-
公开(公告)号：CN115017316A
公开(公告)日：2022-09-06
申请号：CN202210669824.2
申请日：2022-06-14
Applicant: 北京理工大学 , 北京理工大学东南信息技术研究院
IPC: G06F16/35 , G06F40/126 , G06F40/186 , G06K9/62
Abstract: 本发明涉及一种基于动态前缀提示信息的事件抽取方法，属于计算机自然语言处理技术领域。本方法根据输入文本结合所有可能的事件类型，动态构造可调整的稠密的前缀信息，由此增强前缀信息的表现力，提高了数据的利用率。同时，利用相关性分类器将不包含事件实例的文本排除，减少了不相关信息的干扰。本方法克服了现有的基于生成的事件抽取方法中人工构造离散提示文本的次优性，事件类型信息与文本上下文相隔绝等技术缺陷。本方法在精确率、召回率、F1值评测指标等方面都有显著提升。
-
公开(公告)号：CN112784013A
公开(公告)日：2021-05-11
申请号：CN202110039994.8
申请日：2021-01-13
Applicant: 北京理工大学 , 北京理工大学东南信息技术研究院
Abstract: 本发明涉及一种基于上下文语义的多粒度文本推荐方法，属于计算机自然语言处理技术领域。本方法利用文档级的主题过滤方法，缩减了候选文本集合的大小，大大缩减模型推荐的时间，同时提高文本推荐的准确性。本方法首次提出了多粒度的文本推荐方法，能够在文档级、段落级和句子级等多个语言粒度上进行文本推荐，并通过单一的模型完成推荐过程，提高了用户的使用效率。
-
公开(公告)号：CN113627158B
公开(公告)日：2024-12-03
申请号：CN202110751495.1
申请日：2021-07-02
Applicant: 南京理工大学 , 北京理工大学东南信息技术研究院
IPC: G06F40/232 , G06N3/0442 , G06N3/045 , G06N3/08
Abstract: 本申请提出了基于多表征和多预训练模型的中文拼写纠错方法及装置，方法包括：将待纠错中文中的每个字进行融合词边界以及提取偏旁特征处理，获取带有特征值的待纠错中文；特征值包括词边界特征值以及偏旁特征值；将带有特征值的待纠错中文输入预先训练好的错字识别模型中，获取识别出的待纠正字；用预先设定的标记替换待纠正字，获取中间待纠错中文；将中间待纠错中文输入预先训练好的多预训练模型中，从预先设定好的混淆集中选出目标正确字替换待纠正字，获取纠正后的中文。本申请提供的方法能从多个角度识别出拼写错误，提高了拼写纠错的准确率。
-
公开(公告)号：CN117115226A
公开(公告)日：2023-11-24
申请号：CN202311049171.9
申请日：2023-08-21
Applicant: 北京理工大学东南信息技术研究院
Abstract: 本申请提供一种基于计算机视觉的识别脚型尺寸的方法，方法包括：步骤1，图片获取：分别获取被测量者脚放置于白纸上的侧视图，以及俯视图；步骤2，进行图片缩放处理；步骤3，利用多重阈值分割法，分别对A4纸和脚部轮廓进行分割，再使用全新透视矫正法对A4纸轮廓进行矫正，使用掩码法获取目标的脚部区域图像；步骤4，进行俯视图处理获得最大脚宽：分别对A4纸和脚部轮廓进行分割，在使用简易矫正法对A4纸轮廓进行矫正，获取目标的脚部区域图像后，确定目标参数。
-
公开(公告)号：CN114186358A
公开(公告)日：2022-03-15
申请号：CN202111375216.2
申请日：2021-11-19
Applicant: 南京理工大学 , 北京理工大学东南信息技术研究院
IPC: G06F30/17 , G06F30/27 , G06N3/04 , G06N3/08 , G06F119/04
Abstract: 本申请提供基于文本特征和卷积神经网络的轴承寿命预测方法及装置，方法包括：获取待预测滚动轴承的时域振动数据；对时域振动数据进行降噪处理；对降噪后的时域振动数据经过傅里叶变化获取频域数据；提取频域数据的频域特征，以及对频域数据进行编码获取文本特征；将频域特征，以及文本特征输入预先训练好的神经网络模型中，预测待预测滚动轴承的预测寿命。本申请提供的方法使用小波分解、重构的方法进行降噪，避免了阈值挑选的问题；本申请使用的文本特征作为新的退化指标，避免了传统退化指标表征不全面的缺点；并将注意力机制应用到特征通道中，增强了卷积神经网络中的特征关联能力。
-
Patent Agency Ranking
公开(公告)号：CN119830861A
公开(公告)日：2025-04-15
申请号：CN202411683578.1
申请日：2024-11-22
Applicant: 北京理工大学东南信息技术研究院
IPC: G06F40/151 , G06N5/022
Abstract: 本申请提供一种基于大模型智能匹配招投标文件的方法，方法包括：步骤一、对招投标文件进行预处理；步骤二、对预处理后的文档进行数据清洗，以建立预训练数据集；步骤三、对数据清洗后的txt文本进行处理，将txt文本拆分成多个指标项；步骤四、利用大模型中的指令跟随功能，对指标文本中的各项指标进行提问，从而生成微调数据集；步骤五、基于基座大模型进行预训练和微调；步骤六、将提示语、指标项和对应投标文件片段构建成模板，并将模板输入到训练好的大语言模型中，引导训练好的大语言模型推理回答。本申请提升大模型在专业领域回答准确性，从而使模型在回答时表现得更为出色。
-
公开(公告)号：CN119337864A
公开(公告)日：2025-01-21
申请号：CN202411298131.2
申请日：2024-09-18
Applicant: 北京理工大学东南信息技术研究院
IPC: G06F40/232 , G06F40/30 , G06F40/186
Abstract: 本申请提供一种融合用户语义和过往纠错记录的纠错大模型迭代训练方法，方法包括：纠错元数据构造：利用大模型指令数据集的构造方式，对篇章句子在内的数据进行纠错元数据的构造；输入为用户指定的待纠错文本；通过接受批改大模型的输出，调用动态反馈模块将批阅反馈发送给用户决策模块；用户决策模块接受输出结果，进行纠错意见和纠错结果的满意度反馈，并将用户的满意度反馈结果进行记录和重新组装，返回给动态反馈模块。本申请能够更准确地识别和纠正作文中的错误。
-
公开(公告)号：CN119311797A
公开(公告)日：2025-01-14
申请号：CN202411264441.2
申请日：2024-09-10
Applicant: 北京理工大学东南信息技术研究院
IPC: G06F16/332 , G06F16/33 , G06N5/04 , G06F18/2411 , G06F18/214
Abstract: 本申请提供一种基于情感信息的人格识别方法，方法包括：步骤一，对会话中的人格识别进行定义，将会话中的人格识别问题形式化为自然语言推理I问题；步骤二，构建情感对话内容；步骤三，构建人格描述；整理并总结每个人格特质的积极和消极描述，描述用于在NLI问题中作为假设，提供关于行为特征和情感表达倾向的详细信息；步骤四，训练并推理自然语言推理。本申请提高了人机交互的互动质量和个性化体验。
-
公开(公告)号：CN118364798A
公开(公告)日：2024-07-19
申请号：CN202410514120.7
申请日：2024-04-26
Applicant: 北京理工大学 , 北京理工大学东南信息技术研究院
IPC: G06F40/186 , G06F40/205 , G06F40/126 , G06N20/00 , G06F9/448
Abstract: 本申请提供一种理解文本提高大语言模型工具学习的方法，方法包括：步骤一、API描述生成；步骤二、构建Query的上下文信息；步骤三、构建候选API集合，缩小大语言模型搜索API的范围；步骤四、利用大语言模型对Query进行回答；步骤五、设计Cos_F1对生成内容进行自动评价，利用目标Query和答案之间的余弦相似度表示一致性和差异性。创新性的加强了对开放大语言模型中AP功能的理解，并通过使用机器生成的API功能描述代替人类描述来提高API调用的准确性。
-
公开(公告)号：CN116956922A
公开(公告)日：2023-10-27
申请号：CN202310909646.0
申请日：2023-07-24
Applicant: 北京理工大学东南信息技术研究院 , 北京理工大学
IPC: G06F40/295 , G06F40/30 , G06N3/0499
Abstract: 本发明涉及一种利用大语言模型增强的生成式跨语言事件抽取方法，属于计算机人工智能和自然语言处理技术领域。本方法首先使用大语言模型，将各语言的文本信息进行事件预抽取，得到各种语言的大模型事件抽取结果，并将其解析为可用的文本提示为模型训练做准备，然后构建训练所需的文本提示，将输入的文本提示向量化表示，最后使用得到的隐藏层计算二元损失，解码隐藏层向量，将解码损失和二元损失加权相加反向传播，并将向量转化为文本。本方法有效解决了模型跨语言事件抽取困难的问题，提升了知识提示的正面效果，做到了知识提示程度的可控管理，显著增强了生成式跨语言事件的抽取性能。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.063 seconds)
