CN110245708A - 一种基于gan网络的技术文档术语解释生成方法及装置 - Google Patents
一种基于gan网络的技术文档术语解释生成方法及装置 Download PDFInfo
- Publication number
- CN110245708A CN110245708A CN201910526966.1A CN201910526966A CN110245708A CN 110245708 A CN110245708 A CN 110245708A CN 201910526966 A CN201910526966 A CN 201910526966A CN 110245708 A CN110245708 A CN 110245708A
- Authority
- CN
- China
- Prior art keywords
- term
- technical
- explains
- generator
- explain
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- Artificial Intelligence (AREA)
- General Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Computation (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
本发明公开了一种基于GAN网络的技术文档术语解释生成方法及装置,属于文字处理、深度学习和神经网络技术领域,本发明要解决的技术问题为如何有效利用GAN网络技术高效准确的为技术文档自动产生专业术语解释,采用的技术方案为:①该方法是利用GAN网络训练术语解释生成器G和术语解释辨别器D,增加术语判别器Dz,判别该类技术文档中能否解释该术语,实现了更好的过滤和评估专业术语,通过术语解释分类器C,将生成的术语解释进行分类;具体步骤如下:S1、生成术语网络模型的训练;S2、利用网络模型生成术语解释。②该装置包括术语判别器Dz、术语向量生成器Gv、术语解释生成器G、术语解释辨别器D以及术语解释分类器C。
Description
技术领域
本发明涉及文字处理、深度学习和神经网络技术领域,具体地说是一种基于GAN网络的技术文档术语解释生成方法及装置。
背景技术
生成式对抗网络(GAN,Generative Adversarial Networks)是一种深度学习模型,最初由Ian Goodfellow提出,是近年来复杂分布上无监督学习最重要的方法之一。模型通过框架中的两个模块生成器(Generator)和判别器(Discriminator)的互相博弈学习产生高质量的输出,通过轮流训练判别器和生成器,令其相互对抗,从复杂概率分布中采样,最终完成神经网络的训练。目前,GAN网络已经在计算机视觉领域有了广泛的应用。
近年来,随着互联网的快速发展,企业将其产品的相关技术文档通过互联网共享出来,为用户提供更好的技术服务,在这其中专业术语解释是很重要的一部分,然而现实中的技术文档很多都没有专业术语解释部分或者术语解释的质量不高。故如何有效利用GAN网络技术高效准确的为技术文档自动产生专业术语解释成为亟须解决的问题。
发明内容
本发明的技术任务是提供一种基于GAN网络的技术文档术语解释生成方法及装置,来解决如何有效利用GAN网络技术高效准确的为技术文档自动产生专业术语解释的问题。
本发明的技术任务是按以下方式实现的,一种基于GAN网络的技术文档术语解释生成方法,该方法是利用GAN网络训练术语解释生成器G和术语解释辨别器D,增加术语判别器Dz,判别该类技术文档中能否解释该术语,实现了更好的过滤和评估专业术语,通过术语解释分类器C,将生成的术语解释进行分类,使得输入的专业术语向量Vi能够更好的满足用户对于专业术语解释个性化的要求,生成高质量的专业术语解释;具体步骤如下:
S1、生成术语网络模型的训练;
S2、利用网络模型生成术语解释。
作为优选,所述步骤S1中生成术语网络模型的训练的具体步骤如下:
S101、收集技术文档训练数据集,进行数据的预处理和数据标记;
S102、根据收集的技术文档,提取技术文档中的专业术语,形成专业术语语料库;
S103、利用专业术语语料库设定专业术语规则,通过对专业术语语料库中训练数据集的训练提取出判定规则,利用判断规则生成术语判别器Dz;
S104、固定术语判别器Dz参数,将专业术语输入经过术语判别器Dz的判定结果,并结合客户生成术语解释的要求作为输入,训练术语向量生成器Gv,形成规则模型;
S105、将术语判别器Dz和术语向量生成器Gv联合,输入专业术语,生成专业术语向量Vi(Si,Ri);
S106、交替训练术语解释生成器G、术语解释辨别器D以及术语解释分类器C;
S107、利用正样例和负样例训练术语解释辨别器D;
S108、通过将专业术语向量Vi(Si,Ri)输入到术语解释生成器G中,产生术语解释Eg,将术语解释Eg作为样本输入,Ri作为真实样本输出,训练术语解释分类器C,使得经过术语解释分类器C计算得到的输出Rc与Ri越接近越好;
S109、将术语解释辨别器D和术语解释分类器C参数固定,训练术语解释生成器G,并跳转至步骤S106交替训练术语解释生成器G、术语解释辨别器D以及术语解释分类器C,直到使得术语解释生成器G生成的术语解释通过术语解释辨别器D无法区分,同时使得术语解释分类器C生成的分类结果等于术语解释生成器G的输入专业术语向量Ri;
S110、反复进行训练,得到由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型,实现任意输入术语,生成术语解释,并发布在互联网中,为用户提供服务。
更优地,所述步骤S101中的技术文档包括技术白皮书、产品说明书以及使用手册。
更优地,所述步骤S104中术语解释的要求包括篇幅、解释程度以及表达方式。
更优地,所述步骤S107中正样例记为Pair(Sr,Er);其中,Sr表示已有的真实专业术语,Er表示已有的真实专业术语Sr的解释;
负样例记为Pair(Sr,Eg)或Pair(Sr’,Er);其中,Eg表示术语解释生成器G产生的专业术语解释;Sr’表示与术语解释Er不匹配的专业术语。
作为优选,所述步骤S2中利用网络模型生成术语解释的具体步骤如下:
S201、将技术文档及训练得到的由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型发布到互联网上,提供对外服务;
S202、用户通过输入专业术语,经过由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型,生成术语解释;
S203、用户针对生成的术语解释进行评分判断,并进行反馈;
S204、通过收集用户的搜索行为及反馈,结合先验知识,利用网络为技术文档生成术语解释列表。
一种基于GAN网络的技术文档术语解释生成装置,该装置包括术语判别器Dz、术语向量生成器Gv、术语解释生成器G、术语解释辨别器D以及术语解释分类器C;术语判别器Dz通过基于利用技术文档生产的专业术语语料库以及规则进行判断,将结果反馈贵术语向量生成器Gv;术语向量生成器Gv根据术语判别器Dz的判定结果及客户生产术语解释要求,形成专业术语向量Vi,记为Vi(Si,Ri);其中,Si表示专业术语;Ri表示对于术语解释的要求;术语解释生成器G根据专业术语向量Vi生成专业术语解释;术语解释辨别器D判断生产的术语及时是否真实、合理、准确、有效,同时判断术语解释与输入的术语是否对应;术语解释分类器C判断术语解释生成器G生产的解释术语属于输出的专业术语向量中的哪一种生产要求;术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的生成网络模型,实现任意输入术语,生成术语解释,并发布在互联网中,为用户提供服务。
作为优选,所述术语判别器Dz是基于规则的判定器,用于判定输入的专业术语是否合理,并且是否能够通过本网络进行处理生成解释,保证生成的术语向专业术语向量Vi的质量;
术语向量生成器Gv是基于规则的生成器,用于生成专业术语向量Vi并保证生成专业术语向量Vi的质量;
术语解释生成器G是一个神经网络,用于生成术语解释;
术语解释辨别器D是一个神经网络,相当于是二元分类器,用于判别生成的解释是否真实、合理、准确、有效;
术语解释分类器C是一个神经网络,用于保证输入的专业术语向量更好的满足用户对于专业术语解释个性化的要求。
更优地,所述术语解释生成器G、术语解释辨别器D和术语解释分类器C均采用CNN卷积神经网络。
本发明的基于GAN网络的技术文档术语解释生成方法及装置具有以下优点:
(一)、本发明利用GAN网络训练术语解释生成器G和术语解释辨别器D,增加术语判别器Dz,判别该类技术文档中能否解释该术语,实现了更好的过滤和评估专业术语,通过术语解释分类器C,将生成的术语解释进行分类,使得输入的专业术语向量Vi能够更好的满足用户对于专业术语解释个性化的要求,同时通过根据用户的搜索频率及反馈,可以为技术文档生成更加准确高效的专业术语解释列表;
(二)、本发明利用GAN网络高效准确的为技术文档自动生成专业术语解释,整个网络模型主要由术语判别器Dz、术语向量生成器Gv、术语解释生成器G、术语解释辨别器D以及术语解释分类器C构成;与传统的文字提取方式相比,通过GAN网络可以更加灵活准确的发现和提取专业术语特征,增加术语判别器Dz,判别该类技术文档中能否解释该术语,实现了更好的过滤和评估专业术语,通过术语解释分类器G,将生成的术语解释进行分类,使得输入的专业术语向量可以更好的满足用户对于专业术语解释个性化的要求,生成高质量的专业术语解释;
(三)本发明将用于模型训练的技术文档及网络模型发布到互联网上,为用户提供更加有针对性的术语解释,并且通过分析用户基于技术文档的操作行为及反馈,为技术文档生成更加准确合理的专业术语解释列表。
附图说明
下面结合附图对本发明进一步说明。
附图1为基于GAN网络的技术文档术语解释生成装置的结构框图;
附图2为生成术语网络模型的训练的流程框图;
附图3为利用网络模型生成术语解释的流程框图。
图中:1、,2、
具体实施方式
参照说明书附图和具体实施例对本发明的一种基于GAN网络的技术文档术语解释生成方法及装置作以下详细地说明。
实施例1:
本发明的基于GAN网络的技术文档术语解释生成方法,该方法是利用GAN网络训练术语解释生成器G和术语解释辨别器D,增加术语判别器Dz,判别该类技术文档中能否解释该术语,实现了更好的过滤和评估专业术语,通过术语解释分类器C,将生成的术语解释进行分类,使得输入的专业术语向量Vi能够更好的满足用户对于专业术语解释个性化的要求,生成高质量的专业术语解释;具体步骤如下:
S1、生成术语网络模型的训练,如附图2所示,具体步骤如下:
S101、收集技术文档训练数据集,进行数据的预处理和数据标记;
S102、根据收集的技术文档,提取技术文档中的专业术语,形成专业术语语料库;
S103、利用专业术语语料库设定专业术语规则,通过对专业术语语料库中训练数据集的训练提取出判定规则,利用判断规则生成术语判别器Dz;
S104、固定术语判别器Dz参数,将专业术语输入经过术语判别器Dz的判定结果,并结合客户生成术语解释的要求作为输入,训练术语向量生成器Gv,形成规则模型;其中,术语解释的要求包括篇幅、解释程度以及表达方式等。
S105、将术语判别器Dz和术语向量生成器Gv联合,输入专业术语,生成专业术语向量Vi(Si,Ri);
S106、交替训练术语解释生成器G、术语解释辨别器D以及术语解释分类器C;
S107、利用正样例和负样例训练术语解释辨别器D;其中,正样例记为Pair(Sr,Er);其中,Sr表示已有的真实专业术语,Er表示已有的真实专业术语Sr的解释;
负样例记为Pair(Sr,Eg)或Pair(Sr’,Er);其中,Eg表示术语解释生成器G产生的专业术语解释;Sr’表示与术语解释Er不匹配的专业术语。
S108、通过将专业术语向量Vi(Si,Ri)输入到术语解释生成器G中,产生术语解释Eg,将术语解释Eg作为样本输入,Ri作为真实样本输出,训练术语解释分类器C,使得经过术语解释分类器C计算得到的输出Rc与Ri越接近越好;
S109、将术语解释辨别器D和术语解释分类器C参数固定,训练术语解释生成器G,并跳转至步骤S106交替训练术语解释生成器G、术语解释辨别器D以及术语解释分类器C,直到使得术语解释生成器G生成的术语解释通过术语解释辨别器D无法区分,同时使得术语解释分类器C生成的分类结果等于术语解释生成器G的输入专业术语向量Ri;
S110、反复进行训练,得到由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型,实现任意输入术语,生成术语解释,并发布在互联网中,为用户提供服务。
S2、利用网络模型生成术语解释,如附图3所示,具体步骤如下:
S201、将技术文档及训练得到的由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型发布到互联网上,提供对外服务;
S202、用户通过输入专业术语,经过由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型,生成术语解释;
S203、用户针对生成的术语解释进行评分判断,并进行反馈;
S204、通过收集用户的搜索行为及反馈,结合先验知识,利用网络为技术文档生成术语解释列表。
实施例2:
如附图1所示,本发明的基于GAN网络的技术文档术语解释生成装置,该装置包括术语判别器Dz、术语向量生成器Gv、术语解释生成器G、术语解释辨别器D以及术语解释分类器C;术语判别器Dz通过基于利用技术文档生产的专业术语语料库以及规则进行判断,将结果反馈贵术语向量生成器Gv;术语向量生成器Gv根据术语判别器Dz的判定结果及客户生产术语解释要求,形成专业术语向量Vi,记为Vi(Si,Ri);其中,Si表示专业术语;Ri表示对于术语解释的要求;术语解释生成器G根据专业术语向量Vi生成专业术语解释;术语解释辨别器D判断生产的术语及时是否真实、合理、准确、有效,同时判断术语解释与输入的术语是否对应;术语解释分类器C判断术语解释生成器G生产的解释术语属于输出的专业术语向量中的哪一种生产要求;术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的生成网络模型,实现任意输入术语,生成术语解释,并发布在互联网中,为用户提供服务。其中,术语判别器Dz是基于规则的判定器,用于判定输入的专业术语是否合理,并且是否能够通过本网络进行处理生成解释,保证生成的术语向专业术语向量Vi的质量;术语向量生成器Gv是基于规则的生成器,用于生成专业术语向量Vi并保证生成专业术语向量Vi的质量;术语解释生成器G是一个神经网络,用于生成术语解释;术语解释辨别器D是一个神经网络,相当于是二元分类器,用于判别生成的解释是否真实、合理、准确、有效;术语解释分类器C是一个神经网络,用于保证输入的专业术语向量更好的满足用户对于专业术语解释个性化的要求。
为了描述方便,以下过程中的技术文档可以是技术白皮书、产品说明书、使用手册等技术文档,另外,术语解释生成器G、术语解释辨别器D和术语解释分类器均可以采用CNN卷积神经网络,本领域技术人员将理解的是,除了使用以上网络之外,根据本发明的实施方式的构造也能够应用于其他方法之上。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (9)
1.一种基于GAN网络的技术文档术语解释生成方法,其特征在于,该方法是利用GAN网络训练术语解释生成器G和术语解释辨别器D,增加术语判别器Dz,判别该类技术文档中能否解释该术语,实现了更好的过滤和评估专业术语,通过术语解释分类器C,将生成的术语解释进行分类,使得输入的专业术语向量Vi能够更好的满足用户对于专业术语解释个性化的要求,生成高质量的专业术语解释;具体步骤如下:
S1、生成术语网络模型的训练;
S2、利用网络模型生成术语解释。
2.根据权利要求1所述的基于GAN网络的技术文档术语解释生成方法,其特征在于,所述步骤S1中生成术语网络模型的训练的具体步骤如下:
S101、收集技术文档训练数据集,进行数据的预处理和数据标记;
S102、根据收集的技术文档,提取技术文档中的专业术语,形成专业术语语料库;
S103、利用专业术语语料库设定专业术语规则,通过对专业术语语料库中训练数据集的训练提取出判定规则,利用判断规则生成术语判别器Dz;
S104、固定术语判别器Dz参数,将专业术语输入经过术语判别器Dz的判定结果,并结合客户生成术语解释的要求作为输入,训练术语向量生成器Gv,形成规则模型;
S105、将术语判别器Dz和术语向量生成器Gv联合,输入专业术语,生成专业术语向量Vi(Si,Ri);
S106、交替训练术语解释生成器G、术语解释辨别器D以及术语解释分类器C;
S107、利用正样例和负样例训练术语解释辨别器D;
S108、通过将专业术语向量Vi(Si,Ri)输入到术语解释生成器G中,产生术语解释Eg,将术语解释Eg作为样本输入,Ri作为真实样本输出,训练术语解释分类器C,使得经过术语解释分类器C计算得到的输出Rc与Ri越接近越好;
S109、将术语解释辨别器D和术语解释分类器C参数固定,训练术语解释生成器G,并跳转至步骤S106交替训练术语解释生成器G、术语解释辨别器D以及术语解释分类器C,直到使得术语解释生成器G生成的术语解释通过术语解释辨别器D无法区分,同时使得术语解释分类器C生成的分类结果等于术语解释生成器G的输入专业术语向量Ri;
S110、反复进行训练,得到由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型,实现任意输入术语,生成术语解释,并发布在互联网中,为用户提供服务。
3.根据权利要求2所述的基于GAN网络的技术文档术语解释生成方法,其特征在于,所述步骤S101中的技术文档包括技术白皮书、产品说明书以及使用手册。
4.根据权利要求2所述的基于GAN网络的技术文档术语解释生成方法,其特征在于,所述步骤S104中术语解释的要求包括篇幅、解释程度以及表达方式。
5.根据权利要求2所述的基于GAN网络的技术文档术语解释生成方法,其特征在于,所述步骤S107中正样例记为Pair(Sr,Er);其中,Sr表示已有的真实专业术语,Er表示已有的真实专业术语Sr的解释;
负样例记为Pair(Sr,Eg)或Pair(Sr’,Er);其中,Eg表示术语解释生成器G产生的专业术语解释;Sr’表示与术语解释Er不匹配的专业术语。
6.根据权利要求1所述的基于GAN网络的技术文档术语解释生成方法,其特征在于,所述步骤S2中利用网络模型生成术语解释的具体步骤如下:
S201、将技术文档及训练得到的由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型发布到互联网上,提供对外服务;
S202、用户通过输入专业术语,经过由术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的网络模型,生成术语解释;
S203、用户针对生成的术语解释进行评分判断,并进行反馈;
S204、通过收集用户的搜索行为及反馈,结合先验知识,利用网络为技术文档生成术语解释列表。
7.一种基于GAN网络的技术文档术语解释生成装置,其特征在于,该装置包括术语判别器Dz、术语向量生成器Gv、术语解释生成器G、术语解释辨别器D以及术语解释分类器C;术语判别器Dz通过基于利用技术文档生产的专业术语语料库以及规则进行判断,将结果反馈贵术语向量生成器Gv;术语向量生成器Gv根据术语判别器Dz的判定结果及客户生产术语解释要求,形成专业术语向量Vi,记为Vi(Si,Ri);其中,Si表示专业术语;Ri表示对于术语解释的要求;术语解释生成器G根据专业术语向量Vi生成专业术语解释;术语解释辨别器D判断生产的术语及时是否真实、合理、准确、有效,同时判断术语解释与输入的术语是否对应;术语解释分类器C判断术语解释生成器G生产的解释术语属于输出的专业术语向量中的哪一种生产要求;术语判别器Dz、术语向量生成器Gv和术语解释生成器G构成最终的生成网络模型,实现任意输入术语,生成术语解释,并发布在互联网中,为用户提供服务。
8.根据权利要求7所述的基于GAN网络的技术文档术语解释生成装置,其特征在于,所述术语判别器Dz是基于规则的判定器,用于判定输入的专业术语是否合理,并且是否能够通过本网络进行处理生成解释,保证生成的术语向专业术语向量Vi的质量;
术语向量生成器Gv是基于规则的生成器,用于生成专业术语向量Vi并保证生成专业术语向量Vi的质量;
术语解释生成器G是一个神经网络,用于生成术语解释;
术语解释辨别器D是一个神经网络,用于判别生成的解释是否真实、合理、准确、有效;
术语解释分类器C是一个神经网络,用于保证输入的专业术语向量更好的满足用户对于专业术语解释个性化的要求。
9.根据权利要求7或8所述的基于GAN网络的技术文档术语解释生成装置,其特征在于,所述术语解释生成器G、术语解释辨别器D和术语解释分类器C均采用CNN卷积神经网络。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526966.1A CN110245708B (zh) | 2019-06-18 | 2019-06-18 | 一种基于gan网络的技术文档术语解释生成方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910526966.1A CN110245708B (zh) | 2019-06-18 | 2019-06-18 | 一种基于gan网络的技术文档术语解释生成方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110245708A true CN110245708A (zh) | 2019-09-17 |
CN110245708B CN110245708B (zh) | 2021-05-18 |
Family
ID=67887709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910526966.1A Active CN110245708B (zh) | 2019-06-18 | 2019-06-18 | 一种基于gan网络的技术文档术语解释生成方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110245708B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125325A (zh) * | 2019-12-06 | 2020-05-08 | 山东浪潮人工智能研究院有限公司 | 一种基于gan网络的faq生成系统及方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050265318A1 (en) * | 2004-01-08 | 2005-12-01 | Nokia Corporation | Apparatus, system, and method for rejecting a session establishment request |
EP1880314A1 (fr) * | 2005-05-12 | 2008-01-23 | Kabire Fidaali | Dispositif et procede d'analyse semantique de documents par constitution d'arbres n-aire et semantique |
CN108491208A (zh) * | 2018-01-31 | 2018-09-04 | 中山大学 | 一种基于神经网络模型的代码注释分类方法 |
CN108923922A (zh) * | 2018-07-26 | 2018-11-30 | 北京工商大学 | 一种基于生成对抗网络的文本隐写方法 |
CN109003678A (zh) * | 2018-06-12 | 2018-12-14 | 清华大学 | 一种仿真文本病历的生成方法及系统 |
CN109766432A (zh) * | 2018-07-12 | 2019-05-17 | 中国科学院信息工程研究所 | 一种基于生成对抗网络的中文摘要生成方法和装置 |
-
2019
- 2019-06-18 CN CN201910526966.1A patent/CN110245708B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050265318A1 (en) * | 2004-01-08 | 2005-12-01 | Nokia Corporation | Apparatus, system, and method for rejecting a session establishment request |
EP1880314A1 (fr) * | 2005-05-12 | 2008-01-23 | Kabire Fidaali | Dispositif et procede d'analyse semantique de documents par constitution d'arbres n-aire et semantique |
CN108491208A (zh) * | 2018-01-31 | 2018-09-04 | 中山大学 | 一种基于神经网络模型的代码注释分类方法 |
CN109003678A (zh) * | 2018-06-12 | 2018-12-14 | 清华大学 | 一种仿真文本病历的生成方法及系统 |
CN109766432A (zh) * | 2018-07-12 | 2019-05-17 | 中国科学院信息工程研究所 | 一种基于生成对抗网络的中文摘要生成方法和装置 |
CN108923922A (zh) * | 2018-07-26 | 2018-11-30 | 北京工商大学 | 一种基于生成对抗网络的文本隐写方法 |
Non-Patent Citations (2)
Title |
---|
CHANGLIANG LI等: "Text-To-Text Generative Adversarial Networks", 《IEEE》 * |
何佩林等: "基于生成对抗文本的人脸图像翻译", 《计算技术与自动化》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111125325A (zh) * | 2019-12-06 | 2020-05-08 | 山东浪潮人工智能研究院有限公司 | 一种基于gan网络的faq生成系统及方法 |
CN111125325B (zh) * | 2019-12-06 | 2024-01-30 | 山东浪潮科学研究院有限公司 | 一种基于gan网络的faq生成系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN110245708B (zh) | 2021-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106779087B (zh) | 一种通用机器学习数据分析平台 | |
CN108363804B (zh) | 基于用户聚类的局部模型加权融合Top-N电影推荐方法 | |
CN106096727B (zh) | 一种基于机器学习的网络模型构造方法及装置 | |
CN106326440B (zh) | 一种面向智能机器人的人机交互方法及装置 | |
CN107025299B (zh) | 一种基于加权lda主题模型的金融舆情感知方法 | |
CN105893609B (zh) | 一种基于加权混合的移动app推荐方法 | |
CN102789498B (zh) | 基于集成学习的中文评论文本的情感分类方法与系统 | |
CN108984530A (zh) | 一种网络敏感内容的检测方法及检测系统 | |
CN107480122A (zh) | 一种人工智能交互方法及人工智能交互装置 | |
CN109460737A (zh) | 一种基于增强式残差神经网络的多模态语音情感识别方法 | |
CN107038480A (zh) | 一种基于卷积神经网络的文本情感分类方法 | |
CN105069080B (zh) | 一种文献检索方法及系统 | |
CN110059191A (zh) | 一种文本情感分类方法及装置 | |
CN108845986A (zh) | 一种情感分析方法、设备及系统、计算机可读存储介质 | |
CN108280164A (zh) | 一种基于类别相关单词的短文本过滤与分类方法 | |
CN110825850B (zh) | 一种自然语言主题分类方法及装置 | |
CN109063787A (zh) | 一种用于不平衡数据的基于X-mean和样本错分类率集成分类方法 | |
CN110750648A (zh) | 一种基于深度学习和特征融合的文本情感分类方法 | |
CN102637433A (zh) | 识别语音信号中所承载的情感状态的方法和系统 | |
CN110019286A (zh) | 一种基于用户社交关系的表情推荐方法及装置 | |
CN110297888A (zh) | 一种基于前缀树与循环神经网络的领域分类方法 | |
CN106445915A (zh) | 一种新词发现方法及装置 | |
CN109902284A (zh) | 基于论辩挖掘的一种无监督论点提取方法 | |
CN108596637A (zh) | 一种电商服务问题自动发现系统 | |
CN108875034A (zh) | 一种基于层次化长短期记忆网络的中文文本分类方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
TA01 | Transfer of patent application right | ||
TA01 | Transfer of patent application right |
Effective date of registration: 20210421 Address after: 250100 Ji'nan high tech Zone, Shandong, No. 1036 wave road Applicant after: INSPUR GROUP Co.,Ltd. Address before: 250100 North Sixth Floor, S05 Building, No. 1036 Tidal Road, Jinan High-tech Zone, Shandong Province Applicant before: SHANDONG INSPUR ARTIFICIAL INTELLIGENCE RESEARCH INSTITUTE Co.,Ltd. |
|
GR01 | Patent grant | ||
GR01 | Patent grant |