公开(公告)号：CN117633248A

公开(公告)日：2024-03-01

申请号：CN202311602089.4

申请日：2023-11-28

Applicant: 之江实验室

Inventor： 周丹 ,  章孟臣

IPC: G06F16/36 ,  G06N5/022 ,  G06F16/41 ,  G06F16/483 ,  G06Q50/02

Abstract: 本发明公开了一种水稻领域知识工程应用方法和系统，属于水稻知识工程化应用领域，包括：采集知识源中的水稻多模态数据并进行数据处理，得到用于构建水稻领域知识库的结构化的数据元素；采用基于图数据库的属性图模型对数据元素进行存储管理，得到水稻领域知识库；搭建水稻领域知识工程应用平台，包含面向用户的前端页面和面向服务器端的后端系统，其中，前端页面包含系统管理和水稻知识工程平台门户，后端系统包含数据处理和存储管理；用户实际工程需求，通过水稻知识工程平台门户完成水稻领域知识的工程化应用。本发明提出的水稻领域知识工程应用平台能够为相关技术人员提供方便灵活、可扩展性高的水稻领域知识工程化智能应用。

公开(公告)号：CN113255321A

公开(公告)日：2021-08-13

申请号：CN202110648901.1

申请日：2021-06-10

Applicant: 之江实验室

Inventor： 王海涛 ,  许浩 ,  刘智 ,  周丹 ,  孙婉琪 ,  马雪环

IPC: G06F40/211 ,  G06F40/216 ,  G06F40/295

Abstract: 本发明公开了一种基于文章实体词依赖关系的金融领域篇章级事件抽取方法，设计了一种结构化依赖自注意力机制模块，该模块将文章中的实体词依赖关系作为事件抽取深度学习模型的一种输入数据，与词级、语句级的语言特征结合以提升深度学习模型在进行金融事件抽取时的对事件触发词和事件论元的预测精度。此外，本发明在中文金融事件抽取任务中，首次提出8种不同类型的实体关系，用于统一化表示文章中的实体依赖关系。本发明同时构建了一套金融领域的层次事件关系，用于模型区分相似的事件类型。本发明从系统输入到系统输出，逻辑结构清晰，层次分明，系统实现细节详尽，实现了一种端到端的系统闭合工作方式，极易落地和大规模应用。

公开(公告)号：CN113722495B

公开(公告)日：2025-03-14

申请号：CN202111240263.6

申请日：2021-10-25

Applicant: 之江实验室

Inventor： 王海涛 ,  刘昭然 ,  许浩 ,  周丹 ,  焦旭 ,  马雪环 ,  王天放

IPC: G06N5/025 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/0985 ,  G06F16/353 ,  G06F16/903 ,  G06F18/2415

Abstract: 本发明公开了一种融合正则表达式的金融文本关系抽取与分类方法。该方法对金融文本编码后识别出文本中包含的关系实体对并进行标记；将金融文本依次和各项正则表达式进行匹配，将匹配结果转换为正则表达式标签，最后将该标签与标记结果融合，通过深度神经网络对实体对之间包含的关系进行抽取与分类。本发明实现了融合了正则表达式信息的金融文本端到端关系抽取与分类，逻辑结构清晰，层次分明，无需人工标注，节约了人力成本，提升了工作效率，准确率高，实用性强。

公开(公告)号：CN113722495A

公开(公告)日：2021-11-30

申请号：CN202111240263.6

申请日：2021-10-25

Applicant: 之江实验室

Inventor： 王海涛 ,  刘昭然 ,  许浩 ,  周丹 ,  焦旭 ,  马雪环 ,  王天放

IPC: G06F16/35 ,  G06F16/903 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融合正则表达式的金融文本关系抽取与分类方法。该方法对金融文本编码后识别出文本中包含的关系实体对并进行标记；将金融文本依次和各项正则表达式进行匹配，将匹配结果转换为正则表达式标签，最后将该标签与标记结果融合，通过深度神经网络对实体对之间包含的关系进行抽取与分类。本发明实现了融合了正则表达式信息的金融文本端到端关系抽取与分类，逻辑结构清晰，层次分明，无需人工标注，节约了人力成本，提升了工作效率，准确率高，实用性强。

公开(公告)号：CN113255321B

公开(公告)日：2021-10-29

申请号：CN202110648901.1

申请日：2021-06-10

Applicant: 之江实验室

Inventor： 王海涛 ,  许浩 ,  刘智 ,  周丹 ,  孙婉琪 ,  马雪环

IPC: G06F40/211 ,  G06F40/216 ,  G06F40/295

Abstract: 本发明公开了一种基于文章实体词依赖关系的金融领域篇章级事件抽取方法，设计了一种结构化依赖自注意力机制模块，该模块将文章中的实体词依赖关系作为事件抽取深度学习模型的一种输入数据，与词级、语句级的语言特征结合以提升深度学习模型在进行金融事件抽取时的对事件触发词和事件论元的预测精度。此外，本发明在中文金融事件抽取任务中，首次提出8种不同类型的实体关系，用于统一化表示文章中的实体依赖关系。本发明同时构建了一套金融领域的层次事件关系，用于模型区分相似的事件类型。本发明从系统输入到系统输出，逻辑结构清晰，层次分明，系统实现细节详尽，实现了一种端到端的系统闭合工作方式，极易落地和大规模应用。