-
公开(公告)号：CN105099829A
公开(公告)日：2015-11-25
申请号：CN201510542835.4
申请日：2015-08-30
Applicant: 大连理工大学
Abstract: 一种基于HTTP协议的电子资源服务可用性自动化监测方法，包含三个阶段：服务访问行为特征自动化采集；服务访问行为特征存储；服务访问行为模拟与判别。本发明可用于监测通过HTTP协议提供电子资源检索及下载服务的网络服务运行状态,应用包括高等院校及科研院所用于对所购买文献数据库服务进行的监测。本发明在无需人工分析电子资源服务网页代码，也无需获得电子资源服务器控制权限的情况下，完成针对基于HTTP协议的电子资源服务可用性的监测信息采集与监测实施。使用监测功能的用户完全不需要对检索页面代码进行任何人工分析即可自动完成对于检索Form表单所有信息及下载文件的真实网络地址的采集，具有极高的自动化水平。
-
公开(公告)号：CN114218850A
公开(公告)日：2022-03-22
申请号：CN202111317573.3
申请日：2021-11-09
Applicant: 大连理工大学
Abstract: 本发明属于知识表示技术领域，涉及一种异构多关系图表示学习方法。为了降低参数数量和计算复杂度。本发明将节点和关系在低维度欧式空间中进行向量嵌入，给定头节点和关系，通过双层栈式“旋转‑平移”变换模块，利用关系向量对头节点向量进行空间变换，经过关系自适应的向量聚合运算，计算变换后的头节点向量和尾节点向量的空间距离，该距离作为三元组评分，用于评估三元组的真实性概率。本发明可以应用于各领域异构多关系图的自动补全任务，大大降低了链接预测计算的时间复杂度和空间复杂度，使得基于图表示学习的异构图补全方法更好地应用于实际大规模异构多关系图的业务场景。
-
公开(公告)号：CN113656598A
公开(公告)日：2021-11-16
申请号：CN202110952568.3
申请日：2021-08-19
Applicant: 大连理工大学
IPC: G06F16/36 , G06F16/901 , G06F40/205
Abstract: 一种基于全局图注意力和局部图注意力的论文摘要生成方法，从输入的知识图中，通过全局图注意力和局部图注意力提取图结构特征，应用于指导论文摘要生成，该方法可以更好抓住各个实体间的关系，提高论文摘要生成效果。该方法主要包括：图结构转换、特征提取、解码生成。将知识图的每一条边，替换成两个表示关系方向的节点，将原图转换成连通无向图；通过多头自注意力计算顶点与图中其它顶点的注意力分布更新节点向量，获取全局特征表示；之后通过多头自注意力计算顶点与直接相连顶点的注意力分布更新节点向量，获取局部细节特征；最后在解码生成部分使用复制机制，从知识图中复制输入信息作为输出。
-
公开(公告)号：CN113656597A
公开(公告)日：2021-11-16
申请号：CN202110952561.1
申请日：2021-08-19
Applicant: 大连理工大学
Abstract: 一种基于因果干预的知识表示学习模型置信度测量方法。该方法主动干预输入实体的向量维度数值，构造输入实体向量的多个邻域干预向量,从而有效地估计每个预测三元组的置信度。通过将原始实体向量和邻域干预向量分别输入到知识表示学习模型中，得到模型输出的预测结果。进而计算邻域干预向量的预测结果一致性系数，通过评估干预前后预测结果的稳健性来推断预测置信度。在大规模知识图谱构建和维护工程中，该方法可以大幅度降低知识三元组判别工作中的人工成本，有效提高知识图谱补全和更新的精度和效率，使得知识图谱可以保持高质量知识表征，在人工智能、学术分析、社交网络等多个领域具有较高的应用前景。
-
公开(公告)号：CN118568660A
公开(公告)日：2024-08-30
申请号：CN202410655538.X
申请日：2024-05-24
Applicant: 大连理工大学
Abstract: 本发明一种漏洞数据资源融合方法，包括以下步骤：漏洞数据采集；通过网络爬虫对所选漏洞数据库的漏洞信息进行数据收集；漏洞数据预处理；对预处理后漏洞数据进行知识抽取；对知识抽取后的漏洞数据进行知识融合；基于知识融合后数据构建知识图谱，将得到的知识图谱的节点集及属性、边集批量存储到Neo4j图形数据库中，通过Py2neo库及Load‑CSV语句两种方式将漏洞语义信息批量存储在Neo4j图形数据库中，实现可视化展示节点和节点之间的关系。该方法可以整合多个漏洞数据库的数据，提供全面准确的漏洞信息,支持可视化推理分析，帮助用户深入了解漏洞之间的关系和影响，提供智能化的漏洞分析工具，帮助用户快速识别和解决漏洞安全问题。
-
Patent Agency Ranking
公开(公告)号：CN118394968A
公开(公告)日：2024-07-26
申请号：CN202410276223.4
申请日：2024-03-12
Applicant: 大连理工大学
IPC: G06F16/738 , G06N3/088 , G06N3/092 , G06V20/40
Abstract: 本发明提供一种基于强化学习的无监督视频摘要方法，该方法包括：视频关键帧提取、视频重建、对抗性学习三个部分，首先对原始视频帧进行特征提取，并基于强化学习模型演员‑评论家算法，对视频帧序列进行重要度评价以及关键帧提取；然后基于注意力自编码器，对关键帧形成的摘要进行逆向重建，得到原始视频基于摘要的重建版本，最后利用生成对抗学习方法，使用鉴别器与注意力自编码器进行零和博弈，通过对抗学习提升模型的生成能力与鉴别能力，并反馈至关键帧选择模型，基于鉴别器给出的摘要质量评价对模型进行强化学习训练，最终通过多轮迭代后，关键帧提取模型能够有效提取原始视频中最为重要的关键部分并形成摘要。
-
公开(公告)号：CN111737497B
公开(公告)日：2021-07-20
申请号：CN202010607265.3
申请日：2020-06-30
Applicant: 大连理工大学
IPC: G06F16/36 , G06F16/35 , G06F40/211 , G06F40/253 , G06F40/30 , G06N5/00 , G06N3/04
Abstract: 本发明提供一种基于多源语义表示融合的弱监督关系抽取方法。首先，采用分布式词向量初始化文本语句的上下文语义特征，运用自然语言处理工具解析出描述文本特性的海量离散化符号特性，并设计关系抽取任务中语句实例与特性间通用的一阶逻辑规则。之后，将逻辑规则与因子图相结合以建立文本特性与语句实例间的联系，并通过联合统计推理从人类感知的角度建模，学习描述文本特性的低维关系语义向量；并使用双向门控循环单元编码语句内容本身的语义信息作为上下文内容语义向量。最后，在神经网络中微调文本特性语义向量，融合两种不同特征源的向量表示得到更具鲁棒性的文本语义特征表示，与实体对嵌入表征一同指导弱监督关系抽取工作。
-
公开(公告)号：CN113656598B
公开(公告)日：2024-12-03
申请号：CN202110952568.3
申请日：2021-08-19
Applicant: 大连理工大学
IPC: G06F16/36 , G06F16/901 , G06F40/205
Abstract: 一种基于全局图注意力和局部图注意力的论文摘要生成方法，从输入的知识图中，通过全局图注意力和局部图注意力提取图结构特征，应用于指导论文摘要生成，该方法可以更好抓住各个实体间的关系，提高论文摘要生成效果。该方法主要包括：图结构转换、特征提取、解码生成。将知识图的每一条边，替换成两个表示关系方向的节点，将原图转换成连通无向图；通过多头自注意力计算顶点与图中其它顶点的注意力分布更新节点向量，获取全局特征表示；之后通过多头自注意力计算顶点与直接相连顶点的注意力分布更新节点向量，获取局部细节特征；最后在解码生成部分使用复制机制，从知识图中复制输入信息作为输出。
-
公开(公告)号：CN114037048A
公开(公告)日：2022-02-11
申请号：CN202111200399.4
申请日：2021-10-15
Applicant: 大连理工大学
Abstract: 本发明提供一种基于变分循环网络模型的信念一致多智能体强化学习方法，该方法启发于人类团队之间的可以产生默契合作的现象，即通过共同的信念在任务上达成一致性共识。与人类社会群体类似，分布式学习系统中的智能体也可以受益于一致的信念，在有限的通信条件下实现协作。在本文中，我们展示了在分散式协作任务中智能体之间的一致性信念的作用。我们提出了一种新的基于值的方法——一致性信念多智能体强化学习方法，它使用变分模型来学习智能体之间的信念。我们还利用与变分模型结合的循环网络模型(RNN)充分利用智能体历史行为轨迹。我们的算法使智能体能够学习一致的信念，以优化完全分散的策略。我们在两个网格世界游戏以及星际争霸II微观管理基准上验证了该方法。我们的实验结果表明，该方法学习到的共同信念可以有效提高离散和连续状态下的智能体的协作效果。
-
公开(公告)号：CN113657400A
公开(公告)日：2021-11-16
申请号：CN202110952433.7
申请日：2021-08-19
Applicant: 大连理工大学
Abstract: 一种基于跨模态文本检索注意力机制的文本指导图像分割方法，该方法将文本作为查询向量，多模态特征作为检索空间，自适应关注多模态特征空间中与文本相似区域，定位目标物体。该方法包括：特征提取、图文信息深度融合、深层次关系捕捉和多层级特征混合。采用卷积网络和长短时记忆网络提取视觉、语言特征；使用哈达玛积将视觉、语言特征信息深度融合；采用基于文本查询的注意力机制获取图片场景中与文本描述相似区域，最后将多个层级的特征混合分割目标物体。该方法能够在复杂场景下有效提高定位目标的准确度，实现区域的精确分割。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.038 seconds)
