-
公开(公告)号：CN102234343B
公开(公告)日：2015-08-19
申请号：CN201010150410.6
申请日：2010-04-20
Applicant: 南开大学
IPC: C08F122/14 , C08F222/14 , C08F226/06 , C08F2/48 , C08F2/38 , B01J13/14
Abstract: 本发明涉及一种单分散的表面功能化聚合物微球树脂及其制备方法。所述的聚合物微球为交联度大于30％的凝胶性多烯类单体均聚物或多烯类单体与其它功能性单烯类单体的共聚物微球，其粒径为300纳米至5微米，粒径分散度为1.010～1.082。上述聚合物微球是通过引发-转移-终止剂(Iniferter)引发的沉淀聚合制备的，微球表面带有Iniferter活性基团(含量范围为0.05～0.3mmol/g)，可进一步进行表面修饰。本发明具有条件简单、易于操作、原料价格便宜、表面功能基团含量可控的特点。所得单分散的表面功能化纳米/微米聚合物微球可用于色谱柱的填料、药物缓释、以及催化剂和生物活性分子的载体。
-
公开(公告)号：CN102234343A
公开(公告)日：2011-11-09
申请号：CN201010150410.6
申请日：2010-04-20
Applicant: 南开大学
IPC: C08F122/14 , C08F222/14 , C08F226/06 , C08F2/48 , C08F2/38 , B01J13/14
Abstract: 本发明涉及一种单分散的表面功能化聚合物微球树脂及其制备方法。所述的聚合物微球为交联度大于30％的凝胶性多烯类单体均聚物或多烯类单体与其它功能性单烯类单体的共聚物微球，其粒径为300纳米至5微米，粒径分散度为1.010～1.082。上述聚合物微球是通过引发-转移-终止剂(Iniferter)引发的沉淀聚合制备的，微球表面带有Iniferter活性基团(含量范围为0.05～0.3mmol/g)，可进一步进行表面修饰。本发明具有条件简单、易于操作、原料价格便宜、表面功能基团含量可控的特点。所得单分散的表面功能化纳米/微米聚合物微球可用于色谱柱的填料、药物缓释、以及催化剂和生物活性分子的载体。
-
公开(公告)号：CN101894237A
公开(公告)日：2010-11-24
申请号：CN201010242794.4
申请日：2010-08-03
Applicant: 南开大学
Abstract: 一种应用遗传算法自动生成XSS跨站点脚本漏洞检测参数的方法，该方法设计了一套检测参数集、编码解码策略和攻击参数数据库，使用了遗传算法的交叉、变异、选择操作，以及设计了其模拟攻击操作，并按照跨站点脚本漏洞的参数规则和遗传算法的原理实现其算法。再通过模拟攻击操作的反馈结果和基因编码策略不断生成新的父代与子代，循环执行算法直到达到预期的代数。本发明的这种应用遗传算法自动生成XSS跨站点脚本漏洞检测参数的方法是可信和完备的，它覆盖面广，执行速度块，可用于自动生成跨站点脚本漏洞检测参数领域。
-
公开(公告)号：CN113887836B
公开(公告)日：2024-04-19
申请号：CN202111297889.0
申请日：2021-11-04
Applicant: 南开大学
IPC: G06F18/25 , G06N3/0455 , G06F40/211
Abstract: 本发明属于人工智能技术领域，特别是一种融合事件环境信息的叙事性事件预测方法。包括：首先通过叙事性事件与非结构文本之间的内在关系，获得与叙事性事件直接相关的环境描述；其次，通过多头注意力机制利用事件的语义信息从环境描述中抽取出局部与全局的事件环境特征；再次，通过事件预测模型编码模块将叙事性事件特征与环境特征互相编码得到融合事件环境的事件演化特征；最后，叙事性事件预测解码模块根据演化特征，从候选项中选择出正确的下一叙事性事件，完成事件预测任务。本发明能够解决叙事性事件预测任务中对事件环境信息利用不充分的问题，事件环境信息能够为叙事性事件提供更加完善的上下文信息，提高事件预测模型对事件演化的理解水平。
-
公开(公告)号：CN116186420A
公开(公告)日：2023-05-30
申请号：CN202310485640.5
申请日：2023-05-04
Applicant: 南开大学
IPC: G06F16/9535 , G06F40/253 , G06F40/258 , G06F40/284 , G06N3/04 , G06N3/08 , G06F16/35
Abstract: 本发明涉及大数据技术领域，提供一种基于用户偏好的个性化新闻标题生成方法，该方法包括：采集用户浏览记录，抽取所述浏览记录中的实体信息；抽取所述浏览记录中包括用户偏好的文字特征信息；将所述实体信息和所述文字特征信息融合并引入所需生成标题的新闻内容建模，获得生成模型，通过所述生成模型生成原始标题；强化学习所述生成模型，通过强化学习后的生成模型生成个性化标题。该方法能够基于用户偏好使用生成模型来为用户提供个性化的新闻标题，有效地利用了用户的偏好信息，同时平衡了个性化信息与标题，生成的标题更加符合用户的口味，另外也拥有了更高的准确率和流畅度。
-
Patent Agency Ranking
公开(公告)号：CN116108186A
公开(公告)日：2023-05-12
申请号：CN202310390653.4
申请日：2023-04-13
Applicant: 南开大学
IPC: G06F16/35 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/08 , G06V10/44 , G06V10/82 , G06F16/33 , G06F16/58
Abstract: 本发明涉及人工智能技术领域，提供一种多模态方面级情感分析方法。该方法包括：采集数据并对数据进行预处理，生成图片数据和文本数据对应的语法依赖树，并抽取数据的多模态特征；搭建方面词注意模块，并通过方面词注意模块获取与方面词相关的方面词语义信息，生成语义特征；根据多模态特征和语法依赖树构建第一卷积网络，并构建多模态权重关联矩阵，通过多模态权重关联矩阵对第一卷积网络迭代更新；引入语义特征对应的情感值，并使用第一卷积网络对带有情感值的语义特征进行训练，生成面向方面词的情感特征；根据语义特征和情感特征构建第二卷积网络，输入待识别数据并获取识别结果，该方法有效地提高了情感分析的准确度和效率。
-
公开(公告)号：CN110957015B
公开(公告)日：2023-04-28
申请号：CN201911210250.7
申请日：2019-12-02
Applicant: 南开大学
IPC: G16H10/60 , G16H50/70 , G06F18/214 , G06N3/084
Abstract: 本发明提出了一种结合患者特征缺失规律的电子医疗记录数据的缺失值填充方法。本发明方法是构建由两个循环神经网络构成的联合模型，综合利用未缺失医疗数据的数值信息与患者特征的缺失规律，以判断患者生理状态并提取对应的状态特征，从而根据对应时刻患者的生理状态对各个特征缺失的值进行推断，实现合乎客观事实的患者特征缺失值的填充。对于缺失规律是非随机性的电子医疗记录数据，本发明方法的效果显著优于其他未考虑缺失规律的数据填充模型，证明医疗数据中的非随机缺失性质有助于模型判断患者生理状态，并且有益于模型对数据缺失值进行合理地填充。
-
公开(公告)号：CN110827265B
公开(公告)日：2023-04-07
申请号：CN201911079051.7
申请日：2019-11-07
Applicant: 南开大学
IPC: G06T7/00 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0455 , G06N3/094
Abstract: 一种面向图片数据集的基于深度学习的图片异常检测方法。本发明方法是利用正常的图片类别数据作为输入数据，构建基于深度学习的图片异常检测模型，包含两个子模块，一个表示模块用于学习正常类别的图片数据集的特征，一个检测模块用于预测输入图片属于异常图片类别的概率，还使用置信度估计来提高预测准确率，两个模块采用对抗式训练方法，表示模块可以更好的学习到正常类别图片数据集的特征，检测模块则可以给出置信度更高更准确的预测结果。对于异常检测领域的四个常用数据集，本发明的方法克服了异常类别图片种类繁多难以收集的问题，只需要正常类别的图片作为训练数据，同时效果显著优于目前现有的其他面向图片数据集的异常检测方法。
-
公开(公告)号：CN115827898A
公开(公告)日：2023-03-21
申请号：CN202211692521.9
申请日：2022-12-28
Applicant: 南开大学
IPC: G06F16/36 , G06F16/9537 , G06Q50/00
Abstract: 本发明属于数据挖掘技术领域，具体涉及基于位置服务的社交网络时空数据，特别是一种面向用户意图的时空知识图谱构建方法。该方法包括如下步骤：第1步、数据采集并对其进行预处理，进而构建能够直接输入模型的用户、地点、类别、时间槽和地理位置编码的ID；第2步、利用预处理后的数据建立访问序列向量，构建用户出行意图向量；第3步、构建时空知识图谱模型，生成对应的三元组(u,(rseq,rpur),v)，用于记录用户u在移动行为rseq后，根据出行意图目的rpur，进行了位置地点v的访问；第4步、根据给定用户的历史访问序列和出行意图进行位置预测。
-
公开(公告)号：CN112528676B
公开(公告)日：2022-07-08
申请号：CN202011506990.8
申请日：2020-12-18
Applicant: 南开大学
IPC: G06F40/30 , G06F40/211 , G06N3/04
Abstract: 本发明提出了一种文档级别的事件论元抽取方法，本发明公开的方法是以非结构化的文档文本作为输入数据，构建基于深度学习的文档级别事件论元抽取模型，包含两个阶段，一个预训练阶段用于微调训练好的文本表示模型，一个抽取模型的训练和预测阶段用于学习各类事件角色的特征和生成预测结果，在两个阶段中均利用了事件角色的语义信息作为文本特征的扩充，以生成更加准确的事件论元抽取结果。对于普遍使用的文档级别事件论元抽取数据集，本发明的方法效果显著优于目前现有的文档级别事件论元抽取方法，证明事件角色的语义信息有助于从文档中进行事件论元的抽取。
-
-
-
-
-
-
-
-
-
Search Results
63
records
(took 0.023 seconds)
