龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！
申请/专利权人：华中师范大学
摘要：本发明公开了一种基于乐理知识图谱推理的机器人智能导学方法及应用。该方法包括：采集乐理学习者提问的语音信号并转换为文本数据；获取文本数据中的实体嵌入表示hi和关系嵌入表示si；将hi、si与乐理知识图谱的每个实体eu对应的特征向量tu构成候选三元组hi，si，tu；将候选三元组输入到知识图谱推理模块，获得所有候选三元组的能量值，将能量值最优的候选三元组中的tu对应的eu输出。本发明通过解析问句的实体及其关系，并挖掘乐理知识图谱中实体和关系的深度语义交互，可以提高智能导学的精确性和扩展性。
主权项：1.一种基于乐理知识图谱推理的机器人智能导学方法，其特征在于，包括步骤：采集乐理学习者提问的语音信号，将所述语音信号转换为文本数据；对所述文本数据进行解析，抽取所述文本数据中的实体和关系，并得到所述文本数据中的实体嵌入表示和关系嵌入表示；将所述实体嵌入表示、关系嵌入表示与乐理知识图谱的每个实体对应的特征向量构成候选三元组；将所有候选三元组输入到训练后的知识图谱推理模块，获得所有候选三元组的能量值，能量值是表示与具有关系的概率值，将能量值最优的候选三元组中的对应的作为所述语音信号的答案输出；其中，采用语音转换器将所述语音信号转换为文本数据，所述语音转换器包括加权深度全序列卷积神经网络模型和隐马尔可夫模型，所述加权深度全序列卷积神经网络模型包括输入层、隐藏层和输出层，所述隐马尔可夫模型用于对所述隐藏层的输出进行处理后输入后所述输出层，所述隐藏层的最后一层为加权特征层，经过所述加权特征层后的加权特征表示为： 其中，是所述加权特征层的输出特征，表示所述加权特征层的激活函数，为偏置项，表示所述加权特征层的输入特征，为所述加权特征层的特征加权矩阵；其中，利用文本解析器对所述文本数据进行解析，所述文本解析器包括预训练语言模型、双向门控循环单元和序列标注模型；所述预训练语言模型用于将所述文本数据转换为字符向量；所述双向门控循环单元用于对转换后的字符向量进行特征抽取；所述序列标注模型用于根据抽取的特征输出所述文本数据中实体和关系的标注结果。
全文数据：
权利要求：
百度查询： 华中师范大学 一种基于乐理知识图谱推理的机器人智能导学方法及应用
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号