公开(公告)号：CN112559765B

公开(公告)日：2023-06-16

申请号：CN202011440234.X

申请日：2020-12-11

Applicant: 中电科大数据研究院有限公司

Inventor： 蔡惠民 ,  程序 ,  刘汪洋 ,  王胜漪

IPC: G06F16/36 ,  G06F18/214

Abstract: 本发明提供了一种多源异构数据库语义集成方法，包括如下步骤：①抽取实体：基于实体抽取模型从非结构化文本中抽取领域相关实体并识别对应类别；②概念匹配：根据对应类别与知识图谱中本体概念进行匹配，得到同类别的候选实体集合；③邻域匹配：根据相关实体的上下文信息得到对齐实体图表示，根据候选实体集合在知识图谱中的领域关系，得到候选实体图表示；④对比决策：通过对对齐实体图表示和候选实体图表示进行对比决策，得到最匹配候选实体排列作为匹配结果。本发明将深度强化学习技术与多源异构数据库语义集成相结合，建立不同形态下知识之间的语义映射关系，能更好支撑基于语义集成的语义检索、智能问答等相关应用。

公开(公告)号：CN110196918B

公开(公告)日：2021-05-04

申请号：CN201910449029.0

申请日：2019-05-28

Applicant: 北京理工大学 ,  中电科大数据研究院有限公司

Inventor： 毛先领 ,  涂荣成 ,  黄河燕 ,  程序 ,  邹佳

IPC: G06F16/583

Abstract: 本发明涉及一种基于目标检测的无监督深度哈希方法，属于计算机信息检索技术以及图片检索技术领域。利用目标检测获得图片中存在的物体标签，并将这些标签作为图片的伪标签，基于伪标签训练设计好的端到端深度哈希模型，得到每张图片在汉明空间中的哈希码表示；再通过对应哈希码在图片检索任务中的平均准确率均值来评价深度哈希模型的好坏；其中，平均准确率均值即MAP；所依托的无监督深度哈希模型包括目标检测算法单元以及哈希网络单元。所述方法能获得更有指导性的信息；能充分利用深度模型的能力来学习高质量的保持相似度的哈希码；在真实图片数据集中进行图片检索取得了最好的效果，即MAP值最高。

公开(公告)号：CN109670722A

公开(公告)日：2019-04-23

申请号：CN201811611880.0

申请日：2018-12-27

Applicant: 中电科大数据研究院有限公司

Inventor： 谢真强 ,  邹建军 ,  程序 ,  刘汪洋 ,  王琦 ,  舒倩雯 ,  代小岗

IPC: G06Q10/06 ,  G06Q50/26

Abstract: 本发明提供了一种政府数据共享开放考核评估方法，以政府数据共享开放主管部门作为评估主体、在行政区域内政府数据共享开放工作范围内，以具体实施政府数据共享开放的部门为评估对象，从组织管理、基础保障、数据共享、数据开放、数据应用五个维度进行评估，得到组织管理评估指标、基础保障评估指标、数据共享评估指标、数据开放评估指标、数据应用评估指标。本发明通过科学、合理的评估体系对政府数据共享开放成效进行评估，能有效推动政府数据共享开放工作，提升评估工作效率，实现政府数据价值充分释放。

公开(公告)号：CN110969009B

公开(公告)日：2023-10-13

申请号：CN201911223545.8

申请日：2019-12-03

Applicant: 哈尔滨工程大学

Inventor： 黄少滨 ,  张幻 ,  程序 ,  严江 ,  申林山 ,  李熔盛

IPC: G06F40/211 ,  G06F40/242 ,  G06F40/289

Abstract: 本发明属于自然语言文本处理技术领域，具体涉及一种汉语自然语言文本的词语切分方法。本发明基于无监督学习中的基于良好度量的方法设计，在其中加入了少量工作量的人工的步骤，即需要人工整理中心词，人工整理中心词的优点是使词表的质量和词语类别更加可控，进一步地，可以降低对语料词语分布特征的需求，特别适用于语料的词语分布不理想以及领域合成词的中心词数量较少的情况。本发明的词语切分方法适用于领域的自然语言文本，特别地，最适用于在领域合成词和非标准词较多的领域，其分词效果好于通用的开放域分词工具的效果，结果有益于进一步在相关领域自然语言处理的后续步骤，特别是在知识抽取或知识图谱中的应用中。

公开(公告)号：CN110969009A

公开(公告)日：2020-04-07

申请号：CN201911223545.8

申请日：2019-12-03

Applicant: 哈尔滨工程大学

Inventor： 黄少滨 ,  张幻 ,  程序 ,  严江 ,  申林山 ,  李熔盛

IPC: G06F40/211 ,  G06F40/242 ,  G06F40/289

Abstract: 本发明属于自然语言文本处理技术领域，具体涉及一种汉语自然语言文本的词语切分方法。本发明基于无监督学习中的基于良好度量的方法设计，在其中加入了少量工作量的人工的步骤，即需要人工整理中心词，人工整理中心词的优点是使词表的质量和词语类别更加可控，进一步地，可以降低对语料词语分布特征的需求，特别适用于语料的词语分布不理想以及领域合成词的中心词数量较少的情况。本发明的词语切分方法适用于领域的自然语言文本，特别地，最适用于在领域合成词和非标准词较多的领域，其分词效果好于通用的开放域分词工具的效果，结果有益于进一步在相关领域自然语言处理的后续步骤，特别是在知识抽取或知识图谱中的应用中。