词粒度记忆编码，即在两个层次进行记忆编码，形成层次化的记忆编码，利用句粒度和词粒度记忆单元联合预测输出词概率分布，提高了自动问答的准确性，有效解决了低频词和未登录词的答案选择问题。
-
公开(公告)号：CN109800294B
公开(公告)日：2020-10-13
申请号：CN201910014369.0
申请日：2019-01-08
Applicant: 中国科学院自动化研究所
IPC: G06F16/332 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于人工智能及视觉对话领域，具体涉及了一种基于物理环境博弈的自主进化智能对话方法、系统、装置，旨在解决智能系统计算消耗大、收敛速度慢、处理信息精确度低的问题。本发明方法包括：获取待处理图像及对应问题文本；采用优化的对话模型将图片编码为图片向量，问题文本编码为问句向量；基于图片向量及问句向量生成状态向量；解码状态向量获得应答文本并输出。其中，对话模型的优化过程需引入判别器，对话模型与判别器交替优化直至对话模型的混合损失函数和判别器的损失函数值不再下降或低于预设值，完成模型优化。本发明方法与传统方法相比，计算消耗小、收敛速度快，进一步提高了处理信息的精确度。
-
公开(公告)号：CN107544960B
公开(公告)日：2020-01-14
申请号：CN201710755961.7
申请日：2017-08-29
Applicant: 中国科学院自动化研究所
Abstract: 本发明属于自然语言处理领域，具体涉及一种基于变量绑定和关系激活的自动问答方法。旨在解决现有技术难以模拟人脑精确推理出结果的问题。本发明的方法包括对文本和问句进行编码，得到文本的语义信息和问句的查询语句，识别文本中的实体，并对实体进行映射和跟踪，利用第一动作网络理解语义信息，确定实体在逻辑规则中的位置，利用第二动作网络激活实体关系，将实体关系写入逻辑规则，得到意象图式，利用查询语句对意象图式进行检索，根据检索结果生成答案词。本发明将实体位置和实体关系写入逻辑规则之后形成意象图式，能够作为先验知识存在，无需依赖大量的数据，即可产生与人脑类似的变量和关系序列，产生正确答案。
-
-
-
-
-
Search Results
6
records
(took 0.028 seconds)
