-
公开(公告)号：CN116992870B
公开(公告)日：2023-12-19
申请号：CN202311242919.7
申请日：2023-09-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06F40/279 , G06F16/28 , G06F17/16 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于非对称核函数的文本信息实体关系抽取方法及系统，涉及实体关系抽取技术领域，包括：获取目标文本的句子向量、实体掩码和关系掩码；所述关系掩码中包括实体词的掩码、处于实体词窗口内的周围词的动态掩码和处于实体词窗口外的边缘词的掩码；对句子向量进行特征编码；根据得到的特征向量和实体掩码得到实体向量，根据特征向量和关系掩码得到关系向量，将实体向量和关系向量作为参数以构建非对称核函数；根据非对称核函数确定目标实体对与每个关系的关联度，由此确定目标实体对在目标文本中的关系。实现对关系语义的聚焦，
-
公开(公告)号：CN117190078A
公开(公告)日：2023-12-08
申请号：CN202311450870.4
申请日：2023-11-03
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: F17D5/00 , F17D5/02 , F17D1/02 , G06F18/2433 , G06F18/25 , G06F123/02
Abstract: 本发明公开了一种输氢管网监测数据异常检测方法及系统，涉及氢能源和数据处理技术领域，该方法包括：获取当前设定时间步长的输氢管网监测数据，提取时间变量序列数据和动态变量序列数据；将提取的数据输入至时序预测模型中，通过时间特征嵌入层和动态特征嵌入层，提取时间特征嵌入和动态特征嵌入，并通过时序编码器和动态编码器分别进行编码，将编码后的特征嵌入输入至转码器中进行融合，输出融合后的变量矩阵；最后动态特征嵌入、编码后的时间特征嵌入和变量矩阵均输入至解码器进行解码，输出预测值；将预测值和实际观测值的差值与设定阈值进行比较，实际观测值是否为异常数据。本发明实现了非平稳的输氢管网监测数据的准确异常检测。
-
公开(公告)号：CN116935221A
公开(公告)日：2023-10-24
申请号：CN202310901025.8
申请日：2023-07-21
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学(山东省科学院)
IPC: G06V20/10 , G06V20/70 , G06V10/25 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/02 , G16Y10/05
Abstract: 一种基于物联网的植保无人机杂草深度学习检测方法，涉及图像识别技术领域，植保无人机对农田进行数据采集，进行挑选制作农作物与杂草数据集，利用农作物与杂草数据集进行分析标注并转换标注格式，图像预处理，特征提取网络模型搭建，特征融合网络模型搭建，图像训练及测试验证，对训练结果进行封装，构建物联网系统。解决了杂草识别准确率低的问题，具有鲁棒性高，泛化能力强，准确度高的特点。
-
公开(公告)号：CN112817561B
公开(公告)日：2023-08-18
申请号：CN202110142430.7
申请日：2021-02-02
Applicant: 山东省计算中心(国家超级计算济南中心)
IPC: G06F8/10 , G06F40/211 , G06F40/30 , G06F40/289 , G06F40/253 , G06F16/35 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了软件需求文档的事务类功能点结构化抽取方法及系统，包括：获取目标软件需求文档；对目标软件需求文档进行预处理，得到需求语句数据；将需求语句数据，输入到预先训练过的功能点触发词识别模型中，输出识别的功能点触发词及类别；将需求语句数据和所得到的功能点触发词，输入到预先训练过的功能点论元识别模型中，输出功能点论元及其类别；将所得到的功能点触发词和功能点论元组合，得到功能点短语；将功能点短语输入到预先训练过的语言模型中，得到各功能点短语的输出概率值，从而根据输出概率值筛选出目标软件需求文档的功能点短语。
-
公开(公告)号：CN116110081B
公开(公告)日：2023-06-30
申请号：CN202310382275.5
申请日：2023-04-12
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
Abstract: 本发明涉及作业安全监测的技术领域，具体涉及基于深度学习的安全帽佩戴的检测方法及系统。本发明将图像采集，挑选，标注，预处理后进行模型训练与封装，控制中心部署封装好的模型。控制中心接收监控探头和无人机云台相机监控图像，调用头部区域检测算法，计算头部检测框像素总和。对低于100像素的区域提取中心坐标，使用噪声覆盖后。将监控图像送入安全帽佩戴检测模型检测。对提取出的所有中心坐标计算中心点，此中心点作为摄像头锁定跟踪算法的输入，调节摄像头方向并调整镜头放大倍数。再次获取图像进行检测。若检测到未佩戴安全帽则示警。本方案对工地未佩戴安全帽和有易坠落风险的行为进行分析识别，并及时示警，降低工地安全风险。
-
Patent Agency Ranking
公开(公告)号：CN116307022A
公开(公告)日：2023-06-23
申请号：CN202211244827.8
申请日：2022-10-12
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学 , 山东山科数字经济研究院有限公司
IPC: G06Q10/04 , G06Q50/00 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08 , G06F16/901
Abstract: 本发明公开了一种针对于舆情热点信息预测的方法及系统，应用于网络信息安全领域。该系统合理应用深度学习方法将热点信息的转发过程进行建模，充分考虑了结构和时间信息，实现了端到端的预测。所述系统包括：将热点信息的转发过程转化为图结构；级联注意卷积网络（CAC）提取转发图信息；Dynamic Routing‑AT聚合CAC提取的信息；门控循环单元（GRU）处理时间信息；最后使用多层感知器（MLP）进行预测；模型测试。本发明为该领域提供了全新的针对社交平台复杂数据预测的系统CAC‑G，并且还提出了一种全新的转发图处理方法和聚合方式，解决了该领域对嘈杂的社交媒体数据利用率低，预测效率低等问题，满足了舆情热点信息的动态捕捉和快速精准预测的需求。
-
公开(公告)号：CN116092040A
公开(公告)日：2023-05-09
申请号：CN202310382096.1
申请日：2023-04-12
Applicant: 齐鲁工业大学(山东省科学院) , 山东省计算中心(国家超级计算济南中心)
IPC: G06V20/56 , G06V10/82 , G06T7/00 , G06N3/084 , G06N3/0455
Abstract: 本发明涉及自动驾驶领域，具体涉及一种车道线预测和车道线缺陷检测方法，包括如下步骤：调节车载摄像头的角度获取各种情况下的真实的道路车道线正视图，对图片中的车道线进行准确的标注，构成训练数据集，并对训练数据集进行数据增强；模型搭建，在编码器中设计MBMA注意力模块，获得车道线特征信息特征图；利用步骤1中处理后的数据对步骤2中搭建好的模型进行训练；模型训练完成后，测试模型，取超过设定阈值的模型进行封装部署，将部署好的模型用于车道线预测和缺陷检测。本方案实现了对现有场景中车道线模糊、严重退化的精准预测；在预测车道线的同时，对车道线进行缺陷检测。
-
公开(公告)号：CN115935944A
公开(公告)日：2023-04-07
申请号：CN202211002609.3
申请日：2022-08-19
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F40/205 , G06F40/226 , G06F40/186 , G06F16/903 , G06F16/958
Abstract: 本发明公开一种跨平台的标准文件树形结构生成方法与展示控件。其步骤是：获取输入数据数组；遍历输入数据数组，根据每一条数据标题层级生成树形数据；将树形数据输入到控件预设数据接收接口；触发界面渲染，将所述树形数据根据层级从根节点开始，依次遍历所有子节点数据展示到页面上。本发明提供的树形控件至少应包含一个节点，渲染过程中采用懒加载机制，不必一次性将所有节点渲染完，等到监听到点击事件时才进行剩余部分的渲染。这样保证了不会因为一次渲染太多节点而导致页面阻塞。本发明适用标准文件数字化领域，用以解决标准文件关键信息提取效率低下、内容阅读体验差的缺点，具有提取准确度高、结构化清晰、渲染性能高的优点。
-
公开(公告)号：CN115424282A
公开(公告)日：2022-12-02
申请号：CN202211188303.1
申请日：2022-09-28
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06V30/413 , G06V30/18 , G06V10/82 , G06N3/08 , G06N3/04
Abstract: 本发明提供了一种非结构化文本（包括所有格式的办公文档、文本、图片、各种报表和图像等）表格识别方法，涉及文本识别领域，该方法包括：采集数据集，首先把非结构化文本转化为图像类集合，然后对集合进行图像预处理，把图像集合作为数据集导入模型，对图像数据集的信息进行分析，检测出表格区域，把图像转换成序列，进行表格结构序列预测，检测出表格行结构，进行表格行识别，表格行单元格识别后，识别结果经过后处理，融合表格行结构和单元格文本内容，最终通过文本框和单元格内容进行匹配得到Excel形式的表格识别数据。该方法通过特征学习训练了模型，实现了非结构化文本数据信息的智能提取，有利于非结构化文本数据的进一步分析和实际应用，极大地节省了人力成本提高了工作效率，在一定程度上提高了表格检测速度和准确率，使用本发明所述的方法和系统，可以通过转化进行非结构化文本内容的分析和信息的识别提取，使得非结构化文本在各行各业中具有更好的实用价值和应用。
-
公开(公告)号：CN115392214A
公开(公告)日：2022-11-25
申请号：CN202211035627.1
申请日：2022-08-26
Applicant: 山东省计算中心(国家超级计算济南中心) , 齐鲁工业大学
IPC: G06F40/205 , G06F40/268 , G06F40/295 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于文本生成的数据增强方法、系统及存储介质，该方法以原始文本数据集为基础，通过自然语言处理技术实现文本生成，得到增强数据集。包括：获取某文本数据集,将文本合集中的文本内容作为文本数据增强的原始数据上传至临时存储区中;获取临时存储区中的文本内容，进行原始文本数据进行数据预处理和分句、分词和词性标注；对分词后的原始语句进行关键词抽取、命名实体识别，根据分词识别结果完成原始语句的分词状态标注；将带有分词状态标注的原始分词语句输入到文本生成模型生成目标增强语句；将原始语句集和目标增强语句集进行汇总，得到增强数据集。本发明有效地缓解了自然语言处理任务中数据量少、有效数据稀疏性等问题。
-
-
-
-
-
-
-
-
-
Search Results
109
records
(took 0.075 seconds)
