-
公开(公告)号:CN102041027A
公开(公告)日:2011-05-04
申请号:CN201010606035.1
申请日:2010-12-17
Applicant: 杭州电子科技大学
IPC: C10G3/00
CPC classification number: Y02P30/20
Abstract: 本发明公开了一种基于高压脉冲装置通过油水混合方式裂解植物油方法。传统的方式主要是直接让油在脉冲电解装置被裂解,但是这样并不能让油分子得到充分的裂解,从而无法达到大大提高油的燃烧效率的目的。本发明方法是通过混合搅拌装置,让油跟水充分混合,水分子与油分子混合增加了油分子的电离作用面积,油链更易断裂,水的导电性也会促进脉冲电场对碳链的裂解作用。油链不断的裂解,最后再将裂解得到的燃烧效率高的小分子油分离出来。本发明采用油水混合方式,大大提高了植物油分子的裂解程度,从而提高了油的燃烧效率,使油燃烧的更加充分。
-
公开(公告)号:CN110175268B
公开(公告)日:2020-01-17
申请号:CN201910315880.4
申请日:2019-04-19
Applicant: 杭州电子科技大学
IPC: G06F16/901 , G06F16/9032
Abstract: 本发明公开了一种最长匹配资源映射方法。本发明主要为了解决从文本中检测知识库和知识图谱中的资源时,难以检测复合语义资源的问题。本发明采用的技术方案是,为待检测的语句解析为词语流,为每一个词语寻找与其相关的语义资源,然后寻找尽可能多的与原始句子中词语相关的语义资源作为资源映射的结果。同时,为了提升分类的效率,本发明在语句被进行资源映射处理之前对文本做了一定的预处理,提高了检索效率。本发明针对复合语义资源在短语检测和资源映射阶段难以得到合理映射的问题,提出针对邻域中的多个词语的组合资源映射方案,提高了多个词语映射到一个复合语义资源的问题。同时,通过一定的索引优化,提高了查询效率。
-
公开(公告)号:CN110096587A
公开(公告)日:2019-08-06
申请号:CN201910026957.6
申请日:2019-01-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了基于注意力机制的LSTM-CNN词嵌入的细粒度情感分类模型。本发明用一般的LSTM提取到的特征与指定角度的相关性不大导致情感分类准确率降低的问题。本发明采用的技术方案是,将CNN与LSTM进行结合,同时利用CNN识别局部特征的能力和LSTM利用文本序列的能力,用LSTM获取句子表示,将LSTM的输出馈送给CNN作为输入。通过CNN的卷积池化操作对LSTM提取到的特征进行选择,再引入注意力机制去重点关注句中与指定方面关联程度较高的信息,最后得到句子的预测极性。同时,为了提升分类的效率,本发明在模型中输入了指定角度的词嵌入向量,提高了分类准确率。
-
公开(公告)号:CN110162625A
公开(公告)日:2019-08-23
申请号:CN201910315886.1
申请日:2019-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于句内词对关系和上下文用户特征的反讽检测方法。本发明用自注意力机制(也称内部注意力机制)去分析文本中情感极性矛盾的词对。通过学习并融合用户的书写风格特征和性格特征得到用户嵌入(user embeddings),作为反讽检测的上下文信息。同时结合LSTM网络编码文本的序列信息。这种方法能够更好的检测反讽表达,在反讽表达明显或者隐晦的情况下都可以取得不错的准确率。其中具体发明的基于句内词对关系和上下文用户特征的反讽检测模型。本发明为反讽检测提供判别依据,有利于判别没有明显矛盾词对的反讽文本。从这两个角度提高了反讽检测的准确率。
-
-
-