-
公开(公告)号：CN109190666B
公开(公告)日：2022-04-29
申请号：CN201810854879.4
申请日：2018-07-30
Applicant: 北京信息科技大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于改进的深度神经网络的花卉图像分类方法，该方法采用迁移学习的方法，将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类，对其中的激活函数进行改进。在通用Oxford flower‑102数据集上的实验表明：该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高，且比未改进的卷积神经网络准确率高，迁移过程准确率达到81.32％，微调过程准确率达到92.85％。
-
公开(公告)号：CN110377754A
公开(公告)日：2019-10-25
申请号：CN201910588441.0
申请日：2019-07-01
Applicant: 北京信息科技大学
Abstract: 本发明提供了一种基于决策树的数据库本体学习优化方法，包括以下步骤：确定待分类的源数据属性表；利用预设算法对所述源数据属性表进行训练，生成属性决策树；基于生成的属性决策树，使用OWL本体语言构建源数据本体，读取数据库表字段作为本体中类的属性；基于生成的属性决策树，使用OWL本体语言构建源数据本体类，读取决策树中各选择枝作为属性，构建最终决策类。本发明由决策树算法处理后的数据可以用本体有效表示与存储，与数据库学习直接生成的本体对比，由数据库生成的决策树可以为本体添加更多的约束规则，发现的隐藏规则可以作为现有本体的填充。此外，使用本体学习技术可以让机器代替手工节省大量人力成本。
-
公开(公告)号：CN109325484A
公开(公告)日：2019-02-12
申请号：CN201810854878.X
申请日：2018-07-30
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于背景先验显著性的花卉图像分类方法，该方法通过背景先验显著性的方法确定花卉区域，将花卉分割方法和基于迁移学习的深度神经网络分类方法结合，将训练迁移的InceptionV3网络用于花卉图像，利用训练好的网络模型对花卉图像进行分类。在国际公开花卉识别数据集Oxford flower-102上的实验表明：该模型比改进的Alex网络分类准确率高7.63％，且比未进行分割的花卉图像进行网络训练的模型准确率高2.85％，分类准确率达到了93.38％。
-
公开(公告)号：CN109189820A
公开(公告)日：2019-01-11
申请号：CN201810853624.6
申请日：2018-07-30
Applicant: 北京信息科技大学
IPC: G06F16/2458 , G06F16/953 , G06F17/27 , G06Q50/02 , G06Q50/26
Abstract: 本发明提供了一种煤矿安全事故本体概念抽取方法，该方法将词向量和条件随机场结合起来对煤矿安全事故本体概念进行抽取，充分考虑领域词语的语义特性和领域特性，解决了传统研究方法在语义关系分析方面欠缺的问题以及煤矿安全领域数据管理不统一的问题，提高了知识的重用性。通过实验，证明了相较于较传统的基于CRFs的概念抽取方法，本文提出的方法提高了煤矿安全领域概念抽取的精度。同时，也证明了本文提出的词向量模型，相比传统CBOW模型和skip-gram模型性能更好。
-
公开(公告)号：CN116757196A
公开(公告)日：2023-09-15
申请号：CN202310172213.1
申请日：2023-02-27
Applicant: 北京信息科技大学
IPC: G06F40/289 , G06F40/30 , G06F40/216 , G06N7/01 , G06N3/0442 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本公开提供了一种事件触发词抽取方法及装置，该方法在预训练阶段引入事件元素角色与中文事件专用术语等向量信息，采用了词语级别的掩码语言模型处理机制，构建出更符合中文事件触发词抽取特点的EBERT模型，使得模型获得更可靠的中文语言表示。在EBERT预训练模型的基础上拼接双向长短期记忆网络，通过该网络来提取中文新闻长文本的上下文关键特征，增强向量表达，得到全局序列信息。将全局序列信息输入条件随机场，使用条件随机场校验序列标签，输出中文事件触发词抽取结果，提升了触发词的识别效果和抽取效果。
-
Patent Agency Ranking
公开(公告)号：CN110414671A
公开(公告)日：2019-11-05
申请号：CN201910596454.2
申请日：2019-07-03
Applicant: 北京信息科技大学
Abstract: 本发明提供一种基于Ontology的深度信念网络模型及其生成方法。本发明试图将本体论和深度信念网络结合起来，形成一个新的模型。本体中最重要的关系之一是本体的层次结构。表达深度学习节点属性和函数转换使用本体的概念属性和分类关系。本发明在这里建立的深度信念网络模型只使用本体概念的亲子关系。同时，本发明选择自下而上构建本体，这样，本发明可以最大限度地训练深度信念网络模型，而不会影响本体节点的表示。
-
公开(公告)号：CN110377690A
公开(公告)日：2019-10-25
申请号：CN201910566562.5
申请日：2019-06-27
Applicant: 北京信息科技大学
IPC: G06F16/31 , G06F16/36 , G06F16/958 , G06F17/27
Abstract: 本申请提供一种基于远程关系抽取的信息获取系统，该信息获取系统包括信息检索模块、情报获取模块和情报分析模块。本发明构建了面向web的行业领域信息获取框架，提出了借助知识融合、领域规则等方法，降低知识库“远程监督”标注数据时出现的“噪声”干扰问题；并借助因子图模型良好的性能，实现了情报感知过程中的实体关系自动抽取任务。上述框架和方法可有效应用于情报感知、数据分析和获取工作中，并具有领域移植性。
-
公开(公告)号：CN109190666A
公开(公告)日：2019-01-11
申请号：CN201810854879.4
申请日：2018-07-30
Applicant: 北京信息科技大学
Abstract: 本发明提供了一种基于改进的深度神经网络的花卉图像分类方法，该方法采用迁移学习的方法，将在大规模数据集上训练的InceptionV3网络用于花卉图像数据集的分类，对其中的激活函数进行改进。在通用Oxford flower-102数据集上的实验表明：该模型在花类图像分类任务中比传统方法和普通卷积神经网络分类准确率高，且比未改进的卷积神经网络准确率高，迁移过程准确率达到81.32％，微调过程准确率达到92.85％。
-
公开(公告)号：CN119886125A
公开(公告)日：2025-04-25
申请号：CN202411980884.1
申请日：2024-12-31
Applicant: 北京信息科技大学
IPC: G06F40/279 , G06F40/205 , G06F16/35 , G06N3/047 , G06N3/096 , G06N3/098 , G06N3/0455 , G06N3/042 , G06F40/30
Abstract: 本发明公开了一种面向军事领域的事件论元抽取方法，涉及事件论元抽取技术领域，包括如下具体步骤：步骤一、获取数据；步骤二、定义标注规则；步骤三、引入多标记实体分类器：将实体标注为单标记或多标记类型；步骤四、引入多标记实体导向注意力机制；步骤五、序列标注；步骤六、联合训练；步骤七、使用BERT模型进行编码；步骤八、捕捉上下文并对文档进行编码；步骤九、构建全局AMR图和局部AMR图：通过AMR引导模块刺激文档中概念之间的交互，使用信息融合模块融合双流表示。本发明的事件论元抽取方法结合了多标记实体分类器和多任务学习机制，通过提升对事件论元的识别能力，尤其是在军事领域的应用中，提供了更高的准确性和召回率。
-
公开(公告)号：CN119067120A
公开(公告)日：2024-12-03
申请号：CN202411193791.4
申请日：2024-08-28
Applicant: 北京信息科技大学
IPC: G06F40/295 , G06F40/216 , G06N3/0442
Abstract: 本公开提供了一种实体识别方法，其包括：使用预训练语言模型处理该威胁情报序列，获得与该威胁情报序列对应的语义特征矩阵；其中，所述语义特征矩阵包括多个元素；采用增强模型对所述语义特征矩阵进行处理，获得每个语义特征矩阵中的每个元素的最终隐藏状态；以及获得全局句子表示；将每个元素的最终隐藏状态与全局句子表示进行融合，获得对应于每个元素的全局向量；根据每个元素的全局向量与不同的权重矩阵的运算结果，获得全局向量的不同权重；根据全局向量的不同权重对每个元素的最终隐藏状态与全局句子表示进行运算融合，获得融合后的全局特征表示；基于融合后的全局特征表示，获得标签序列概率；并输出最大概率值的实体类型。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.038 seconds)
