JP7149993B2 - 感情分析モデルの事前トレーニング方法、装置及び電子機器 - Google Patents
感情分析モデルの事前トレーニング方法、装置及び電子機器 Download PDFInfo
- Publication number
- JP7149993B2 JP7149993B2 JP2020121922A JP2020121922A JP7149993B2 JP 7149993 B2 JP7149993 B2 JP 7149993B2 JP 2020121922 A JP2020121922 A JP 2020121922A JP 2020121922 A JP2020121922 A JP 2020121922A JP 7149993 B2 JP7149993 B2 JP 7149993B2
- Authority
- JP
- Japan
- Prior art keywords
- word
- emotion
- detected
- training corpus
- training
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/237—Lexical tools
- G06F40/242—Dictionaries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
-
- 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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/33—Querying
- G06F16/3331—Query processing
- G06F16/334—Query execution
- G06F16/3347—Query execution using vector based model
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/279—Recognition of textual entities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
Description
本出願のもう一つの態様の実施例により提供されるコンピュータ読み取り可能な記憶媒体に記憶されているコンピュータプログラムによれば、前記コンピュータプログラムにおける命令が実行された場合に、前記感情分析モデルの事前トレーニング方法が実行される。
ステップ101:与えられたシード感情辞書に基づいて、トレーニングコーパスセット内の各トレーニングコーパスに対して感情知識の検出を行い、各トレーニングコーパスに含まれる検出感情語と検出語ペアとを決定する。各検出語ペアには、一つのコメントポイントと一つの感情語が含まれる。
すなわち、本出願の実施例の可能な実現形態では、上記のステップ101は、i番目のトレーニングコーパスにおけるj番目の単語セグメンテーションと、与えられたシード感情辞書内の第1のシード感情語とが、トレーニングコーパスセットにおける共起頻度が第1の閾値より大きい場合、j番目の単語セグメンテーションをi番目のトレーニングコーパスにおける検出感情語として決定するステップ、又は、i番目のトレーニングコーパスにおけるj番目の単語セグメンテーションと、与えられたシード感情辞書内の第2のシード感情語の類似度が第2の閾値より大きい場合、j番目の単語セグメンテーションをi番目のトレーニングコーパスにおける検出感情語として決定するステップと、を含むことができる。iは0より大きく且つN以下の整数であり、jは0より大きく且つK以下の正の整数であり、Nは、トレーニングコーパスセットに含まれるトレーニングコーパスの数であり、Kは、j番目のトレーニングコーパスに含まれる単語セグメンテーションの数である。
ステップ201:与えられたシード感情辞書に基づいて、トレーニングコーパスセット内の各トレーニングコーパスに対して感情知識の検出を行い、各トレーニングコーパスに含まれる検出感情語と検出語ペアとを決定する。各検出語ペアには、一つのコメントポイントと一つの感情語が含まれる。
本出願の実施例によれば、コンピュータ読み取り可能な記憶媒体に記憶されているコンピュータプログラムが提供される。当該コンピュータプログラムのおける命令が実行された場合に、上記感情分析モデルの事前トレーニング方法が実行される。
Claims (15)
- 与えられたシード感情辞書、及びトレーニングコーパスにおける各単語セグメンテーションと与えられたシード感情辞書内の各感情語との共起頻度又は類似度に基づいて、トレーニングコーパスセット内の各トレーニングコーパスに対して感情知識の検出を行い、各トレーニングコーパスに含まれる検出感情語を決定し、該検出感情語にマッチングするコメントポイントを決定して、各トレーニングコーパスに含まれる検出語ペアを決定するステップであって、検出感情語は、トレーニングコーパスに対して感情知識の検出を行うことによって決定されたトレーニングコーパスに含まれる感情語を指し、各検出語ペアには、一つの検出感情語と一つの当該検出感情語にマッチングするコメントポイントが含まれ、前記検出感情語にマッチングするコメントポイントは、前記検出感情語との位置関係と予め設定された品詞テンプレート又は構文テンプレートとの整合度が、所定の閾値よりも大きいコメントポイントであるステップと、
予め設定されたマスク処理ルールに従い、各トレーニングコーパスにおける検出感情語と検出語ペアをマスク処理し、マスクされたコーパスを生成するステップと、
予め設定されたエンコーダを使用して、前記マスクされたコーパスを符号化処理し、各トレーニングコーパスに対応する特徴ベクトルを生成するステップと、
予め設定されたデコーダを使用して、前記特徴ベクトルを復号化処理し、各トレーニングコーパスに含まれる予測感情語と予測語ペアを決定するステップと、
前記予測感情語と検出感情語との違いと、前記予測語ペアと前記検出語ペアとの違いとに基づいて、少なくとも1つの前記違いが対応する閾値よりも大きい場合、前記予め設定されたエンコーダと予め設定されたデコーダとを更新するステップと、を含むことを特徴とする、感情分析モデルの事前トレーニング方法。 - 前記与えられたシード感情辞書に基づいて、トレーニングコーパスセット内の各トレーニングコーパスに対して感情知識の検出を行うステップは、
i番目のトレーニングコーパスにおけるj番目の単語セグメンテーションと、与えられたシード感情辞書内の第1のシード感情語とが、トレーニングコーパスセットにおける共起頻度が第1の閾値より大きい場合、j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定するステップ、
又は、
i番目のトレーニングコーパスにおけるj番目の単語セグメンテーションと、与えられたシード感情辞書内の第2のシード感情語の類似度が第2の閾値より大きい場合、j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定するステップ、を含み、
iは0より大きく且つN以下の整数であり、jは0より大きく且つK以下の正の整数であり、Nは、前記トレーニングコーパスセットに含まれるトレーニングコーパスの数であり、Kは、j番目のトレーニングコーパスに含まれる単語セグメンテーションの数であることを特徴とする、請求項1に記載の感情分析モデルの事前トレーニング方法。 - 前記j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定した後、
前記j番目の単語セグメンテーションを前記与えられたシード感情辞書に追加するステップをさらに含むことを特徴とする、請求項2に記載の感情分析モデルの事前トレーニング方法。 - 前記j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定した後、
前記i番目のトレーニングコーパス内の前記j番目の単語セグメンテーションと前記i番目のトレーニングコーパスにおける各単語セグメンテーションの位置関係が、予め設定された品詞テンプレート又は構文テンプレートに対する整合度に基づいて、整合度が所定の閾値よりも大きい単語セグメンテーションを、前記j番目の単語セグメンテーションにマッチングするコメントポイントとして決定し、前記整合度が所定の閾値よりも大きい単語セグメンテーションと前記j番目の単語セグメンテーションからなる単語ペアを、前記i番目のトレーニングコーパスに含まれる検出語ペアとして決定するステップをさらに含むことを特徴とする、請求項2に記載の感情分析モデルの事前トレーニング方法。 - 前記各トレーニングコーパスに含まれる検出感情語を決定した後、
各検出感情語と与えられたシード感情辞書内の第3のシード感情語とが、トレーニングコーパスセットにおける共起頻度、及び前記第3のシード感情語の感情極性に基づいて、前記検出感情語と前記第3のシード感情語との共起頻度が所定の閾値よりも大きい場合、前記第3のシード感情語の感情極性を前記検出感情語の検出感情極性として決定するステップをさらに含み、
前記予め設定されたデコーダを使用して、前記特徴ベクトルを復号化処理するステップは、
予め設定されたデコーダを使用して、前記特徴ベクトルを復号化処理して、各トレーニングコーパスに含まれる予測感情語と、予測語ペアと、各予測感情語の予測感情極性とを決定するステップを含み、
前記予め設定されたエンコーダと予め設定されたデコーダとを更新するステップは、
前記予測感情語と検出感情語との違いと、前記予測語ペアと前記検出語ペアとの違いと、各予測感情語の予測感情極性と検出感情極性との違いとに基づいて、少なくとも1つの前記違いが対応する閾値よりも大きい場合、前記予め設定されたエンコーダ及び予め設定されたデコーダを更新するステップを含むことを特徴とする、請求項1から4のいずれかに記載の感情分析モデルの事前トレーニング方法。 - 前記予め設定されたマスク処理ルールに従い、各トレーニングコーパスにおける検出感情語と検出語ペアをマスク処理するステップは、
予め設定された比率に従い、各トレーニングコーパスにおける検出感情語と検出語ペアをマスク処理するステップを含むことを特徴とする、請求項1から4のいずれかに記載の感情分析モデルの事前トレーニング方法。 - 与えられたシード感情辞書、及びトレーニングコーパスにおける各単語セグメンテーションと与えられたシード感情辞書内の各感情語との共起頻度又は類似度に基づいて、トレーニングコーパスセット内の各トレーニングコーパスに対して感情知識の検出を行い、各トレーニングコーパスに含まれる検出感情語を決定し、該検出感情語にマッチングするコメントポイントを決定して、各トレーニングコーパスに含まれる検出語ペアを決定する第1の決定モジュールであって、検出感情語は、トレーニングコーパスに対して感情知識の検出を行うことによって決定されたトレーニングコーパスに含まれる感情語を指し、各検出語ペアには、一つの検出感情語と一つの当該検出感情語にマッチングするコメントポイントが含まれ、前記検出感情語にマッチングするコメントポイントは、前記検出感情語との位置関係と予め設定された品詞テンプレート又は構文テンプレートとの整合度が、所定の閾値よりも大きいコメントポイントである第1の決定モジュールと、
予め設定されたマスク処理ルールに従い、各トレーニングコーパスにおける検出感情語と検出語ペアをマスク処理し、マスクされたコーパスを生成する第1の生成モジュールと、
予め設定されたエンコーダを使用して、前記マスクされたコーパスを符号化処理し、各トレーニングコーパスに対応する特徴ベクトルを生成する第2の生成モジュールと、
予め設定されたデコーダを使用して、前記特徴ベクトルを復号化処理し、各トレーニングコーパスに含まれる予測感情語と予測語ペアを決定する第2の決定モジュールと、
前記予測感情語と検出感情語との違いと、前記予測語ペアと前記検出語ペアとの違いとに基づいて、少なくとも1つの前記違いが対応する閾値よりも大きい場合、前記予め設定されたエンコーダと予め設定されたデコーダとを更新する更新モジュールと、を含むことを特徴とする、感情分析モデルの事前トレーニング装置。 - 前記第1の決定モジュールは、
i番目のトレーニングコーパスにおけるj番目の単語セグメンテーションと、与えられたシード感情辞書内の第1のシード感情語とが、トレーニングコーパスセットにおける共起頻度が第1の閾値より大きい場合、j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定する第1の決定ユニット、
又は、
i番目のトレーニングコーパスにおけるj番目の単語セグメンテーションと、与えられたシード感情辞書内の第2のシード感情語の類似度が第2の閾値より大きい場合、j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定する第2の決定ユニット、を含み、
iは0より大きく且つN以下の整数であり、jは0より大きく且つK以下の正の整数であり、Nは、前記トレーニングコーパスセットに含まれるトレーニングコーパスの数であり、Kは、j番目のトレーニングコーパスに含まれる単語セグメンテーションの数であることを特徴とする、請求項7に記載の感情分析モデルの事前トレーニング装置。 - 前記第1の決定モジュールは、
前記j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定した後、前記j番目の単語セグメンテーションを前記与えられたシード感情辞書に追加する追加ユニットをさらに含むことを特徴とする、請求項8に記載の感情分析モデルの事前トレーニング装置。 - 前記第1の決定モジュールは、
前記j番目の単語セグメンテーションを前記i番目のトレーニングコーパスにおける検出感情語として決定した後、前記i番目のトレーニングコーパス内の前記j番目の単語セグメンテーションと前記i番目のトレーニングコーパスにおける各単語セグメンテーション単語セグメンテーションの位置関係が、予め設定された品詞テンプレート又は構文テンプレートに対する整合度に基づいて、整合度が所定の閾値よりも大きい単語セグメンテーションを、前記j番目の単語セグメンテーションにマッチングするコメントポイントとして決定し、前記整合度が所定の閾値よりも大きい単語セグメンテーションと前記j番目の単語セグメンテーションからなる単語ペアを、前記i番目のトレーニングコーパスに含まれる検出語ペアとして決定する第3の決定ユニットをさらに含むことを特徴とする、請求項8に記載の感情分析モデルの事前トレーニング装置。 - 前記装置は、
各検出感情語と与えられたシード感情辞書内の第3のシード感情語とが、トレーニングコーパスセットにおける共起頻度、及び前記第3のシード感情語の感情極性に基づいて、前記検出感情語と前記第3のシード感情語との共起頻度が所定の閾値よりも大きい場合、前記第3のシード感情語の感情極性を前記検出感情語の検出感情極性として決定する第3の決定モジュールをさらに含み、
前記第2の決定モジュールは、
予め設定されたデコーダを使用して、前記特徴ベクトルを復号化処理して、各トレーニングコーパスに含まれる予測感情語と、予測語ペアと、各予測感情語の予測感情極性とを決定する第4の決定ユニットを含み、
前記更新モジュールは、
前記予測感情語と検出感情語との違いと、前記予測語ペアと前記検出語ペアとの違いと、各予測感情語の予測感情極性と検出感情極性との違いとに基づいて、少なくとも1つの前記違いが対応する閾値よりも大きい場合、前記予め設定されたエンコーダ及び予め設定されたデコーダを更新する更新ユニットを含むことを特徴とする、請求項7から10のいずれかに記載の感情分析モデルの事前トレーニング装置。 - 前記第1の生成モジュールは、
予め設定された比率に従い、各トレーニングコーパスにおける検出感情語と検出語ペアをマスク処理するマスク処理ユニットを含むことを特徴とする、請求項7から10のいずれかに記載の感情分析モデルの事前トレーニング装置。 - 少なくとも一つのプロセッサと、
前記少なくとも一つのプロセッサと通信可能に接続されたメモリと、を含み、
前記メモリには、前記少なくとも一つのプロセッサによって実行可能な命令が記憶され、前記命令が前記少なくとも一つのプロセッサによって実行された場合に、前記少なくとも一つのプロセッサが、請求項1から6のいずれかに記載の方法を実行することを特徴とする、請求項に記載の電子機器。 - コンピュータ命令が実行された場合に、請求項1から6のいずれかに記載の方法が実行されることを特徴とする、コンピュータ命令が記憶されている非一時的なコンピュータ読み取り可能な記憶媒体。
- コンピュータプログラムのおける命令が実行された場合に、請求項1から6のいずれかに記載の方法が実行されることを特徴とする、コンピュータ読み取り可能な記憶媒体に記憶されているコンピュータプログラム。
Applications Claiming Priority (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911399965.1A CN111144507B (zh) | 2019-12-30 | 2019-12-30 | 情感分析模型预训练方法、装置及电子设备 |
CN201911399965.1 | 2019-12-30 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021111323A JP2021111323A (ja) | 2021-08-02 |
JP7149993B2 true JP7149993B2 (ja) | 2022-10-07 |
Family
ID=70522175
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020121922A Active JP7149993B2 (ja) | 2019-12-30 | 2020-07-16 | 感情分析モデルの事前トレーニング方法、装置及び電子機器 |
Country Status (5)
Country | Link |
---|---|
US (1) | US11537792B2 (ja) |
EP (1) | EP3846069A1 (ja) |
JP (1) | JP7149993B2 (ja) |
KR (1) | KR102472708B1 (ja) |
CN (1) | CN111144507B (ja) |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US11615241B2 (en) * | 2020-04-03 | 2023-03-28 | Bewgle Technologies Pvt Ltd. | Method and system for determining sentiment of natural language text content |
CN111680145B (zh) * | 2020-06-10 | 2023-08-15 | 北京百度网讯科技有限公司 | 知识表示学习方法、装置、设备以及存储介质 |
CN111859908B (zh) * | 2020-06-30 | 2024-01-19 | 北京百度网讯科技有限公司 | 情感学习的预训练方法、装置、电子设备和可读存储介质 |
CN111899759B (zh) * | 2020-07-27 | 2021-09-03 | 北京嘀嘀无限科技发展有限公司 | 音频数据的预训练、模型训练方法、装置、设备及介质 |
CN111858942A (zh) * | 2020-07-29 | 2020-10-30 | 阳光保险集团股份有限公司 | 一种文本抽取方法、装置、存储介质和电子设备 |
CN113420128B (zh) * | 2021-08-23 | 2021-11-19 | 腾讯科技(深圳)有限公司 | 文本匹配方法、装置、存储介质及计算机设备 |
CN115248846B (zh) * | 2022-07-26 | 2023-05-23 | 贝壳找房(北京)科技有限公司 | 文本识别方法、设备、介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354183A (zh) | 2015-10-19 | 2016-02-24 | Tcl集团股份有限公司 | 一种家电产品互联网评论的分析方法、装置及系统 |
WO2018213763A1 (en) | 2017-05-19 | 2018-11-22 | Salesforce.Com, Inc. | Natural language processing using context-specific word vectors |
CN110083702A (zh) | 2019-04-15 | 2019-08-02 | 中国科学院深圳先进技术研究院 | 一种基于多任务学习的方面级别文本情感转换方法 |
CN110377740A (zh) | 2019-07-22 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 情感极性分析方法、装置、电子设备及存储介质 |
Family Cites Families (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR101423549B1 (ko) * | 2012-10-26 | 2014-08-01 | 고려대학교 산학협력단 | 감상 기반 질의 처리 시스템 및 방법 |
US9536200B2 (en) * | 2013-08-28 | 2017-01-03 | International Business Machines Corporation | Sentiment analysis of data logs |
CN106649519B (zh) * | 2016-10-17 | 2020-11-27 | 北京邮电大学 | 一种产品特征的挖掘与评价方法 |
CN107133282B (zh) * | 2017-04-17 | 2020-12-22 | 华南理工大学 | 一种改进的基于双向传播的评价对象识别方法 |
CN107273348B (zh) * | 2017-05-02 | 2020-12-18 | 深圳大学 | 一种文本的话题和情感联合检测方法及装置 |
CN110309407A (zh) * | 2018-03-13 | 2019-10-08 | 优酷网络技术(北京)有限公司 | 观点提取方法及装置 |
CN109189919B (zh) * | 2018-07-27 | 2020-11-13 | 广州市香港科大霍英东研究院 | 文本多视角情感分类的方法、系统、终端及存储介质 |
CN109800418B (zh) * | 2018-12-17 | 2023-05-05 | 北京百度网讯科技有限公司 | 文本处理方法、装置和存储介质 |
CN110209824B (zh) * | 2019-06-13 | 2021-06-22 | 中国科学院自动化研究所 | 基于组合模型的文本情感分析方法、系统、装置 |
CN110413780B (zh) * | 2019-07-16 | 2022-02-22 | 合肥工业大学 | 文本情感分析方法和电子设备 |
CN110489553B (zh) * | 2019-07-26 | 2022-07-05 | 湖南大学 | 一种基于多源信息融合的情感分类方法 |
CN110543561A (zh) * | 2019-08-15 | 2019-12-06 | 阿里巴巴集团控股有限公司 | 对文本进行情感分析的方法及装置 |
CN111091460A (zh) * | 2019-11-22 | 2020-05-01 | 深圳前海微众银行股份有限公司 | 一种数据处理方法及装置 |
-
2019
- 2019-12-30 CN CN201911399965.1A patent/CN111144507B/zh active Active
-
2020
- 2020-07-03 KR KR1020200081896A patent/KR102472708B1/ko active IP Right Grant
- 2020-07-15 EP EP20185932.9A patent/EP3846069A1/en not_active Withdrawn
- 2020-07-16 JP JP2020121922A patent/JP7149993B2/ja active Active
- 2020-07-21 US US16/935,040 patent/US11537792B2/en active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105354183A (zh) | 2015-10-19 | 2016-02-24 | Tcl集团股份有限公司 | 一种家电产品互联网评论的分析方法、装置及系统 |
WO2018213763A1 (en) | 2017-05-19 | 2018-11-22 | Salesforce.Com, Inc. | Natural language processing using context-specific word vectors |
CN110083702A (zh) | 2019-04-15 | 2019-08-02 | 中国科学院深圳先进技术研究院 | 一种基于多任务学习的方面级别文本情感转换方法 |
CN110377740A (zh) | 2019-07-22 | 2019-10-25 | 腾讯科技(深圳)有限公司 | 情感极性分析方法、装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
KR102472708B1 (ko) | 2022-11-30 |
CN111144507B (zh) | 2021-06-08 |
KR20210086940A (ko) | 2021-07-09 |
US20210200949A1 (en) | 2021-07-01 |
CN111144507A (zh) | 2020-05-12 |
US11537792B2 (en) | 2022-12-27 |
JP2021111323A (ja) | 2021-08-02 |
EP3846069A1 (en) | 2021-07-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7149993B2 (ja) | 感情分析モデルの事前トレーニング方法、装置及び電子機器 | |
US20210374359A1 (en) | Method, electronic device, and storage medium for training text generation model | |
KR20210040851A (ko) | 텍스트 인식 처리 방법, 장치, 전자 기기 및 저장매체 | |
JP7206515B2 (ja) | 言語モデルに基づいて単語ベクトルを取得する方法、装置、デバイス及び記憶媒体 | |
JP7264866B2 (ja) | イベント関係の生成方法、装置、電子機器及び記憶媒体 | |
JP7301922B2 (ja) | 意味検索方法、装置、電子機器、記憶媒体およびコンピュータプログラム | |
JP7159248B2 (ja) | レビュー情報の処理方法、装置、コンピュータ機器及び媒体 | |
JP2021184237A (ja) | データセット処理方法、装置、電子機器及び記憶媒体 | |
JP7113097B2 (ja) | テキストエンティティの語義記述処理方法、装置及び機器 | |
JP7179123B2 (ja) | 言語モデルの訓練方法、装置、電子デバイス及び可読記憶媒体 | |
CN111079442A (zh) | 文档的向量化表示方法、装置和计算机设备 | |
CN110807331B (zh) | 一种多音字读音预测方法、装置和电子设备 | |
CN111506725B (zh) | 生成摘要的方法和装置 | |
CN111079945B (zh) | 端到端模型的训练方法及装置 | |
CN111144108A (zh) | 情感倾向性分析模型的建模方法、装置和电子设备 | |
CN111709234A (zh) | 文本处理模型的训练方法、装置及电子设备 | |
CN111950291A (zh) | 语义表示模型的生成方法、装置、电子设备及存储介质 | |
JP7133002B2 (ja) | 句読点予測方法および装置 | |
CN111783443A (zh) | 文本扰动检测方法、扰动还原方法、扰动处理方法和装置 | |
US20220171941A1 (en) | Multi-lingual model training method, apparatus, electronic device and readable storage medium | |
US20220005461A1 (en) | Method for recognizing a slot, and electronic device | |
JP2022008207A (ja) | トリプルサンプルの生成方法、装置、電子デバイス及び記憶媒体 | |
CN111611808B (zh) | 用于生成自然语言模型的方法和装置 | |
CN111950293A (zh) | 语义表示模型的生成方法、装置、电子设备及存储介质 | |
CN112507697A (zh) | 事件名的生成方法、装置、设备及介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20200716 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20211005 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20211220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220510 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220721 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220920 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220927 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7149993 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |