-
公开(公告)号：CN112785029A
公开(公告)日：2021-05-11
申请号：CN202011221935.4
申请日：2020-11-05
Applicant: 江苏方天电力技术有限公司 , 东南大学
Abstract: 本发明公开了一种基于深度聚类模型的充电站用电量预测方法，包括：充电站数据的增强及预处理；基于深度聚类模型的特征映射，充电站所属簇的确定；基于最近邻算法的充电站电量预测。本发明方法使用深度神经网络同时学习充电站数据的特征表示和簇的分配，通过将数据映射到隐层特征空间，迭代地优化聚类目标和重构损失，减少了误差传播的可能性；进一步使用最近邻算法对充电站用电量进行预测。本方法相比于以往的充电站用电预测方法，能够挖掘到数据的隐含特征，缩小搜索空间，具有更高的预测精度。
-
公开(公告)号：CN111125520A
公开(公告)日：2020-05-08
申请号：CN201911270225.8
申请日：2019-12-11
Applicant: 东南大学
IPC: G06F16/9535 , G06F40/295
Abstract: 本发明公开了一种面向新闻文本的基于深度聚类模型的事件线抽取方法，包括：新闻文本预处理；文本的初始隐事件表示预训练；按照发布时间对语料中新闻文本进行分组；基于深度聚类模型确定各组中每条新闻所属的事件线；对各组中事件线编号相同的事件元素进行后处理，得到事件的结构化展示；对各组抽取出的具有相同事件线编号的事件进行后处理得到事件线。本发明采用神经网络模型自动抽取文本中隐含的事件特征，避免了手动选取和构建特征，并且抽取得到的文本的隐含事件特征能够为下游应用提供支持；能够同时进行事件特征抽取和事件线提取，减少了误差传播的可能性。相比于以往的事件线抽取方法，本发明具有更高的抽取准确率与召回率。
-
-
公开(公告)号：CN114969087B
公开(公告)日：2025-03-28
申请号：CN202210405166.6
申请日：2022-04-18
Applicant: 江苏方天电力技术有限公司 , 东南大学
IPC: G06F16/242 , G06F16/2458 , G06F8/30
Abstract: 本发明公开了一种基于多视角特征解耦的NL2SQL方法及装置，所述方法具体包括以下步骤：(1)NL2SQL知识库构建步骤；(2)NL2SQL数据集构建步骤；(3)NL2SQL模型构建步骤，用于分别构建SQL查询语句SELECT部分、WHERE部分以及SQL整体的语义编码模型；为了有效捕捉SELECT以及WHERE各个部分的语义特征，构建多视角特征解耦的方法；(4)NL2SQL模型训练步骤，用于构建损失函数，构建优化函数。本发明的方法真实的NL2SQL数据集上取得了显著效果，在自动问答系统领域有很大的应用前景。
-
公开(公告)号：CN113837384B
公开(公告)日：2025-01-21
申请号：CN202110955878.0
申请日：2021-08-19
Applicant: 东南大学
IPC: G06N5/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于深度交互推理模型的事实检测方法，包括：使用BERT模型对证据和陈述分别进行编码；通过多头映射机制抽取证据的语义信息，并将其保存到记忆池中；计算陈述与每条证据之间的语义关系；基于注意力机制获取证据集合的整体表示，并计算陈述和证据整体表示之间的推理关系；将推理结构升级为多层结构，对推理关系进行迭代式地更新；利用更新后的证据表示对陈述的真实性进行判断。本发明方法中的多头映射机制能够从不同角度抽取证据的语义信息；记忆池结构赋予模型处理“多跳”问题的能力；多层推理结构能够深层次挖掘证据和陈述之间的推理关系。相比于其他方法，本发明方法在UKP‑Snopes数据集上具有更好的预测效果。
-
Patent Agency Ranking
公开(公告)号：CN114819354B
公开(公告)日：2024-08-23
申请号：CN202210464493.9
申请日：2022-04-29
Applicant: 江苏方天电力技术有限公司 , 东南大学
IPC: G06Q10/04 , G06Q50/06 , G06N3/0442 , G06N3/047 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于残差记忆网络的凝汽器真空度预测方法，包括：采集凝汽器相关的原始数据，对每一组原始数据划分成历史数据序列、被预测节点工况数据和被预测节点凝汽器真空度数据；利用长短时记忆网络将历史数据编码存入端到端残差记忆网络的记忆池中，将被预测节点工况数据编码作为端到端残差记忆网络的输入，将被预测节点凝汽器真空度数据作为端到端残差记忆网络的目标输出，训练端到端残差记忆网络，直至MSE损失函数收敛，完成对端到端残差记忆网络的训练；实时采集凝汽器相关的原始数据，输入训练好的端到端残差记忆网络中，预测出凝汽器真空度。本发明方法能够捕获历史数据中隐含的周期性特征、时序特征，具有更高的预测精度和稳定性。
-
公开(公告)号：CN112765316B
公开(公告)日：2024-08-02
申请号：CN202110069525.0
申请日：2021-01-19
Applicant: 东南大学
IPC: G06F16/33 , G06F16/58 , G06F40/289 , G06F40/30 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06T3/4053
Abstract: 本发明公开了一种引入胶囊网络的文本生成图像方法及装置，包括训练阶段和测试阶段，训练阶段通过文本信息，类标签和真实图像来训练一个引入胶囊网络的图像生成模型，包括多阶段的图像生成器和对生成图像评分的图像判别器，测试阶段输入文本及其类标签，利用图像生成器生成对应的图片，在文本生成图像的过程中引入了胶囊网络，同时学习自然语言文本和对应类标签中的实体信息，加强生成图像和文本的相关性。本发明的有益效果为：通过胶囊网络加强了对实体信息的学习，通过在较低维度的隐空间对文本信息和类信息进行融合，降低了训练的参数量，加强了文本和类信息的交互，在训练过程中通过多阶段的生成过程，降低了直接生成高分辨率图像的训练难度。
-
公开(公告)号：CN116775860A
公开(公告)日：2023-09-19
申请号：CN202310784057.4
申请日：2023-06-29
Applicant: 东南大学
IPC: G06F16/34 , G06N3/0475 , G06N3/094 , G06N3/088 , G06N3/0442 , G06N3/042 , G06N5/04
Abstract: 本发明公开了一种基于对抗性框架的无监督意见摘要生成方法及系统，首先构建数据集，在数据库中选取待测数据，对数据进行预处理，划分用于验证和测试的数据，构建无监督意见摘要数据集；再构建M2A模型，选择两个生成摘要模型分别作为摘要生成器体现M2A的模型无关性，基于自然语言推理的方法构建模型的摘要判别器；然后先训练摘要判别器，再整体训练M2A模型，构建损失函数，构建优化器；最后通过评价指标对M2A模型进行评价。本发明在生成意见摘要的类别准确性和情感准确性上效果显著提升，摘要生成的工作效率大大提高。
-
公开(公告)号：CN113051891B
公开(公告)日：2022-11-18
申请号：CN202110040698.X
申请日：2021-01-13
Applicant: 东南大学
IPC: G06F40/216 , G06F40/211 , G06F40/295 , G06F16/33 , G06F16/35
Abstract: 本发明公开了一种面向机场应急预案文本的实体与关系联合抽取方法，实现对机场应急预案文本的实体识别与实体关系抽取，主要包括以下步骤：机场应急预案文本过滤筛选；使用特征编码器编码机场应急预案文本句子，获得句子中单词的特征向量表示；基于句子中单词特征向量识别句子中主体实体；构建主体实体与句子中单词的注意力权重，拼接单词加权特征向量并与原始特征向量；依据拼接后的单词特征向量识别句子在每一关系类型下的客体实体，组建关系三元组，本发明实现机场应急预案文本的实体识别与实体关系抽取，考虑主体实体与句子中单词的关联，计算实体‑单词注意力权重，关注句子中与主体实体更相关的单词，进而提高实体关系抽取的准确率。
-
公开(公告)号：CN113780012A
公开(公告)日：2021-12-10
申请号：CN202111165245.6
申请日：2021-09-30
Applicant: 东南大学
Abstract: 本发明公开了基于预训练语言模型的抑郁症访谈对话生成方法，包括通过固定问题采集用户的基本信息；按策略抽取预设问题库中的部分问题，构建向用户提问的主问题流；对用户回复进行情绪极性分类，并选取相应回复句作为对用户情绪的响应；使用微调后的预训练语言模型GPT‑2，根据当前问题和用户回复，生成与用户回复相关的后续问题。本发明的系统主要包括：语音识别与合成模块、预设问题库、主问题流构建模块、情绪分类与响应模块和后续问题生成模块。本发明相较于之前完全使用固定模板的对话生成方法，微调后的预训练语言模型能生成更灵活的后续问题，可以进行更有效的抑郁诊断访谈，因而具有更好的效果。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.018 seconds)
