Certains contenus de cette application ne sont pas disponibles pour le moment.
Si cette situation persiste, veuillez nous contacter àObservations et contact
1. (WO2019024050) CORRECTION D'ERREURS DE GRAMMAIRE BASÉE SUR UN CONTEXTE PROFOND ET UTILISANT DES RÉSEAUX NEURONAUX ARTIFICIELS
Dernières données bibliographiques dont dispose le Bureau international    Formuler une observation

N° de publication : WO/2019/024050 N° de la demande internationale : PCT/CN2017/095841
Date de publication : 07.02.2019 Date de dépôt international : 03.08.2017
CIB :
G06F 17/27 (2006.01)
G PHYSIQUE
06
CALCUL; COMPTAGE
F
TRAITEMENT ÉLECTRIQUE DE DONNÉES NUMÉRIQUES
17
Equipement ou méthodes de traitement de données ou de calcul numérique, spécialement adaptés à des fonctions spécifiques
20
Manipulation de données en langage naturel
27
Analyse automatique, p.ex. analyse grammaticale, correction orthographique
Déposants :
LINGOCHAMP INFORMATION TECHNOLOGY (SHANGHAI) CO., LTD. [CN/CN]; Suite 2101, Tower 9 970 Dalian Road, Yangpu District Shanghai 200092, CN
Inventeurs :
LIN, Hui; CN
WANG, Chuan; CN
LI, Ruobing; CN
Mandataire :
HANHOW INTELLECTUAL PROPERTY PARTNERS; Suite 1919, F/19, International Technology Transfer Center No. 3 Haidian Avenue, Haidian District Beijing 100080, CN
Données relatives à la priorité :
Titre (EN) DEEP CONTEXT-BASED GRAMMATICAL ERROR CORRECTION USING ARTIFICIAL NEURAL NETWORKS
(FR) CORRECTION D'ERREURS DE GRAMMAIRE BASÉE SUR UN CONTEXTE PROFOND ET UTILISANT DES RÉSEAUX NEURONAUX ARTIFICIELS
Abrégé :
(EN) Disclosed herein are methods and systems for grammatical error detection. In one example, a sentence is received. One or more target words in the sentence are identified based, at least in part, on one or more grammatical error types. Each of the one or more target words corresponds to at least one of the one or more grammatical error types. For at least one of the one or more target words, a classification of the target word with respect to the corresponding grammatical error type is estimated using an artificial neural network model trained for the grammatical error type. A grammatical error in the sentence is detected based, at least in part, on the target word and the estimated classification of the target word.
(FR) L'invention concerne des procédés et des systèmes de détection d'erreurs de grammaire. Dans un exemple, une phrase est reçue. Un ou plusieurs mots cibles de la phrase sont identifiés au moins en partie sur la base d'un ou plusieurs types d'erreurs de grammaire. Chacun des mots cibles correspond à au moins un des types d'erreurs de grammaire. Une classification d'au moins un des mots cibles quant au type d'erreur de grammaire correspondant est estimée à l'aide d'un modèle de réseau neuronal artificiel entraîné pour le type d'erreur de grammaire. Une erreur de grammaire dans la phrase est détectée au moins en partie sur la base du mot cible et de la classification estimée du mot cible.
front page image
États désignés : AE, AG, AL, AM, AO, AT, AU, AZ, BA, BB, BG, BH, BN, BR, BW, BY, BZ, CA, CH, CL, CN, CO, CR, CU, CZ, DE, DJ, DK, DM, DO, DZ, EC, EE, EG, ES, FI, GB, GD, GE, GH, GM, GT, HN, HR, HU, ID, IL, IN, IR, IS, JO, JP, KE, KG, KH, KN, KP, KR, KW, KZ, LA, LC, LK, LR, LS, LU, LY, MA, MD, ME, MG, MK, MN, MW, MX, MY, MZ, NA, NG, NI, NO, NZ, OM, PA, PE, PG, PH, PL, PT, QA, RO, RS, RU, RW, SA, SC, SD, SE, SG, SK, SL, SM, ST, SV, SY, TH, TJ, TM, TN, TR, TT, TZ, UA, UG, US, UZ, VC, VN, ZA, ZM, ZW
Organisation régionale africaine de la propriété intellectuelle (ARIPO) (BW, GH, GM, KE, LR, LS, MW, MZ, NA, RW, SD, SL, ST, SZ, TZ, UG, ZM, ZW)
Office eurasien des brevets (OEAB) (AM, AZ, BY, KG, KZ, RU, TJ, TM)
Office européen des brevets (OEB (AL, AT, BE, BG, CH, CY, CZ, DE, DK, EE, ES, FI, FR, GB, GR, HR, HU, IE, IS, IT, LT, LU, LV, MC, MK, MT, NL, NO, PL, PT, RO, RS, SE, SI, SK, SM, TR)
Organisation africaine de la propriété intellectuelle (OAPI) (BF, BJ, CF, CG, CI, CM, GA, GN, GQ, GW, KM, ML, MR, NE, SN, TD, TG)
Langue de publication : anglais (EN)
Langue de dépôt : anglais (EN)