買專利賣專利找龍圖騰，真高效！ 查專利查商標(biāo)用IPTOP,全免費(fèi)！專利年費(fèi)監(jiān)控用IP管家,真方便！

龍圖騰網(wǎng)恭喜杭州電子科技大學(xué)申請(qǐng)的專利一種中文拼寫糾錯(cuò)模型獲國(guó)家發(fā)明授權(quán)專利權(quán)，本發(fā)明授權(quán)專利權(quán)由國(guó)家知識(shí)產(chǎn)權(quán)局授予，授權(quán)公告號(hào)為：CN112861517B 。

龍圖騰網(wǎng)通過國(guó)家知識(shí)產(chǎn)權(quán)局官網(wǎng)在2025-04-29發(fā)布的發(fā)明授權(quán)授權(quán)公告中獲悉：該發(fā)明授權(quán)的專利申請(qǐng)?zhí)?專利號(hào)為：202011549372.1，技術(shù)領(lǐng)域涉及：G06F40/232；該發(fā)明授權(quán)一種中文拼寫糾錯(cuò)模型是由申興發(fā);趙慶彪;徐勝;李樹豐;劉立立設(shè)計(jì)研發(fā)完成，并于2020-12-24向國(guó)家知識(shí)產(chǎn)權(quán)局提交的專利申請(qǐng)。

本一種中文拼寫糾錯(cuò)模型在說(shuō)明書摘要公布了：本發(fā)明公開了一種中文拼寫糾錯(cuò)模型。本發(fā)明是一個(gè)輸入步長(zhǎng)和輸出步長(zhǎng)一致的編解碼模型；將待糾錯(cuò)的句子X＝{x1，x2，x3…xn}，輸入到混淆字圖卷積神經(jīng)網(wǎng)絡(luò)和依存句法關(guān)系圖卷積神經(jīng)網(wǎng)絡(luò)中，輸出帶有混淆字和關(guān)系信息的上下文向量；并將該上下文向量輸入到編解碼模型中，得到糾正后的句子Y＝{y1，y2，y3…yn}。本發(fā)明充分考慮到字與字之間的上下文關(guān)系、依存句法關(guān)系和混淆字之間的關(guān)系，提出了一種新穎的中文拼寫糾錯(cuò)模型。

本發(fā)明授權(quán)一種中文拼寫糾錯(cuò)模型在權(quán)利要求書中公布了：1.一種中文拼寫糾錯(cuò)方法，其特征在于將待糾錯(cuò)的句子X＝{x1,x2,x3…xn}，輸入到混淆字圖卷積神經(jīng)網(wǎng)絡(luò)和依存句法關(guān)系圖卷積神經(jīng)網(wǎng)絡(luò)中，輸出帶有混淆字和依存句法關(guān)系信息的上下文向量；并將該上下文向量輸入到一個(gè)輸入步長(zhǎng)和輸出步長(zhǎng)一致的編解碼模型中，得到糾正后的句子Y＝{y1,y2,y3…yn}；所述的混淆字圖卷積神經(jīng)網(wǎng)絡(luò)具體實(shí)現(xiàn)如下：將現(xiàn)有混淆集中的每一個(gè)字當(dāng)作節(jié)點(diǎn)，字與字之間的關(guān)系當(dāng)作邊，構(gòu)造出鄰接矩陣A∈RN*N，N指的是混淆集的大小；如果A[i][i]與A[i][j]是字形相似或發(fā)音相似的混淆字，則A[i][j]＝1,否則A[i][j]＝0，0≤i,j≤n-1；然后將鄰接矩陣A正則化；公式如下： 其中，I是單位矩陣，是的度矩陣； 通過混淆字圖卷積神經(jīng)網(wǎng)絡(luò)，捕獲混淆字之間相似的信息，將混淆字映射到相同的向量空間，每一層的圖卷積公式如下: 其中，H∈RN*D,D是字向量的維度，它是隱藏層向量；用Bert預(yù)訓(xùn)練的上下文字向量初始化H0；Wl∈RD*D,是可訓(xùn)練的參數(shù)；為了保持原始語(yǔ)義，進(jìn)行疊加操作，公式如下:

如需購(gòu)買、轉(zhuǎn)讓、實(shí)施、許可或投資類似專利技術(shù)，可聯(lián)系本專利的申請(qǐng)人或?qū)＠麢?quán)人杭州電子科技大學(xué)，其通訊地址為：310018 浙江省杭州市下沙高教園區(qū)2號(hào)大街；或者聯(lián)系龍圖騰網(wǎng)官方客服，聯(lián)系龍圖騰網(wǎng)可撥打電話0551-65771310或微信搜索“龍圖騰網(wǎng)”。