同义句

摘要： 对朝鲜语句法的深入理解是完善朝鲜语语法论,并且规范而文雅地发展社会生活语言所必不可少的要求。本文在先行语法中通过研究句法来揭示先行研究的局限性,阐述关于句法的理论根据和前提以及句法的性质和课题,旨在一般性地理解朝鲜语句法。

摘要： 试题满分80分,考试时间65分钟沈阳市田利文工作室:共有团队成员20人,其中有辽宁省特级教师、辽宁省骨干教师、沈阳市学科带头人、沈阳市名师、沈阳市骨干教师等。工作室以促进教师发展为核心,以''专业引领、交流研讨、互帮互学、共同发展''为宗旨,以课题研究为重要方式,对初中英语教学实践过程中发现的问题进行专题研究。

摘要： 试题满分66分,考试时间100分钟沈阳市张鑫首席工作室:是由沈阳市教育局遴选授予、沈阳市教育研究院教师干部岗位培训中心进行管理的市级工作室,辐射沈阳市内五区及郊县。工作室主持人张鑫是辽宁省首届基础教育系统百名研究型名教师、辽宁省优秀教科研工作者、沈阳市首席教师、沈阳市名师,先后出版专著《中考数学专题复习研究》《初中几何辅助线的理论研究与分类例析》。

摘要： 同学们,充实而忙碌的初中生涯已告一段落,轻松而愉快的假期正飞奔而来,在前方等着大家的是充满期待的高中生活。聪明的小伙伴总是会利用假期,合理规划自己的时间,在放松身心的同时,也不忘巩固自己辛苦学习的成果。所以你还在等什么呢?下面就让我们一起来回顾一下过去这一年所学的重要表达吧.

摘要： 本发明提供一种建立同义鉴别模型以及鉴别同义文本的方法、装置，所述建立方法包括：获取训练样本中的文本对；利用词向量词典，得到所述文本对中各文本的量化矩阵；将各文本的量化矩阵作为卷积神经网络的输入，将该文本对所对应的同义标注结果作为卷积神经网络的输出，训练所述卷积神经网络，得到同义鉴别模型。鉴别同义文本的方法包括：获取待鉴别的文本对；利用词向量词典，得到所述文本对中各文本的量化矩阵；将所述各文本的量化矩阵作为同义鉴别模型的输入，根据所述同义鉴别模型的输出确定文本对的同义鉴别结果。通过本发明所提供的技术方案，降低了对切词工具、词性分析、句子模板等辅助工具的依赖，能够提高文本对同义鉴别结果的准确性。

摘要： 本申请实施例提供了一种同义词识别模型的训练方法、同义词确定方法及设备，涉及机器学习和计算机技术领域。所述方法包括：获取多个词语；获取词语的多源特征信息，多源特征信息包括语义特征信息和文字特征信息；基于多个词语确定多个训练样本；通过同义词识别模型基于训练样本中两个词语的多源特征信息，确定训练样本的同义词预测结果和相关性预测结果，相关性预测结果是指训练样本中两个词语之间相关性的预测结果；基于训练样本的同义词预测结果和相关性预测结果，计算同义词识别模型的损失函数值；根据损失函数值对同义词识别模型进行训练。本申请实施例提供的技术方案，能够提升识别同义词的准确性。

摘要： 进行具有高精度的同义词判断而从文本中自动地生成同义词辞典。对文本进行词素分析，而将文本分割为多个单词，获得词素分析完毕文本。对词素分析完毕文本进行主题分类，从多个单词中选择属于各主题的至少一个主题词，从至少一个主题词中提取附带有各主题的特征的基准词。对多个单词进行多维向量化，而获得分别表现多个单词的多个向量。从多个单词中选择至少一个类似词。以使表现基准词的向量与表现至少一个类似词的各类似词的向量之间的类似度高于设定的基准的方式，选择至少一个类似词。制作登记有至少一个类似词的至少一部分的同义词辞典。

摘要： 本发明提供了一种同义句生成方法、系统、终端及存储介质，所述方法包括：构建同义句生成基础模型；对待转换的句子及其所有训练语料中的句子进行自编码，获得语义向量和语法向量；对所述语法向量进行变分推断得到变分推断后的语法向量；对所述语义向量和变分推断后的语法向量进行解耦；采用解耦后的所述语义向量和变分推断后的语法向量，对训练语料中的句子进行重构，更新训练语料；利用更新后的训练语料，重新执行解耦，对向量解耦进行优化；采用源文本的语义向量拼接变分推断后的语法向量生成同义句。本发明对语法和语义进行解耦，使得生成的句子语法更加可控，同时使得生成的句子具有更强的语义一致性。

摘要： 本发明提供了一种同义句生成方法、系统、终端及存储介质，所述方法包括：构建同义句生成基础模型；对待转换的句子及其所有训练语料中的句子进行自编码，获得语义向量和语法向量；对所述语法向量进行变分推断得到变分推断后的语法向量；对所述语义向量和变分推断后的语法向量进行解耦；采用解耦后的所述语义向量和变分推断后的语法向量，对训练语料中的句子进行重构，更新训练语料；利用更新后的训练语料，重新执行解耦，对向量解耦进行优化；采用源文本的语义向量拼接变分推断后的语法向量生成同义句。本发明对语法和语义进行解耦，使得生成的句子语法更加可控，同时使得生成的句子具有更强的语义一致性。

摘要： 本申请适用于人工智能技术领域，提供了一种同义句匹配方法、装置、设备和存储介质，通过短语匹配方法，确定用户输入的用户问句对应的多个候选标准问句，再根据意图角色标注模型和用户问句，生成用户问句的用户问句模板，进而根据用户问句模板和各候选标准问句的标准问句模板，确定用户问句对应的目标标准问句。其中，意图角色标注模型用于从问句中确定意图角色，意图角色包括问句中用于指示信息的词或短语，也即是说，用户问句模板是根据意图角色标注模型和用户问句自动生成的，与传统的采用人工归纳的方法相比，提高了得到用户问句模板的效率，进而提高了根据用户问句模板和标准问句模板，确定目标标准问句的效率。

摘要： 本发明实施例公开了一种同义句的获取方法及装置、设备及存储介质。所述方法包括：获取待处理语句；将待处理语句输入翻译模型，得到待处理语句的同义句，其中，翻译模型由用户输入的搜索内容以及用户选取的搜索结果的标题所组成的训练样本对训练而获得。本发明实施例的技术方案解决了现有技术中同义句的确定过程较为繁琐，且浪费了大量的人力的技术缺陷，实现了在不通过人工挖掘同义词对的基础上，简便、准确及快捷地获取语句的同义句。

摘要： 本文公开了一种同义句生成模型的生成方法、装置及介质，此方法包括：使用第一集合训练得到一生成模型和一判别模型；所述第一集合包括多个同义句组，每个同义句组包括至少两个同义句；对所述生成模型和所述判别模型进行迭代处理直至所述生成模型收敛。本文使用了大量的单句，充分利用了单句的成本低和无需人工标注的优点。在对模型的训练过程中，结合了大量的单句和强化学习方式，单句的使用极大的增加了语义的丰富性，强化学习方式可以使模型在迭代过程中不断优化，从而完全无需依赖大量的平行语料便可以训练出优质的同义句生成模型。

摘要： 本申请涉及人工智能，提供一种同义句对生成方法、装置、计算机设备及存储介质，通过获取样本句子以及同义句子；通过同义句对模型中的预训练模型得到样本句子中每一第一字符串对应的样本隐层向量；通过预训练模型得到同义句子中每一第二字符串对应的同义隐层向量；将样本隐层向量和同义隐层向量输入至注意力模型中，得到注意力矩阵；根据注意力矩阵生成样本句子与同义句子之间的同义句对。本申请通过引入注意力模型，在经过预训练模型提取特征向量的基础上，对特征向量之间的对齐程度和对齐关系进行进一步的检测，提高了同义短语生成的准确性和效率。本申请还涉及区块链技术，同义句对模型存储于区块链网络中。

摘要： 本发明公开了一种基于深度文本匹配的同义句转换方法，其实现过程为：首先获取任意两段文本，分析这两段文本的字词，通过字词在结构上匹配短句，然后再通过短句，应用到比短句长的句式，归纳匹配信息，生成匹配度，最后将匹配度最高的两段文本输出为同义句。该一种基于深度文本匹配的同义句转换方法与现有技术相比，以基于深度学习的文本匹配模型为基础，对输入句式进行语义交互，然后根据匹配程度输出最优同义句式；本方法与现有的同义句转换方法相比，更节省人力物力，所需人工提取特征的代价较小，并且更易发觉隐含在大量数据中的含义不明显的特征。