-
公开(公告)号：CN110516069A
公开(公告)日：2019-11-29
申请号：CN201910799548.X
申请日：2019-08-28
Applicant: 中南大学
Abstract: 本发明公开了一种基于FastText-CRF的引文元数据抽取方法，考虑了引文段对引文元数据的影响，先从引文数据中提取引文段，然后利用FastText模型做一个分类器，对引文段做一个粗分类，最后将粗分类的结果输入到CRF(条件随机场模型)得出最后的分类标签。通过将FastText模型与CRF模型相结合的技术应用于引文元数据抽取，可以改进现有的引文元数据抽取的效果，极大缩短引文元数据抽取时间。
-
公开(公告)号：CN107609026A
公开(公告)日：2018-01-19
申请号：CN201710674724.8
申请日：2017-08-09
Applicant: 中南大学
Abstract: 本发明公开了一种数据密集型应用集成测试方法及系统，该方法通过自动化定制生成数据密集型应用，并验证数据密集型应用是否满足数据密集型特征，以及在验证数据密集型应用满足数据密集型特征后，存储数据密集型应用，解决了现有技术无法自动定制生成并验证数据密集型应用的技术问题，不仅能自动定制生成数据密集型应用，而且能对自动定制生成的数据密集型应用进行验证，以及在验证数据密集型应用具有数据密集型特征后，存储该数据密集型应用，给研究人员提供了稳定、可靠的数据密集型应用测试用例，而且流程自动化更是提高了数据密集型应用生成的效率。
-
公开(公告)号：CN104991443A
公开(公告)日：2015-10-21
申请号：CN201510395449.7
申请日：2015-07-08
Applicant: 中南大学
IPC: G05B13/02
Abstract: 本发明公开了一种基于自适应论域划分的模糊控制方法，包括以下步骤：步骤1：论域划分：以被控量T的变化区间[x，y]作为论域区间；x和y分别是被控量的下限值和上限值；将论域区间划分为多个子区间，对每一个子区间分别定义模糊子集及模糊子集中每一个元素即模糊语言变量的隶属度函数；步骤2：采用模块控制策略并基于步骤1的模糊子集及隶属度函数对被控对象实施控制。该基于自适应论域划分的模糊控制方法易于实施，灵活性好，能有效改善控制效果。
-
公开(公告)号：CN101363086A
公开(公告)日：2009-02-11
申请号：CN200810143071.1
申请日：2008-10-09
Applicant: 中南大学
IPC: C22C9/00
Abstract: 一种无铅易切削黄铜合金，重量组成为：含铜(Cu)56.0～64.0％，铋(Bi)0.5～2.5％，锡(Sn)0.5～1.5％，铝(Al)0.1～0.5％，锆(Zr)0.05～0.2％，铈(Ce)0.05～0.5％；符合上述特征的铜合金中Ce可以用Ce含量不少于50％的混合稀土来代替，其重量比为0.1～0.5％。上述无铅黄铜合金既可采用铸造方法制备所需材料和(或)部件，也可以采用铸造后经挤压、轧制、锻造、拉伸等压力加工制备所需材料和(或)部件，具有450MPa以上的极限拉伸强度，切削性能与铅黄铜接近，可实现双相铅黄铜的直接代换。
-
公开(公告)号：CN119669468B
公开(公告)日：2025-05-09
申请号：CN202510192684.8
申请日：2025-02-21
Applicant: 中南大学
IPC: G06F16/35 , G06F40/295 , G16H50/80 , G06N3/042 , G06N3/0442 , G06N5/025 , G06F16/36
Abstract: 本发明涉及公共卫生安全技术领域，具体涉及一种传染病传播路径预测方法、设备及介质，所述方法包括下列步骤：从传染病爆发资料中提取事件的初始四元组，将初始四元组映射为数值，得到数值四元组；将数值四元组按时间划分，得到时序知识图谱；将时序知识图谱中的实体和关系进行初始化嵌入表示；构建关系图注意力网络，学习时序知识图谱中的结构信息，得到实体嵌入和关系嵌入；调用门控循环单元，提取时序知识图谱的时序信息；采用解码器将结构信息与时序信息结合，并生成预测结果，基于预测结果实现传染病传播路径预测。本发明方法采用时序知识图谱实现对传染病传播路径的预测，相比于传统的公共卫生预防方法具有更强的动态性与多维关联分析能力。
-
Patent Agency Ranking
公开(公告)号：CN118916714B
公开(公告)日：2024-12-10
申请号：CN202411396576.4
申请日：2024-10-09
Applicant: 中南大学
IPC: G06F18/22 , G06F40/253 , G06F40/284 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明涉及代码相似性检测技术领域，具体涉及一种基于图神经网络的代码相似性检测方法、设备及介质，所述方法包括如下步骤：调用控制流图转换模块，将待检测代码转换为控制流图，对所述控制流图进行拓扑结构编码，得到节点特征向量；构建图编辑距离计算模型；采用模型损失函数对图编辑距离计算模型进行训练，调用训练后的图编辑距离计算模型同时预测两个控制流图之间的图编辑距离和节点匹配置信度矩阵，其中图编辑距离作为代码相似性的量化指标，节点匹配置信度矩阵可生成图编辑路径。本发明采用控制流图捕获代码的逻辑和语义，利用基于图神经网络的深度学习模型来对控制流图进行分析，进而达到检测代码相似性的目的。
-
公开(公告)号：CN118916714A
公开(公告)日：2024-11-08
申请号：CN202411396576.4
申请日：2024-10-09
Applicant: 中南大学
IPC: G06F18/22 , G06F40/253 , G06F40/284 , G06N3/042 , G06N3/045 , G06N3/08
Abstract: 本发明涉及代码相似性检测技术领域，具体涉及一种基于图神经网络的代码相似性检测方法、设备及介质，所述方法包括如下步骤：调用控制流图转换模块，将待检测代码转换为控制流图，对所述控制流图进行拓扑结构编码，得到节点特征向量；构建图编辑距离计算模型；采用模型损失函数对图编辑距离计算模型进行训练，调用训练后的图编辑距离计算模型同时预测两个控制流图之间的图编辑距离和节点匹配置信度矩阵，其中图编辑距离作为代码相似性的量化指标，节点匹配置信度矩阵可生成图编辑路径。本发明采用控制流图捕获代码的逻辑和语义，利用基于图神经网络的深度学习模型来对控制流图进行分析，进而达到检测代码相似性的目的。
-
公开(公告)号：CN116894097B
公开(公告)日：2023-12-22
申请号：CN202311126726.5
申请日：2023-09-04
Applicant: 中南大学
IPC: G06F16/36 , G06N3/0464 , G06N3/048 , G06F16/901 , G06F17/16 , G06F18/23213 , G06F18/2413
Abstract: 本发明提供了一种基于超图建模的知识图谱标签预测方法，具体包括：选取知识图谱；将知识图谱的原有节点集按节点的度排序生成排序节点集；通过KNN算法和K‑Means算法聚类获得超边集合，生成超图；得到超边的特征嵌入矩阵后通过自注意力机制对超边的特征嵌入矩阵进行修正得到修正后的特征嵌入矩阵，获得超边所具有的超图模体以及对应的超图模体出现的频数，生成超边的超图模体嵌入矩阵；基于修正后的特征嵌入矩阵和超边的超图模体嵌入矩阵生成超边嵌入矩阵；基于超边嵌入矩阵计算标签的预测
-
公开(公告)号：CN116894097A
公开(公告)日：2023-10-17
申请号：CN202311126726.5
申请日：2023-09-04
Applicant: 中南大学
IPC: G06F16/36 , G06N3/0464 , G06N3/048 , G06F16/901 , G06F17/16 , G06F18/23213 , G06F18/2413
Abstract: 本发明提供了一种基于超图建模的知识图谱标签预测方法，具体包括：选取知识图谱；将知识图谱的原有节点集按节点的度排序生成排序节点集；通过KNN算法和K‑Means算法聚类获得超边集合，生成超图；得到超边的特征嵌入矩阵后通过自注意力机制对超边的特征嵌入矩阵进行修正得到修正后的特征嵌入矩阵，获得超边所具有的超图模体以及对应的超图模体出现的频数，生成超边的超图模体嵌入矩阵；基于修正后的特征嵌入矩阵和超边的超图模体嵌入矩阵生成超边嵌入矩阵；基于超边嵌入矩阵计算标签的预测概率，准确预测出超边的标签信息。
-
公开(公告)号：CN116860918A
公开(公告)日：2023-10-10
申请号：CN202310858312.5
申请日：2023-07-13
Applicant: 中南大学
IPC: G06F16/33 , G06N3/0464 , G06N3/049 , G06N3/0442 , G06F16/36 , G06F40/295 , G06N5/04
Abstract: 本发明公开一种基于强化学习的学术主题发现方法，步骤包括：步骤S1：构建包括实体、关系、时间的学术主题查询表示；步骤S2：建模推理路径和动作表示；步骤S3：计算查询表示与动作的相关性并筛选动作，进一步基于推理路径的状态对动作打分，结合相关性和打分计算动作被选取的概率；步骤S4：基于概率选择执行动作，更新推理路径，到达答案实体或最大步骤则停止，通过最大化累计奖励期望优化参数，得到学术主题发现模型，实现学术主题发现。优点是，本发明构建融合了实体、关系、时间的查询表示，将实体、关系、时间看作关联的整体，使查询表示具有更完备的语义；另外，本发明结合动作邻域事实构建动作表示，减少对动作认知的片面性。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.026 seconds)
