-
公开(公告)号：CN113705168B
公开(公告)日：2023-04-07
申请号：CN202111016267.6
申请日：2021-08-31
Applicant: 苏州大学
IPC: G06F40/126 , G06F40/58 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于交叉层级注意机制的篇章神经机器翻译方法，包括：将未处理的语料生成包含文档结构信息的训练语料；使用训练语料训练基础结构的篇章神经机器翻译模型；利用翻译模型获取具有句子边界信息的源端文档句向量集合；将句向量集合作为基于交叉层级注意力的上下文捕获器的输入，利用交叉注意机制获取词与句之间的依赖权重矩阵，为当前语句中的每个词获取独立的篇章级别的全局上下文；将全局上下文与翻译模型结合，得到基于交叉注意机制的篇章神经机器翻译模型；对其进行神经网络训练。本发明在训练中引入篇章的全局上下文信息，将待翻译的篇章视为整体进行翻译，保持篇章结构信息的同时，可避免上下文信息被忽略，导致错翻或者漏翻。
-
公开(公告)号：CN113705168A
公开(公告)日：2021-11-26
申请号：CN202111016267.6
申请日：2021-08-31
Applicant: 苏州大学
IPC: G06F40/126 , G06F40/58 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于交叉层级注意机制的篇章神经机器翻译方法，包括：将未处理的语料生成包含文档结构信息的训练语料；使用训练语料训练基础结构的篇章神经机器翻译模型；利用翻译模型获取具有句子边界信息的源端文档句向量集合；将句向量集合作为基于交叉层级注意力的上下文捕获器的输入，利用交叉注意机制获取词与句之间的依赖权重矩阵，为当前语句中的每个词获取独立的篇章级别的全局上下文；将全局上下文与翻译模型结合，得到基于交叉注意机制的篇章神经机器翻译模型；对其进行神经网络训练。本发明在训练中引入篇章的全局上下文信息，将待翻译的篇章视为整体进行翻译，保持篇章结构信息的同时，可避免上下文信息被忽略，导致错翻或者漏翻。
-
Patent Agency Ranking
公开(公告)号：CN101202765A
公开(公告)日：2008-06-18
申请号：CN200710191453.7
申请日：2007-12-19
Applicant: 苏州大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于历史反馈的服务网格调度方法，其特征在于包括如下步骤：(1)对于每一个需要调度的服务，调度器计算其在布置了该服务的各个节点上运行的可靠性Re；(2)调度器计算在布置了该服务的各个节点上的预计运行时间；(3)调度器对各个节点的性能进行实时评测；(4)据此计算每个资源节点X的评估值，选择评估值最大的节点调度运行所需服务。本发明利用服务的历史执行信息自适应调整预测模型并进行服务的反馈选择，将服务请求提交到性能较优和网络负载较少的节点上，从而提高了网格的效率，且具有良好的自适应性。
-
公开(公告)号：CN101187883A
公开(公告)日：2008-05-28
申请号：CN200710191454.1
申请日：2007-12-19
Applicant: 苏州大学
IPC: G06F9/46
Abstract: 本发明公开了一种优化的服务网格调度方法，其特征在于：设立数据库用于保存执行过的服务、其输入数据范围及结果，调度方法是：把用户提交的作业根据服务的描述分解为n个服务，并形成作业描述文件提交给调度器；对于范围型服务，检索数据库，获取已执行服务的结果；对未执行过的数据，调度器调度运行所需服务，获得结果；如是范围型服务，将服务、输入数据范围及结果存入数据库；如果i＜n，调度器获取下一个服务swi+1，返回步骤(2)执行下一个服务；否则调度器结束调度。本发明通过对服务组合中范围型服务的优化，有效地提高组合的成功率并减少服务的执行时间。
-
公开(公告)号：CN116306698A
公开(公告)日：2023-06-23
申请号：CN202310206779.1
申请日：2023-03-07
Applicant: 苏州大学
IPC: G06F40/58 , G06F40/205 , G06F40/30
Abstract: 本发明提供一种基于修辞结构理论的篇章机器翻译方法及系统，该方法包括采集篇章原文的原文信息；将篇章原文的原文信息切分为若干个句子或者子句，每个句子或者子句作为一个EDU；对得到的EDU进行解析，得到RST篇章结构树；将RST篇章结构树的修辞关系信息输入到设定的修辞关系匹配规则中得到篇章原文的修辞关系序列；将修辞关系序列输入到篇章翻译模型中，对修辞关系序列进行建模得到关系类型嵌入，并把修辞关系序列融合到篇章翻译模型中得到新的词嵌入；将得到的新的词嵌入输入编码器进行训练，得到篇章译文。本发明解决了现有技术中没有利用文本结构或关系之类的高级话语知识，导致篇章翻译的连贯性不佳的问题。
-
公开(公告)号：CN106202181A
公开(公告)日：2016-12-07
申请号：CN201610480926.4
申请日：2016-06-27
Applicant: 苏州大学
Abstract: 本申请实施例提供一种情感分类方法、装置及系统，通过对待测样本(其中，待测样本为网络平台信息中的位于第一预设时间之后的评论文本)进行分词处理，得到多个词特征；并使用预先设置的最大熵情感分类器，分别计算每个词特征的第一预测子概率和第二预测子概率；进而利用每个特征词第一预测子概率和第二预测子概率确定待测样本的情感类别的方式，实现了对网络平台信息中的评论文本的情感分类，可便于用户对网络平台信息的选取。
-
公开(公告)号：CN105930411A
公开(公告)日：2016-09-07
申请号：CN201610239552.7
申请日：2016-04-18
Applicant: 苏州大学
CPC classification number: G06F16/9574 , G06F16/355 , G06K9/6268
Abstract: 本申请提供一种分类器训练方法、分类器和情感分类系统，上述方法包括：获取主题集合中至少一个主题的已标注的评论文本，作为训练样本；获取主题集合中至少一个主题的未标注的评论文本，作为未标注样本；采用标签传播算法预测所述未标注样本；采用预测后的所述未标注样本和所述训练样本训练分类器。本方案除了通过利用已经标注过的评论文本对分类器进行训练之外，还利用未标注的评论文本对所述分类器进行训练，并且采用所述未标注的评论文本对所述分类器进行训练后，显著提高了所述分类器的分类精度。在不明显提高用户工作量的基础上，有效的提高了分类器的精准度。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
