-
公开(公告)号：CN116204632A
公开(公告)日：2023-06-02
申请号：CN202211522057.9
申请日：2022-11-30
Applicant: 吉林大学
IPC: G06F16/35 , G06F18/214
Abstract: 本申请公开了一种文本分类模型的训练方法、装置、存储介质和电子设备，涉及自然语言学习技术领域。文本分类模型的训练方法包括：获取至少一个标签和至少一个第一未标注文本；根据至少一个所述标签和至少一个所述第一未标注文本，从数据库中获取与每个所述标签对应的目标文本集；根据每个所述标签以及所述标签对应的目标文本集训练所述文本分类模型，直至所述文本分类模型收敛。本申请可以不再依赖标签的质量，且保证文本分类模型的训练效果，乃至训练完成后的文本分类模型的分类效果。
-
公开(公告)号：CN116050513A
公开(公告)日：2023-05-02
申请号：CN202310073214.0
申请日：2023-01-19
Applicant: 吉林大学
IPC: G06N3/10
Abstract: 本申请提供确定节点表示的方法、装置及电子设备。研究有符号网络，其目的是学习有符号网络中的节点表示。在有符号网络中，正链接子网络的节点间更强调相似性，而负链接子网络的节点间更强调差异性。因此，将有符号网络划分为正链接子网络和负链接子网络。由于低频信息和高频信息保持节点间的相似性和差异性；进而为正链接子网络和负链接子网络设计低频图信号滤波器和高频图信号滤波器，分别对应提取正链接子网络和负链接子网络的低频信息和高频信息，以确定节点表示；以对两个节点间的链接关系进行预测。该方案中利用低频信息和高频信息来描述有符号网络中的节点表示，能充分地对有符号网络进行建模。
-
公开(公告)号：CN114998277A
公开(公告)日：2022-09-02
申请号：CN202210679169.9
申请日：2022-06-16
Applicant: 吉林大学
Abstract: 本申请公开了一种抓取点识别方法、装置、电子设备及计算机存储介质。其中，上述方法包括：获取目标状态下的目标物体对应的目标真实图像；提取目标真实图像对应的目标真实领域特征以及目标合成领域特征；将目标真实领域特征和目标合成领域特征按照目标权重比例进行融合，得到目标物体对应的目标跨域特征；基于目标跨域特征确定目标物体对应的抓取点。本方案通过将真实领域特征和合成领域特征进行跨域特征融合，增强抓取点识别过程的跨域表达能力，并基于跨域特征确定物体的抓取点，实现即使是面对例如变形空间更大、抓取困难度更高的衣物等结构复杂的物体，也能够识别到精准的抓取点，提升抓取点识别的鲁棒性以及识别精度。
-
公开(公告)号：CN113392952A
公开(公告)日：2021-09-14
申请号：CN202110564559.7
申请日：2021-05-24
Applicant: 吉林大学
Abstract: 本申请实施例公开了一种动态优势函数的建模方法，涉及深度强化学习领域。方法包括：针对静态优势函数的演员‑评论家模型中包括的静态优势函数添加权重因子，得到第一动态优势函数；基于长短期记忆网络模型对所述演员‑评论家模型中包括的原始策略网络进行动作延迟跟随和重构，得到第二动态优势函数；基于所述第一动态优势函数和所述第二动态优势函数构成所述动态优势函数。采用本申请实施例，可以解决现有的基于静态优势函数的演员‑评论家模型需要大量样本数据支撑训练，以及针对智能体的训练初期效果不理想、模型学习效率低、鲁棒性差的问题。
-
公开(公告)号：CN112861546A
公开(公告)日：2021-05-28
申请号：CN202110210490.8
申请日：2021-02-25
Applicant: 吉林大学
Abstract: 本申请实施例公开了一种获取文本语义相似值的方法，所述方法包括：将至少两个待检测文本及所述至少两个待检测文本之间的相似参数输入到来自变压器的双向编码器表示BERT模型中；基于所述至少两个待检测文本生成查询向量和键值向量对；基于所述查询向量、所述键值向量对和所述相似参数生成点积数据；将所述点积数据经过相似性处理后得到所述至少两个待检测文本之间的相似值。本申请可以在获取至少两个待检测文本之间的相似值时，在不增加训练时长和内存损耗的前提下提高模型效果。
-
Patent Agency Ranking
公开(公告)号：CN112560490A
公开(公告)日：2021-03-26
申请号：CN202011423929.7
申请日：2020-12-08
Applicant: 吉林大学
IPC: G06F40/295 , G06F40/211 , G06N3/04
Abstract: 本申请公开了一种知识图谱关系抽取方法、装置、电子设备及存储介质，其中，该方法包括：通过获取至少一个句子集合；其中，句子集合包括多个相同实体的句子；将至少一个句子集合输入句子层次化模型输出至少一个句子集合中每个句子的最终表示；基于至少一个句子集合中每个句子的最终表示与动态注意力机制结合，获得至少一个句子集合的关系分类策略。由此，本申请通过将句子层次化模型得到的每个句子的最终表示与动态注意力机制结合得到句子集合的关系分类策略，来调整句子集合在不同关系层次的表示，不仅避免了现有技术中需要训练大量的关系分类器，还解决了远程监督带来噪声问题和长尾关系问题。
-
公开(公告)号：CN111881683A
公开(公告)日：2020-11-03
申请号：CN202010596226.8
申请日：2020-06-28
Applicant: 吉林大学
IPC: G06F40/295 , G06F40/30
Abstract: 本申请提供了一种关系三元组的生成方法、装置、存储介质和电子设备，其中，方法包括：获取输入文本对应的表示编码；从所述表示编码中识别出候选主体；判断所述表示编码中是否存在与所述候选主体具有目标语义关系的客体；若存在，根据所述候选主体、所述目标语义关系及所述客体，生成关系三元组。采用本申请实施例的方案，可全面准确地识别出输入文本中的关系三元组。
-
公开(公告)号：CN119761446A
公开(公告)日：2025-04-04
申请号：CN202410879493.4
申请日：2024-07-02
Applicant: 吉林大学
IPC: G06N3/084 , G06N3/042 , G06N3/0464
Abstract: 本申请公开了一种基于灵活扩散卷积的图神经网络训练方法及相关设备，该方法包括：获取包含节点标签的训练图数据；根据所述训练图数据的节点度信息确定每个节点的局部结构特征；利用扩散核函数处理所述局部结构特征得到每个节点的平滑特征；将所述平滑特征输入多层感知器得到每个节点的初步标签值，通过标签平滑处理所述初步标签值后得到每个节点的预测标签值；基于所述预测标签值和所述节点标签更新所述扩散核函数和所述多层感知器的参数，直至收敛或达到预定的训练轮数。本申请能够优化图神经网络模型的预测性能，提高鲁棒性和泛化性，提高对推荐系统等复杂图数据的标签预测准确率。
-
公开(公告)号：CN118780318A
公开(公告)日：2024-10-15
申请号：CN202410921639.7
申请日：2024-07-10
Applicant: 吉林大学
IPC: G06N3/042 , G06F18/213 , G06N3/047 , G06N3/08 , G06F18/241
Abstract: 本申请提供了一种图神经网络训练方法、标签生成方法、装置、设备及介质，该方法应用于图数据技术领域，该方法包括：获取训练图数据中第i个节点数据的目标邻域结构与所述第i个节点数据的样本标签；基于所述目标邻域结构中的邻居节点数据的原始节点特征，对所述第i个节点数据的原始节点特征进行特征聚合，得到所述第i个节点数据的平滑特征；将所述第i个节点数据的平滑特征输入至待训练的图神经网络，输出所述第i个节点数据的目标预测标签；基于所述第i个节点数据的目标预测标签和所述样本标签之间的差异，对所述待训练的图神经网络进行迭代训练，得到训练后的图神经网络。该方法能够适用对不同图结构中节点的标签进行预测。
-
公开(公告)号：CN118116477A
公开(公告)日：2024-05-31
申请号：CN202410107186.4
申请日：2024-01-25
Applicant: 吉林大学
Abstract: 本申请公开了一种细胞聚类方法、存储介质及电子设备，方法包括：获取各细胞的染色质可及性测序数据的第一原始矩阵数据；将所述第一原始矩阵数据输入至目标细胞数据降维模型，基于所述目标细胞数据降维模型的输出结果得到对所述第一原始矩阵数据降维后的第一目标矩阵数据，其中，所述第一目标矩阵数据是所述目标细胞数据降维模型基于所述第一原始矩阵数据得到代表各细胞之间拓扑结构的第一学习矩阵数据和第一锚矩阵数据，并使用所述第一学习矩阵数据更新所述第一锚矩阵数据所得到的矩阵数据；基于所述第一目标矩阵数据确定各细胞的聚类结果。提高了细胞聚类的准确性。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.024 seconds)
