-
公开(公告)号：CN119271212A
公开(公告)日：2025-01-07
申请号：CN202411803976.2
申请日：2024-12-10
Applicant: 南京邮电大学
Abstract: 本发明的一种基于WXCL的微信小程序源代码生成方法及存储介质，采用可以描述微信小程序结构的中间代码WXCL语言，基于微信小程序平台，设置中间代码WXCL语言，包括设置词法语法定义式、词法分析器、语法分析器以及WXCL语言到目标代码的翻译程序，用于最终微信小程序代码的生成；还包括了后端代码翻译系统，将WXCL语言的翻译软件部署在服务器后台实时将WXCL语言翻译成微信小程序源码发送给用户。本发明的方法其高性价比体现在用户的学习成本极低、时间极短、效果较好，从而解决微信小程序开发对普通用户存在的结构复杂、学习门槛高、时间成本高的问题。
-
公开(公告)号：CN113947085A
公开(公告)日：2022-01-18
申请号：CN202111235560.1
申请日：2021-10-22
Applicant: 南京邮电大学
IPC: G06F40/295 , G06F40/216 , G06F16/332 , G06F17/15 , G06F17/16
Abstract: 一种面向智能问答系统的命名实体识别方法，包括如下步骤：为每条样本以滑动窗口的方式拼接上下文，并将普通的文本数据形式转化为机器阅读理解数据的形式；通过Bert预训练模型生成词向量特征；根据词向量特征，分别使用多尺度卷积与双向时序运算对其进行编码，得到样本的全局特征与局部特征；以等权重的方式为词向量特征拼接上全局特征与局部特征以增强词向量特征，得到上下文特征；对上下文特征采用多个线性网络识别文本中的命名实体。本发明能够充分利用问答系统中用户输入句子的上下文信息，以精准地抽取出用户问题中的命名实体；可以在命名实体识别的公开数据上都取得优异的效果，在对准确率要求较高的智能问答系统中具有良好的实用性。
-
公开(公告)号：CN110457697A
公开(公告)日：2019-11-15
申请号：CN201910705557.8
申请日：2019-08-01
Applicant: 南京邮电大学
IPC: G06F17/27 , G06F16/31 , G06F16/174
Abstract: 本发明公开了一种基于匿名谓词索引的RDF数据压缩及解压缩方法，RDF压缩方法为：将RDF数据集中的个体及谓词和个体的组合进行排序，形成个体以及谓词字典；将RDF数据集转化为头文件及0-1比特矩阵形式；将矩阵的每一行0-1比特序列对应于一个整数值；存储个体及谓词字典以及每一行所求得的整数值以及每一行中1的个数作为压缩后的数据。本发明避免了前向后向算法的复杂计算过程，对压缩和解压缩时间的提升效果非常显著，提升为现有技术中最接近方法的50％。
-
Patent Agency Ranking
公开(公告)号：CN113947085B
公开(公告)日：2024-11-08
申请号：CN202111235560.1
申请日：2021-10-22
Applicant: 南京邮电大学
IPC: G06F40/295 , G06F40/216 , G06F16/332 , G06F17/15 , G06F17/16
Abstract: 一种面向智能问答系统的命名实体识别方法，包括如下步骤：为每条样本以滑动窗口的方式拼接上下文，并将普通的文本数据形式转化为机器阅读理解数据的形式；通过Bert预训练模型生成词向量特征；根据词向量特征，分别使用多尺度卷积与双向时序运算对其进行编码，得到样本的全局特征与局部特征；以等权重的方式为词向量特征拼接上全局特征与局部特征以增强词向量特征，得到上下文特征；对上下文特征采用多个线性网络识别文本中的命名实体。本发明能够充分利用问答系统中用户输入句子的上下文信息，以精准地抽取出用户问题中的命名实体；可以在命名实体识别的公开数据上都取得优异的效果，在对准确率要求较高的智能问答系统中具有良好的实用性。
-
公开(公告)号：CN110197152B
公开(公告)日：2022-08-26
申请号：CN201910454059.0
申请日：2019-05-28
Applicant: 南京邮电大学
IPC: G06V20/58 , G06V10/80 , G06V10/774 , G06K9/62
Abstract: 本发明公开了一种用于自动驾驶系统的道路目标识别方法，包括如下步骤：调整输入图片大小；通过主干网络提取图片特征；通过扩张卷积模块进行下采样；基于部分特征图构建特征金字塔结构；在特征金字塔结构和下采样所得的尺度不同的特征图上生成锚框；将图片通过网络得到边界框相对于锚框的偏移值，对其进行解码得到边界框；对这些边界框进行降序排列和非极大值抑制得到最终检测识别结果；在训练部分，利用平滑化的绝对值损失函数和平衡前背景样本类别的加权平均损失函数对该网络进行训练。本发明显著增大了网络浅层的感受野，满足了识别小目标时对空间分辨率的需求；本发明充分利用全部的前背景样本来训练网络，具有很好的普适性和广泛的应用前景。
-
公开(公告)号：CN110197152A
公开(公告)日：2019-09-03
申请号：CN201910454059.0
申请日：2019-05-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种用于自动驾驶系统的道路目标识别方法，包括如下步骤：调整输入图片大小；通过主干网络提取图片特征；通过扩张卷积模块进行下采样；基于部分特征图构建特征金字塔结构；在特征金字塔结构和下采样所得的尺度不同的特征图上生成锚框；将图片通过网络得到边界框相对于锚框的偏移值，对其进行解码得到边界框；对这些边界框进行降序排列和非极大值抑制得到最终检测识别结果；在训练部分，利用平滑化的绝对值损失函数和平衡前背景样本类别的加权平均损失函数对该网络进行训练。本发明显著增大了网络浅层的感受野，满足了识别小目标时对空间分辨率的需求；本发明充分利用全部的前背景样本来训练网络，具有很好的普适性和广泛的应用前景。
-
公开(公告)号：CN110457697B
公开(公告)日：2023-01-31
申请号：CN201910705557.8
申请日：2019-08-01
Applicant: 南京邮电大学
IPC: G06F16/31 , G06F40/253 , G06F16/174
Abstract: 本发明公开了一种基于匿名谓词索引的RDF数据压缩及解压缩方法，RDF压缩方法为：将RDF数据集中的个体及谓词和个体的组合进行排序，形成个体以及谓词字典；将RDF数据集转化为头文件及0‑1比特矩阵形式；将矩阵的每一行0‑1比特序列对应于一个整数值；存储个体及谓词字典以及每一行所求得的整数值以及每一行中1的个数作为压缩后的数据。本发明避免了前向后向算法的复杂计算过程，对压缩和解压缩时间的提升效果非常显著，提升为现有技术中最接近方法的50％。
-
公开(公告)号：CN113901758A
公开(公告)日：2022-01-07
申请号：CN202111133794.5
申请日：2021-09-27
Applicant: 南京邮电大学
IPC: G06F40/126 , G06F40/242 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 一种面向知识图谱自动构建系统的关系抽取方法，首先对文本进行编码转换成词向量，初步提取文本特征；再利用文本的句法依存结构生成句法依存树，通过对每种关系类别进行加权生成带权依存邻接矩阵，使用图卷积神经网络对文本中的句法依存信息进行提取；同步地，将多头注意力机制直接作用于编码后的文本生成注意力矩阵，使用相同结构的图卷积神经网络对文本本身句法依存信息以外的信息进行提取；最后得到两个实体和句子本身的特征表示，使用前馈神经网络和归一化指数函数对所有可能的关系类别进行打分，选取分数最高的关系作为关系分类结果。本发明能够充分获取文本不同维度的信息，在关系抽取的公开数据集上取得了优异的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.029 seconds)
