• 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03
    • / 12
    • 下载费用:30 金币  

    重庆时时彩官方网: 基于循环神经网络模型的滑动输入方法及系统.pdf

    摘要
    申请专利号:

    重庆时时彩单双窍门 www.4mum.com.cn CN201610910253.1

    申请日:

    2016.10.19

    公开号:

    CN106569618A

    公开日:

    2017.04.19

    当前法律状态:

    授权

    有效性:

    有权

    法律详情: 授权|||实质审查的生效IPC(主分类):G06F 3/023申请日:20161019|||公开
    IPC分类号: G06F3/023; G06N3/04 主分类号: G06F3/023
    申请人: 武汉悦然心动网络科技股份有限公司
    发明人: 颜庆华; 赵威; 刘金柱; 陈国兴; 李毅
    地址: 430074 湖北省武汉市东湖新技术开发区光谷SBI创业街7栋4楼
    优先权:
    专利代理机构: 武汉开元知识产权代理有限公司 42104 代理人: 俞鸿
    PDF完整版下载: PDF下载
    法律状态
    申请(专利)号:

    CN201610910253.1

    授权公告号:

    ||||||

    法律状态公告日:

    2019.03.29|||2017.05.17|||2017.04.19

    法律状态类型:

    授权|||实质审查的生效|||公开

    摘要

    本发明涉及电子设备上的文字输入技术领域,具体涉及一种基于循环神经网络模型的滑动输入方法及系统。将用户t时刻输入的单词转化为词向量;利用LSTM根据t时刻输入的单词的词向量和t?1时刻LSTM中状态单元的状态记忆计算LSTM内常用词词表V中所有单词的概率;滑动输入一段轨迹,并对滑动轨迹进行识别,生成初始候选词列表;根据计算所得的常用词词表V中所有单词的概率结合先验概率值对初始候选词列表进行修正,得到候选词列表的最终预测排序,并按照最终预测排序将各个候选词显示输出?;贚STM能够结合完整的上下文来计算下一个词的概率,准确的猜测出用户希望输入的下一个词,从而对传统的滑动轨迹输入发的预测结果进行修正,使得预测准确性大大提高。

    权利要求书

    1.一种基于循环神经网络模型的滑动输入方法,其特征在于:
    将用户t时刻输入的单词转化为词向量;
    利用LSTM循环神经网络模型根据t时刻输入的单词的词向量和t-1时刻所述LSTM循环
    神经网络模型中状态单元的状态记忆计算所述LSTM循环神经网络模型内常用词词表V中所
    有单词的概率;
    比较计算所得的词表V中每个单词的概率值,以概率从小到大的顺序生成候选词列表
    并显示输出,或
    滑动输入一段轨迹,并对滑动轨迹进行识别,生成初始候选词列表;
    根据计算所得的所述常用词词表V中所有单词的概率结合先验概率值对所述初始候选
    词列表进行修正,得到候选词列表的最终预测排序,并按照所述最终预测排序将各个候选
    词显示输出;
    t-1时刻所述LSTM循环神经网络模型中状态单元的状态记忆包括t-1时刻及t-1时刻前
    输入的所有单词信息。
    2.如权利要求1所述基于循环神经网络模型的滑动输入方法,其特征在于,将所述将t
    时刻输入的单词转化为词向量时,还包括:
    当所述t时刻输入的单词为常用单词时,将所述常用单词转化为对应的词向量;
    当所述t时刻输入的单词为非常用单词,将所述非常用单词进行归一化,并采用占位符
    进行表示。
    3.如权利要求2所述基于循环神经网络模型的滑动输入方法,其特征在于,将所述非常
    用单词进行归一化,并采用占位符进行表示,包括但不限于:
    数字映射成占位符<number>,以ed结尾的单词映射成占位符<ed>,以ly结尾的单词映
    射成占位符<ly>,以ing结尾的单词映射成占位符<ing>,表情符号映射成占位符<emoji>,
    剩下的其他单词映射成占位符<unk>,以及采用占位符<begin>表示句子的开头。
    4.如权利要求1所述基于循环神经网络模型的滑动输入方法,其特征在于,利用LSTM循
    环神经网络模型根据t时刻输入的单词和t-1时刻所述LSTM循环神经网络模型中的隐含层
    状态计算所述LSTM循环神经网络模型内常用词词表V中所有单词的概率包括:
    根据t时刻输入的单词,结合t-1时刻所述LSTM循环神经网络模型的状态记忆,利用所
    述LSTM循环神经网络模型中输入门、遗忘门、输出门、状态单元分别对所述常用词词表V中
    的所有单词进行计算;
    根据所述LSTM循环神经网络模型中输入门、遗忘门、输出门、状态单元的计算结果进行
    所述常用词词表V中的所有单词的概率计算,并将计算结果作为LSTM循环神经网络模型中
    隐含层的输出结果;
    所述LSTM循环神经网络模型中隐含层内的状态包含t-1时刻以及t-1前输入的所有单
    词信息。
    5.如权利要求4所述基于循环神经网络模型的滑动输入方法,其特征在于,根据所述常
    用词词表V中所有单词的概率结合先验概率值对所述初始候选词列表进行修正,得到候选
    词列表的最终预测排序包括:
    所述LSTM循环神经网络模型包括包含有常用词与非常用词的词表V+;
    当所述初始候选词列表中候选单词w属于词表V时,采用公式计算单
    词w的权重;
    当所述初始候选词列表中候选单词w不属于词表V,即属于词表V+时,采用公式Uw=Pv+*
    α计算单词w的权重;
    将所述初始候选词列表中的所有单词的权值进行比较,并按照权值从大到小的顺序对
    所述初始候选词列表进行重新排列,生成候选词列表的最终预测排序;
    所述P为LSTM循环神经网络模型预测的单词w的概率值;
    所述max、min分别为所述常用词词表V中的最大概率值和最小概率值;
    所述a为要归一化到的值域区间;
    所述Pv+为词表V+中候选单词w的概率,即根据日常生活中被使用的频率统计所得的先
    验概率值;
    所述α为降权比率,所述α<1。
    6.如权利要求3所述基于循环神经网络模型的滑动输入方法,其特征在于:当用户还未
    输入任何单词,即所述t时刻输入的单词为零个时,将所述占位符<begin>作为所述t时刻输
    入的单词,并根据所述先验概率值按照概率从大到小的顺序输出可供用户选择的候选词列
    表。
    7.一种基于循环神经网络模型的滑动输入系统,其特征在于,包括:
    输入??椋罕慌渲梦没时刻输入的单词实时转化为对应的词向量,并将所述词向
    量发送给LSTM循环神经网络模型;
    LSTM循环神经网络模型:被配置将t-1时刻的上下文信息作为状态记忆进行保存,结合
    t-1时刻的所述状态记忆和输入??榉⑺偷膖时刻词向量进行常用词词表V中所有单词的概
    率计算,并将计算所得的所述常用词词表V中所有单词的概率发送至输出???;
    滑动轨迹采样??椋罕慌渲梦杂没淙氲幕旒=胁裳?,并输出至滑动轨迹识
    别???;
    滑动轨迹识别??椋罕慌渲梦莼旒2裳?槭淙氲幕旒I沙跏己蜓〈?br />列表,并将所述初始候选词列表发送给输出???;
    输出??椋罕慌渲梦邮账龃时鞻中所有单词的概率,并结合词表V+中的概率值对接
    收到的所述初始候选词列表进行修正,并将修正后的候选词列表显示输出。
    8.如权利要求7所述基于循环神经网络模型的滑动输入系统,其特征在于,所述LSTM循
    环神经网络模型包括:
    LSTM计算单元:被配置为结合LSTM状态单元中t-1时刻的状态记忆和输入??榉⑺偷膖
    时刻词向量进行所述常用词词表V中所有单词的概率计算,并将计算所得的所述常用词词
    表V中所有单词的概率发送至输出???;
    LSTM状态单元:被配置为在所述LSTM计算单元完成所述常用词词表V中所有单词的概
    率计算后,将t-1时刻的上下文信息作为状态记忆进行保存,并供所述LSTM计算单元进行下
    一次计算时使用。
    9.如权利要求8所述基于循环神经网络模型的滑动输入系统,其特征在于,所述LSTM循
    环神经网络模型还包括压缩???,所述压缩??楸慌渲梦胨鯨STM循环神经网络模型的
    隐含层进行全连接,之后采用全连接方式和所述LSTM循环神经网络模型的概率输出层进行
    连接,所述概率输出层输出所述常用词词表V中所有单词的概率至输出???。

    关 键 词:
    基于 循环 神经网络 模型 滑动 输入 方法 系统
      专利查询网所有资源均是用户自行上传分享,仅供网友学习交流,未经上传用户书面授权,请勿作他用。
    关于本文
    本文标题:基于循环神经网络模型的滑动输入方法及系统.pdf
    链接地址://www.4mum.com.cn/p-6092655.html
    关于我们 - 网站声明 - 网站地图 - 资源地图 - 友情链接 - 网站客服客服 - 联系我们

    [email protected] 2017-2018 www.4mum.com.cn网站版权所有
    经营许可证编号:粤ICP备17046363号-1 
     


    收起
    展开
  • 四川郎酒股份有限公司获第十二届人民企业社会责任奖年度环保奖 2019-05-13
  • 银保监会新规剑指大企业多头融资和过度融资 2019-05-12
  • 韩国再提4国联合申办世界杯 中国网友无视:我们自己来 2019-05-11
  • 中国人为什么一定要买房? 2019-05-11
  • 十九大精神进校园:风正扬帆当有为 勇做时代弄潮儿 2019-05-10
  • 粽叶飘香幸福邻里——廊坊市举办“我们的节日·端午”主题活动 2019-05-09
  • 太原设禁鸣路段 设备在测试中 2019-05-09
  • 拜耳医药保健有限公司获第十二届人民企业社会责任奖年度企业奖 2019-05-08
  • “港独”没出路!“梁天琦们”该醒醒了 2019-05-07
  • 陈卫平:中国文化内涵包含三方面 文化复兴表现在其中 2019-05-06
  • 人民日报客户端辟谣:“合成军装照”产品请放心使用 2019-05-05
  • 【十九大·理论新视野】为什么要“建设现代化经济体系”?   2019-05-04
  • 聚焦2017年乌鲁木齐市老城区改造提升工程 2019-05-04
  • 【专家谈】上合组织——构建区域命运共同体的有力实践者 2019-05-03
  • 【华商侃车NO.192】 亲!楼市火爆,别忘了买车位啊! 2019-05-03