-
公开(公告)号：CN115730598A
公开(公告)日：2023-03-03
申请号：CN202211106729.8
申请日：2022-09-09
Applicant: 南京大学
IPC: G06F40/295 , G06F40/216 , G06F40/289 , G06F40/30 , G06F16/34 , G06F16/951
Abstract: 本发明属于自然文本分析预测领域，用于焦点类型的实体属性预测。本发明提供一种基于自然语言处理的焦点实体属性预测技术，该技术不仅能输出当前属性预测模型中常见的客观预测值，还能归纳输出文本数据中的针对实体的不同属性的不同预期值或评价。本发明根据用户提供的实体集合和属性集合构建更大的相关实体集合或迭代集合并爬取大量文本数据用于基础的属性预测和属性发展趋势预测。本发明输出的预期值和评价能够用于指导不同实体的优化、或预测其发展方向，针对当前文本数据利用率低，隐藏信息挖掘量少的问题，提高了焦点实体信息准确获取的能力并为属性预测的下流应用提供更丰富且有价值的数据。
-
公开(公告)号：CN118331883B
公开(公告)日：2024-11-19
申请号：CN202410566350.8
申请日：2024-05-09
Applicant: 南京大学
IPC: G06F11/36 , G06N5/04 , G06V10/764 , G06V10/22
Abstract: 本发明公开一种基于实例级分析的目标检测系统优先级测试方法，该方法专为实例级对象检测系统设计，可帮助测试人员识别这些系统中的检测错误和遗漏。对于检测错误，本发明会根据分类和定位能力为每个预测边界框分配一个怀疑度分数。此外，本发明克服了现有优先级排序方法只关注预测结果的缺点，引入了一种新颖的算法，为每个输入中的潜在检测遗漏区域分配怀疑度分数。通过汇总两类模型误差的得分，能够同时识别假阳性和假阴性。对怀疑度值元素进行优先排序，根据它们的值降序排序，对相应的图像进行灰度化处理，并高亮显示错误区域。测试人员的任务是重点查看突出显示的区域。本发明相比同类技术明显节省预算，并能最大限度地发挥测试人员的作用。
-
公开(公告)号：CN118331883A
公开(公告)日：2024-07-12
申请号：CN202410566350.8
申请日：2024-05-09
Applicant: 南京大学
IPC: G06F11/36 , G06N5/04 , G06V10/764 , G06V10/22
Abstract: 本发明公开一种基于实例级分析的目标检测系统优先级测试方法，该方法专为实例级对象检测系统设计，可帮助测试人员识别这些系统中的检测错误和遗漏。对于检测错误，本发明会根据分类和定位能力为每个预测边界框分配一个怀疑度分数。此外，本发明克服了现有优先级排序方法只关注预测结果的缺点，引入了一种新颖的算法，为每个输入中的潜在检测遗漏区域分配怀疑度分数。通过汇总两类模型误差的得分，能够同时识别假阳性和假阴性。对怀疑度值元素进行优先排序，根据它们的值降序排序，对相应的图像进行灰度化处理，并高亮显示错误区域。测试人员的任务是重点查看突出显示的区域。本发明相比同类技术明显节省预算，并能最大限度地发挥测试人员的作用。
-
公开(公告)号：CN114579753A
公开(公告)日：2022-06-03
申请号：CN202210052086.7
申请日：2022-01-17
Applicant: 南京大学
Abstract: 本发明涉及知识图谱质量评估领域，提供一种基于差分测试和嵌入模型的知识图谱评估方法。该方法基于变异测试的思想，变异生成可代表知识图谱数据中典型错误的三元组，并将其作为输入重训练出对知识图谱典型错误敏感的优化嵌入模型。该方法还基于差分测试的思想，输入普通知识图谱数据获取不同优化嵌入模型的输出，根据相似性评估保证输出的一致性和有效性；从而可通过符合相似性评估的输出结果再使用投票策略，最终计算出符合实际的质量评估指标。本发明目的在于解决目前存在的知识图谱质量评估人工成本高，耗时长且缺失自动化评估方法和过程的难题，进而帮助评估人员快速地对知识图谱质量进行了解并在短时间内获取可靠的知识图谱评估结果。
-
-
-
Search Results
4
records
(took 0.015 seconds)
