公开(公告)号：CN117171348A

公开(公告)日：2023-12-05

申请号：CN202210583816.6

申请日：2022-05-26

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  王越 ,  袁世龙 ,  田函静

IPC: G06F16/36 ,  G06F16/332 ,  G06F16/35 ,  G06F16/33

Abstract: 本发明提出了一种基于中文图书知识图谱的问答系统构建方法，用于中文图书知识查询以及图书数据统计，能够便于系统管理员对图书进行管理，并提供核心的问答功能，更快的理解用户的查询意图并提供智能回答。本发明主要分为三个主要环节：中文图书领域知识图谱的构建、图书知识问答模型的设计与训练、图书系统后端的设计与实现。这一方法为中文图书管理领域提供了一个最前沿的基于知识图谱的优化方案，同时也为知识图谱的通用应用提供了可以借鉴的思路。

公开(公告)号：CN115587726A

公开(公告)日：2023-01-10

申请号：CN202110764872.5

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  王昊然 ,  袁为 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06Q10/0631 ,  G06Q10/0639

Abstract: 一种基于案情事实的深度刑期预测方法，其将深度学习的模型使用在司法领域的刑期预测方面，将案情事实处理为特征向量，刑期作为标签。方法主要分为三个步骤，第一个步骤为文本的预处理，将抽取出的案情事实做分词和特征化工程，处理后的序列作为案情的特征表示，然后将刑期划分为5个种类并为每一个案件做好标签。第二个步骤是将处理好的数据集作为输入，用fastText算法训练得到刑期预测模型，最后一个步骤是将测试集按照第一个步骤的方式处理后，使用第二个步骤得到的模型进行刑期预测，然后和实际上的标签进行比对。本发明可以基于案情事实基本准确的预测出刑期的标签，为工作人员提出量刑建议提供了参考。

公开(公告)号：CN115587167A

公开(公告)日：2023-01-10

申请号：CN202110764752.5

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  张威 ,  袁为 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06F16/332 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明是一个能够根据上下文及答案自动化生成问题的方法。该方法通过把整个段落进行编码，捕获整个段落的语义信息；同时使用句子级编码方式结合句子级注意力机制，获得句子间的逻辑关系。该方法克服了传统问题生成模型不能使用完整上下文信息的弊端，充分利用了上下文段落的语义信息和句子间的逻辑关系。经过大量的实验，结果表明该方法能够有效的生成较高质量的问题。本发明的目的在于提供一种高质量的问题生成方法，促进问答技术等领域的发展，加速实现智能化的人机交互，进而促进社会发展和高效率运行。

公开(公告)号：CN115587166A

公开(公告)日：2023-01-10

申请号：CN202110764618.5

申请日：2021-07-06

Applicant: 南京大学

Inventor： 何铁科 ,  郑滔 ,  刘嘉 ,  王越 ,  袁为 ,  邢玉 ,  钱雨波 ,  荣东超

IPC: G06F16/332 ,  G06F16/35 ,  G06N3/04

Abstract: 本发明是一种面向对话系统的线程跟踪方法。本方法运用RNN+Attention+Gate模型完成多轮对话的多标签意图识别，在存储器中保存上下文信息作为记忆，引入Attention机制筛选有用记忆，通过门控制来判定当前语句是否需要引用上下文信息，从而得到线程跟踪结果。本发明目的在于确定多轮对话中的不同线程，帮助用户理解该对话集的主题，从而解决根据上下文信息识别语句的多意图问题。

公开(公告)号：CN112598614A

公开(公告)日：2021-04-02

申请号：CN201910883978.X

申请日：2019-09-17

Applicant: 南京大学

Inventor： 刘嘉 ,  顾琦琪 ,  何铁科 ,  廉昊 ,  陈振宇

IPC: G06T7/00 ,  G06N3/04

Abstract: 本发明提出了一种基于深度神经网络的司法图像质量度量方法，用于帮助司法工作人员对获得的司法图像进行质量度量，量化图像质量，以帮助司法人员在工作时对图片质量进行预估，减少低质量材料的流入，提高工作效率。该发明的主要创新在于(1)使用裁剪技术将图片处理成符合卷积神经网络的输入，避免对图像质量造成进一步损失；(2)使用深度神经网络提取图像深层次特征；(3)利用SVR对图像质量进行量化；(4)使用统计方法得到司法图像的质量分数。

公开(公告)号：CN109840644A

公开(公告)日：2019-06-04

申请号：CN201711200605.5

申请日：2017-11-24

Applicant: 南京大学

Inventor： 陈振宇 ,  何铁科 ,  廉昊 ,  秦泽民 ,  骆斌 ,  李玉莹 ,  张欣

IPC: G06Q10/06 ,  G06Q50/00

Abstract: 互联网已经发展为一个高协作性和高互动性的社交环境，用户作为社交网络中内容的生产者和消费者，影响着网络中的感知信息质量。其中的两个因素，用户反馈和个人信誉对于感知信息质量的衡量尤为重要。本文通过定量的实证研究，探究了声誉和用户反馈对感知信息质量的影响，并使用回归分析的方法，发现了用户反馈和个人信誉中影响感知信息质量的重要因素。