-
公开(公告)号：CN113254663B
公开(公告)日：2022-06-17
申请号：CN202110430124.3
申请日：2021-04-21
Applicant: 浙江工业大学
Abstract: 一种融合图卷积与翻译模型的知识图谱联合表示学习方法，包括以下步骤：1)根据知识图谱构建其相对应的直接邻接矩阵和间接邻接矩阵；2)设计图卷积网络，包括一个输入层、两个隐藏层和一个输出层，优化邻接点节点对中心节点的注意力系数，通过学习直接邻节点和间接邻节点的结构信息得到节点的向量表示；3)采用翻译模型学习关系的语义信息，得到实体和关系的向量表示；4)将图卷积网络和翻译模型相融合，通过不断的迭代学习得到知识图谱的最终向量表示。本发明能够同时学习知识图谱的结构信息和关系语义，提高知识图谱的向量表示精度。
-
公开(公告)号：CN111475607B
公开(公告)日：2022-06-17
申请号：CN202010127323.2
申请日：2020-02-28
Applicant: 浙江工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F40/247 , G06K9/62
Abstract: 一种基于Mashup服务功能特征表示与密度峰值检测的聚类方法，包括以下步骤：第一步、对所有需要特征表示的Mashup服务数据进行预处理；第二步、进行功能名词提取操作；第三步、对每个功能名词的语义权重进行语义关联计算；第四步、结合TF‑IDF算法与Word2Vec模型，进行Mashup语义特征向量的表示；第五步、对于所有参与聚类的Mashup语义特征向量，进行密度信息的计算；第六步、从所有Mashup语义特征向量中，筛选出聚类中心的候选点；第七步、进一步筛选出最为合适的K个初始聚类中心，进行K‑means聚类。本发明能够有效表示Mashup服务的功能特征，增强Mashup服务的聚类性能。
-
公开(公告)号：CN111259739B
公开(公告)日：2022-02-15
申请号：CN202010020689.X
申请日：2020-01-09
Applicant: 浙江工业大学
Abstract: 本发明公开了一种基于3D人脸关键点和几何投影的人脸姿态估计方法，所述人脸姿态估计方法首先利用三维人脸关键点定位得到二维人脸图像对应的三维人脸关键点坐标，然后利用三维人脸关键点在三维坐标系的x‑y、x‑z以及y‑z三个平面上的几何投影来分别估计人脸在roll、yaw和pitch三个方向上的偏移角度，达到准确估计实现人脸姿态的目的。本发明限定的方法不仅可以对约束场景下的人脸进行姿态估计，还可以对无约束场景下的人脸进行姿态估计，从而实现人脸姿态的准确估计。
-
公开(公告)号：CN113609859A
公开(公告)日：2021-11-05
申请号：CN202110893472.4
申请日：2021-08-04
Applicant: 浙江工业大学
IPC: G06F40/295 , G06F16/35 , G06F16/36 , G06F40/216 , G06N3/04 , G06N3/08 , G06N5/02
Abstract: 一种基于预训练模型的特种设备中文命名实体识别方法，包括以下步骤：1)按照中文命名实体标注策略BIEOS对中文命名实体数据集进行标注，将实体类别分为四种类别；2)基于BERT预训练模型将中文句子转换为字向量表示；3)将字向量表示输入到biLSTM模型中，学习字向量序列双向编码，提取句子特征；4)采用CRF条件随机场学习上下文的标签概率，得到了每个汉字的所有可能的标签序列；5)最后输出汉字序列对应的实体类别。本发明通过无监督的方式对无标签语料中进行训练，能够有效解决小数据集、样本特征信息不足情况下中文命名实体提取的问题，用于构建特种设备领域的知识图谱。
-
公开(公告)号：CN111198950B
公开(公告)日：2021-10-15
申请号：CN201911344270.3
申请日：2019-12-24
Applicant: 浙江工业大学
IPC: G06F16/36 , G06F16/28 , G06F40/284 , G06F40/30 , G06K9/62
Abstract: 一种基于语义向量的知识图谱表示学习方法，包括以下步骤：1)融合文本语料库的语义向量构建；2)融合文本语料库及知识图谱上下文的语义向量构建；3)语义矩阵的构建，过程如下：以三元组和关系的语义向量作为输入，得到每个关系对应的语义矩阵；4)建模与训练，过程如下：设计了一个新的得分函数对知识图谱中实体和关系的嵌入表示进行建模，得到所述知识图谱的嵌入表示模型；使用随机梯度下降法训练所述嵌入表示模型，使得损失函数的值最小化，得到最终知识图谱中实体和关系的语义向量。本发明提出的表示学习方体能够较为对知识图谱的复杂关系进行建模，并能够提高向量表示的精确度。
-
Patent Agency Ranking
公开(公告)号：CN113254663A
公开(公告)日：2021-08-13
申请号：CN202110430124.3
申请日：2021-04-21
Applicant: 浙江工业大学
Abstract: 一种融合图卷积与翻译模型的知识图谱联合表示学习方法，包括以下步骤：1)根据知识图谱构建其相对应的直接邻接矩阵和间接邻接矩阵；2)设计图卷积网络，包括一个输入层、两个隐藏层和一个输出层，优化邻接点节点对中心节点的注意力系数，通过学习直接邻节点和间接邻节点的结构信息得到节点的向量表示；3)采用翻译模型学习关系的语义信息，得到实体和关系的向量表示；4)将图卷积网络和翻译模型相融合，通过不断的迭代学习得到知识图谱的最终向量表示。本发明能够同时学习知识图谱的结构信息和关系语义，提高知识图谱的向量表示精度。
-
公开(公告)号：CN113254662A
公开(公告)日：2021-08-13
申请号：CN202110427174.6
申请日：2021-04-20
Applicant: 浙江工业大学
Abstract: 一种基于修剪图谱聚类的学术团队划分方法，包括以下步骤：1)从海量学术数据中构建学术知识图谱，并从图谱中提取学者间的关系网络；2)计算网络节点相似度和网络整体模块度，根据节点相似度更新关系权重；3)利用模块度增益对关系网络进行团队划分；4)通过团队相似度计算邻接团队聚合导致的模块度增益，并选取模块度增益最大且超过阈值的邻接团队进行聚合，重复迭代直到网络模块度收敛；5)对得到的学术团队进行筛选，去掉不符合特征要求的团队，得到最终学术团队划分结果。本发明能够从高校海量学术数据中准确实现学术团队划分。
-
公开(公告)号：CN113254661A
公开(公告)日：2021-08-13
申请号：CN202110382919.1
申请日：2021-04-09
Applicant: 浙江工业大学
IPC: G06F16/36
Abstract: 一种引入实体上下文的三维旋转知识图谱嵌入方法，所述方法包括以下步骤：第一步：定义知识图谱三种主要关系模式和相关形式化表述；第二步、定义四元数的基础和基于四元数乘法的三维旋转表示；第三步、基于四元数进行关系三维旋转建模，然后引入实体的上下文信息，计算打分函数，重新评估三元组的质量，同时推导模型针对知识图谱三种关系模式建模的能力，并进行模型训练以获得更好的四元数向量表示；此时完成了知识图谱嵌入过程，即将知识图谱中的实体和关系转化成向量的过程。本发明使本模型的知识图谱嵌入结果更加准确，从而提高了后续知识图谱进行连接预测、内容推荐等行为的结果准确性。
-
公开(公告)号：CN111272139B
公开(公告)日：2021-08-03
申请号：CN202010096182.2
申请日：2020-02-17
Applicant: 浙江工业大学
Abstract: 本发明提出了一种基于单目视觉的车辆长度测量方法，基于深度学习轻量级网络，采用成本较低的单目摄像头，先通过相机内参标定与车道线平面的单应性矩阵标定，并录制在车道线上的车辆行驶视频进行车辆长度计算，同时根据是否偏离行驶设计两种不同算法进行车辆长度计算。本方法实现了基于行驶道路路边相机对车辆的长度的精确测量，可以极大降低人力资源成本、增加车辆违法改装的检查力度、减少交通负荷和环境污染、保证交通安全、提高通行效率。
-
公开(公告)号：CN109426857B
公开(公告)日：2021-06-08
申请号：CN201710717555.1
申请日：2017-08-21
Applicant: 浙江工业大学
Abstract: 一种基于状态池网络的水质指标预测方法，步骤如下：1)确定水质参数的输入和输出数据；2)设计用于检测水质异常的状态池网络结构；3)在进行状态池网络训练之前，考虑到水质在测量中水体不稳定带来的误差以及异常，首先筛选有效的数据，剔除异常的部分；4)使用最小二乘法对网络的输出权重进行调整；5)状态池网络训练；6)使用状态池网络进行水质预测。保存第(5)步中训练得到的状态池网络结构参数，并使用测试数据集进行网络效果测试评估。同样使用均方根误差对水质预测数据进行评价，得到RMS的值。
-
-
-
-
-
-
-
-
-
Search Results
173
records
(took 0.038 seconds)
