-
公开(公告)号：CN117473956A
公开(公告)日：2024-01-30
申请号：CN202311642496.8
申请日：2023-12-04
Applicant: 华侨大学
IPC: G06F40/126 , G06N3/084
Abstract: 本发明提供了一种基于Transformer的无触发词事件检测方法、装置、设备及介质，首先，将一段文本输入到T‑WTED（Transformer based Without Trigger Event Detection）模型的Transformer编码器模块进行特征学习，获得文本字级别特征。进而以句子为基本对象，利用最大池化运算获得文本所有句子的向量表示序列。随后，将句子向量序列送入BiGRU（Bi‑Gated Recurrent Unit）网络进行句子间上下文信息交互，获得文本隐状态向量。最后，将文本隐状态向量送入多标签分类网络检测出文本中包含的不同事件类型。本方法能适应无触发词事件信息抽取，能不依赖事件触发词开展文本事件检测，在多个领域中均可发挥作用。
-
公开(公告)号：CN117388711A
公开(公告)日：2024-01-12
申请号：CN202311450582.9
申请日：2023-11-02
Applicant: 华侨大学
IPC: G01R31/367 , G01R31/387 , G01R31/392 , G01R31/396
Abstract: 本发明实施例提供一种电池电量和健康度的联合估计方法、装置、设备和介质，涉及电池管理技术领域。其包含S1、获取电池的运行数据。其中，运行数据包括电池的电流、电压和温度。S2、对运行数据进行预处理，获取预处理数据。其中，预处理包括归一化处理和去除异常值处理。S3、根据预处理数据，进行滑动窗口划分处理，获取电量值评估数据。S4、根据预处理数据，进行长度对齐处理，获取健康度评估数据。S5、将电量值评估数据和健康度评估数据输入预先构建的基于多任务学习的储能电池电量与健康度联合估计模型，获取电池的电量和健康度。其中，基于多任务学习的储能电池电量与健康度联合估计模型包含：SOC编码器、SOH编码器和MMoE多任务学习模型。
-
公开(公告)号：CN116610815A
公开(公告)日：2023-08-18
申请号：CN202310617748.5
申请日：2023-05-29
Applicant: 华侨大学
IPC: G06F16/36 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N5/02
Abstract: 本发明提供了一种知识图谱的关系预测方法、装置、设备及存储介质，先通过对待预测问句进行提取生成链接实体集，将所述链接实体集结合知识图谱以生成候选查询图；接着，调用语义匹配网络对所述候选查询图和所述问句进行处理，以生成相似度值；再接着，根据所述相似度值，对所述候选查询图进行排序，以确定最优查询图，最后，根据所述最优查询图生成所述问句中所有实体之间的关系，解决了查询图生产质量不高的问题。
-
公开(公告)号：CN116069919B
公开(公告)日：2023-06-20
申请号：CN202310206985.2
申请日：2023-03-07
Applicant: 华侨大学 , 中国医学科学院阜外医院
IPC: G06F16/332 , G06F16/36 , G06F40/284 , G06F40/30 , G06F40/211 , G06F18/22
Abstract: 本发明实施例提供基于文本和图拓扑相似的问句实体链接方法、装置和介质，涉及知识图谱问答领域。问句实体链接方法包括S1获取问句，并进行实体识别，获取实体提及集合。S2将实体提及集合中的实体提及与知识图谱进行关键词匹配，获取候选实体集。S3根据实体提及集合和候选实体集，进行相似度计算，获取各个候选实体与其对应的实体提及的第一相似度。S4根据第一相似度对各个候选实体进行排序并保留前k个候选实体，获取各个实体提及的候选实体列表。S5获取候选实体列表中的候选实体的向量表示。S6根据向量表示，通过组合相似度模型计算任意两个候选实体列表之间的组合实体向量之间的第二相似度，获取第二相似度最大的组合作链接实体集合。
-
公开(公告)号：CN110807069B
公开(公告)日：2022-06-07
申请号：CN201911011199.7
申请日：2019-10-23
Applicant: 华侨大学
IPC: G06F16/28 , G06F16/36 , G06F40/284
Abstract: 本发明公开了一种基于强化学习算法的实体关系联合抽取模型构建方法，包括：输入文本，采用联合抽取标注策略对原始语料中的每条语句的词语进行实体关系标注；将文本转化为word2vec向量；预训练LSTM联合抽取器；初始化训练器网络并打乱袋子顺序；计算当前语句奖励值；计算总期望奖励值；利用优化函数更新模型参数；如果模型已收敛，对模型进行超参数的调优训练；如果超参数为最优解，生成最终的实体关系联合抽取方案。本发明基于策略梯度优化算法构建强化学习模型，能对复杂的自然语言类型原始语料的语句实体关系联合抽取问题进行有效求解，并能有效提高实体关系抽取的准确率和F1值。
-
Patent Agency Ranking
公开(公告)号：CN110069632B
公开(公告)日：2022-06-07
申请号：CN201910284980.5
申请日：2019-04-10
Applicant: 华侨大学
IPC: G06F16/35 , G06F40/30 , G06F40/289 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种集成浅层语义表示向量的深度学习文本分类方法，方法包括：首先对文本语料训练词嵌入向量，其次利用领域词汇字典作为浅层语义词汇，基于浅层语义词汇，生成文本语料中每一个词的浅层语义向量表达。接下来将两个词向量进行加权拼接作为新的词向量输入到CNN模型中，进行特征提取和模型训练，构建文本分类器。本发明解决基于大数据驱动的词向量表达缺少词法特征和知识表示，难以真正理解词汇语义信息的缺陷，使得模型具有更加丰富的特征表达和更高的分类性能。
-
公开(公告)号：CN110059187B
公开(公告)日：2022-06-07
申请号：CN201910284597.X
申请日：2019-04-10
Applicant: 华侨大学
IPC: G06F16/35 , G06F40/289
Abstract: 本发明公开了一种集成浅层语义预判模态的深度学习文本分类方法，方法包括：首先对文本语料实施常规的CNN深度学习训练，包括词嵌入、卷积、池化和模式输出；其次利用领域词汇字典作为浅层语义词汇，基于浅层语义词汇，计算浅层语义预判模式；接下来将浅层语义预判模态和深度学习决策模态进行双模态融合，作为SDG‑CNN模型最终的决策模式，进而以该决策模式构建损失函数和实施参数优化。本发明解决了传统深度学习模型在模型优化过程中缺乏背景知识和语义信息，信息模态单一的缺陷，提升了深度学习文本分类模型的性能。
-
公开(公告)号：CN107357977B
公开(公告)日：2021-03-09
申请号：CN201710500228.0
申请日：2017-06-27
Applicant: 华侨大学
Abstract: 本发明涉及一种基于二阶盲辨识的线性时不变结构工作模态参数识别方法及对应的时不变的工作模态参数识别的装置、一种结合二阶盲辨识和最小二乘广义逆方法的三维结构的工作模态参数识别方法及对应一种时不变三维圆柱壳工作模态参数识别的实验装置，一种时变的工作模态参数识别的方法和一种基于滑动窗二阶盲辨识的线性时变结构工作模态参数识别装置。该方法和装置仅由实测的响应信号就能对时不变或者带有时变特性的动态系统进行工作模态参数在线实时识别，识别出结构(系统)的工作模态参数(模态振型，模态频率)，能实时有效监测系统的动态变化特性，可用于振动控制、设备故障诊断、健康监测以及系统结构分析与优化。
-
公开(公告)号：CN112380836A
公开(公告)日：2021-02-19
申请号：CN202011261252.1
申请日：2020-11-12
Applicant: 华侨大学
IPC: G06F40/211 , G06F40/186 , G06F16/332 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种智能侨情问句生成方法，包括步骤：S1：通过使用爬虫技术获取侨情相关的问答对，经过人工处理与三元组抽取，生成可用于模型训练的三元组语料集S2：采用基于seq2seq的模板学习算法，通过训练构建模板问句生成模型M，实现基于关系与主题的模板问句生成，再对模板问句进行主题文本替换获得最终的生成问句qr；S3：利用智能侨情问句生成系统的接口，接收服务端所需的参数，模型处理，回传结构化的结果。本发明采用的模板学习算法利用LSTM深度学习模型学习出问句的通用模板，能在语义层面上对问句生成机制进行学习，使生成的问句更具合规性，具有重要的理论意义和实践价值。
-
公开(公告)号：CN107092738B
公开(公告)日：2020-06-26
申请号：CN201710235713.X
申请日：2017-04-12
Applicant: 华侨大学
Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置；一种载荷未知条件下多点振动响应频域预测的实验数据生成方法；以及利用该实验装置和实验数据，在不相关多源未知载荷联合激励下，利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法，根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。直接利用频域响应数据线性关系的多元一次线性回归模型和最小二乘广义逆法不需要已知或辨识系统的传递函数或载荷大小甚至载荷位置。本发明主要针对不相关多源未知载荷联合激励工况环境下，利用已知测点的振动响应对未知结点进行振动响应预测，可以预测一个未知结点和多个未知结点的振动响应情况。
-
-
-
-
-
-
-
-
-
Search Results
78
records
(took 0.022 seconds)
