专利交易市场

一种基于眼动注意力的文本标题生成方法，包括：S100：将源文本的文字序列进行词嵌入操作后输入到双向编码器；S200：双向编码器从源文本的嵌入表示中提取上下文语义向量；S300：计算单词和句子的眼动注意力权重；S400：将上下文语义向量作为解码器第一层的初始状态，先计算解码器和双向编码器隐层状态匹配度；再利用所得到的匹配度，进一步计算单词的注意力上下文权重、眼动注意力上下文权重向量；S500：把所述眼动注意力上下文权重向量、解码器第一层在当前时刻的隐藏状态和解码器第二层在上一时刻的隐藏状态输入到解码器第二层中生成相应的标题。该方法提高了生成的标题的准确性和有效性，使得生成的标题更接近人工标题。

本发明涉及一种人工智能技术，揭露了一种文档目录自动生成方法，包括：提取目标文档中的初始标题，基于所述初始标题确定所述目标文档的初始标题规则；将所述初始标题规则输入至预先构建的生成对抗网络模型中训练，得训练后的标题规则；基于训练后的所述标题规则，生成正则表达式；遍历所述目标文档全部内容，将所述目标文档中的内容与所述正则表达式进行对比分析，提取出所述目标文档的全部所述标题，按照遍历先后顺序排列全部所述标题，生成文档目录。本发明还提出一种文档目录自动生成装置以及一种计算机可读存储介质。本发明可以实现精准高效的文档目录自动生成功能。

本申请涉及医疗科技技术领域，具体公开了一种医疗文献簇的主题确定方法、装置、电子设备及存储介质。该方法包括：对多篇医疗文献进行聚类，得到至少一个医疗文献簇；确定所述至少一个医疗文献簇中每个医疗文献簇中的目标医疗文献；确定所述每个医疗文献簇对应的候选短语集；根据所述每个医疗文献簇中的目标医疗文献以及所述每个医疗文献簇对应的候选短语集，确定所述每个医疗文献簇对应的主题。

本发明提供一种文章标题生成方法、装置、存储介质及电子设备，该生成方法包括：根据文本摘要算法从目标文章中提取目标摘要；基于预训练的标题生成模型和目标摘要，生成第一候选文章标题；基于标题生成模型和目标文章，生成第二候选文章标题；计算第一候选文章标题和第二候选文章标题的标题匹配度，根据标题匹配度从第一候选文章标题中确定目标文章标题。本发明将标题生成模型和目标摘要生成的第一候选文章标题和标题生成模型和目标文章生成的第二候选文章标题进行匹配计算，根据匹配计算结果从第一候选文章标题中得到贴合目标文章内容的标题作为目标文章标题，从而提高文章标题生成的精确度。

本发明涉及一种基于多示例学习的工业互联网专利识别方法，利用自然语言处理技术，将专利中的摘要信息切分成句子，并利用基于句子关系图的文本主题句抽取算法来抽取摘要中的主题句，可以有效减少计算开销。同时通过结合标题和摘要中抽取的主题句，将专利转换为为句子包，其中每个专利看作包，包中的每个句子看作示例。最后，通过采用K近邻算法(K Nearest Neighbors，KNN)来预测新样本的类别。通过本发明方法能有效提高工业互联网专利识别效果，极大地减少人工审查代价，对专利检索有着非常重要的意义。

本发明涉及企业画像和自然语言处理技术领域，公开了一种基于情境嵌入和知识蒸馏的企业画像标签抽取方法装置，将企业情境信息向量化后与企业文本向量拼接，得到融合企业情境信息的企业文本；构建主干网络进行模型训练，构建小规模TextCNN枝干网络内嵌到前11层Transformer的主干网络上，将融合后的企业文本传入Bert模型发现其隐藏特征，再传入BiLSTM网络和最大池化层进一步发现其上下文特征和局部特征；使用主干网络指导枝干网络进行知识蒸馏和标签抽取。本发明使用企业情境嵌入可以有效提高标签抽取的准确率，同时拥有知识蒸馏的深度学习模型可以提高标签抽取效率，使其在实际场景中更好的应用。