-
公开(公告)号：CN114722843A
公开(公告)日：2022-07-08
申请号：CN202111592088.7
申请日：2021-12-23
Applicant: 哈尔滨理工大学
IPC: G06F40/58 , G06F40/242 , G06N3/04 , G06N3/08
Abstract: 本发明提出了一种基于Transformer模型优化的神经机器翻译方法，建立翻译模型，获得WMT17中的News Commentary v12中的中英数据集，并对数据进行归一化处理；在翻译模型中引入句子结构信息，获取词向量，得到新的输入序列；利用融合位置信息和句法信息的序列对翻译模型进行训练，采用adam优化器进行优化迭代得到神经机器翻译模型；将测试集输入步骤S3优化的神经机器翻译模型，得到翻译结果；对翻译结果进行评价，结束翻译；使用BLEU值作为翻译模型的评判标准。该方法能够改善中英神经机器翻译的翻译准确率，提高翻译性能。
-
公开(公告)号：CN114722843B
公开(公告)日：2025-04-22
申请号：CN202111592088.7
申请日：2021-12-23
Applicant: 哈尔滨理工大学
IPC: G06F40/58 , G06F40/242 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种基于Transformer模型优化的神经机器翻译方法，建立翻译模型，获得WMT17中的News Commentary v12中的中英数据集，并对数据进行归一化处理；在翻译模型中引入句子结构信息，获取词向量，得到新的输入序列；利用融合位置信息和句法信息的序列对翻译模型进行训练，采用adam优化器进行优化迭代得到神经机器翻译模型；将测试集输入步骤S3优化的神经机器翻译模型，得到翻译结果；对翻译结果进行评价，结束翻译；使用BLEU值作为翻译模型的评判标准。该方法能够改善中英神经机器翻译的翻译准确率，提高翻译性能。
-
公开(公告)号：CN114428853B
公开(公告)日：2024-09-13
申请号：CN202111535167.4
申请日：2021-12-15
Applicant: 哈尔滨理工大学
IPC: G06F16/35 , G06F40/289 , G06N3/0464 , G06F18/214 , G06N3/045 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于深度学习的文本分类方法及系统，属于自然语言处理技术领域，其中，该方法包括：从互联网获取文本数据集，并划分为训练集和测试集；利用ALBERT技术将训练集转换为词向量；利用改进的深度学习算法对词向量进行特征提取，得到最优特征向量；利用Cross Entropy Loss函数改进Softmax算法的分类函数，以建立文本分类模型，利用数据集文本分类模型进行训练，得到文本分类预测模型；通过参数优化算法Adam对文本分类预测模型进行参数优化，得到最佳文本分类预测模型；将测试集输入最佳文本分类预测模型中得到分类预测结果。该方法解决了文本词向量缺少全局特征的问题，也极大改善了文本分类效果。
-
Patent Agency Ranking
公开(公告)号：CN114429135B
公开(公告)日：2024-08-20
申请号：CN202111545490.X
申请日：2021-12-16
Applicant: 哈尔滨理工大学
IPC: G06F40/30 , G06N3/094 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/045
Abstract: 本发明是一种基于对抗训练和多注意力的CNN‑BiLSTM方面情感分析方法。本发明涉及自然语言处理技术领域，本发明采集并预处理SemEval 2014的公开数据集，并对预处理后的数据按预设比例划分为训练集和测试集；对训练样本进行筛选，得到样本特征向量；利用对抗训练对输入的样本特征向量制造一个扰动，与最初的样本特征向量一起参加模型的训练，得到模型的输入层；结合卷积神经网络和长短时记忆网络，连接模型的输入层，得到模型的CNN‑BiLSTM层；利用Softmax函数对循环多注意层的输出结果进行分类，得到方面级情感分析模型；将测试集输入方面级情感分析模型中，得到情感分析结果。
-
公开(公告)号：CN114429135A
公开(公告)日：2022-05-03
申请号：CN202111545490.X
申请日：2021-12-16
Applicant: 哈尔滨理工大学
Abstract: 本发明是一种基于对抗训练和多注意力的CNN‑BiLSTM方面情感分析方法。本发明涉及自然语言处理技术领域，本发明采集并预处理SemEval 2014的公开数据集，并对预处理后的数据按预设比例划分为训练集和测试集；对训练样本进行筛选，得到样本特征向量；利用对抗训练对输入的样本特征向量制造一个扰动，与最初的样本特征向量一起参加模型的训练，得到模型的输入层；结合卷积神经网络和长短时记忆网络，连接模型的输入层，得到模型的CNN‑BiLSTM层；利用Softmax函数对循环多注意层的输出结果进行分类，得到方面级情感分析模型；将测试集输入方面级情感分析模型中，得到情感分析结果。
-
公开(公告)号：CN114428853A
公开(公告)日：2022-05-03
申请号：CN202111535167.4
申请日：2021-12-15
Applicant: 哈尔滨理工大学
IPC: G06F16/35 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的文本分类方法及系统，属于自然语言处理技术领域，其中，该方法包括：从互联网获取文本数据集，并划分为训练集和测试集；利用ALBERT技术将训练集转换为词向量；利用改进的深度学习算法对词向量进行特征提取，得到最优特征向量；利用Cross Entropy Loss函数改进Softmax算法的分类函数，以建立文本分类模型，利用数据集文本分类模型进行训练，得到文本分类预测模型；通过参数优化算法Adam对文本分类预测模型进行参数优化，得到最佳文本分类预测模型；将测试集输入最佳文本分类预测模型中得到分类预测结果。该方法解决了文本词向量缺少全局特征的问题，也极大改善了文本分类效果。
-
公开(公告)号：CN214540826U
公开(公告)日：2021-10-29
申请号：CN202120844217.6
申请日：2021-04-23
Applicant: 哈尔滨理工大学
IPC: G06K19/077
Abstract: 本实用新型涉及信息设备技术领域，具体为一种数据信息防盗电子信息处理器，包括主体、滑盖、封盖和磁铁，所述主体的一侧滑动连接有滑盖，所述滑盖的一侧转动连接有封盖，所述封盖的一侧固装有磁铁，所述封盖通过磁铁与主体的一侧滑动连接，所述主体靠近滑盖的一侧开设有滑槽，所述滑盖的一侧固定安装有滑块，所述滑槽的内壁与滑块的外表面滑动连接，所述滑槽的内壁一侧固定安装有限位杆，所述滑块的一侧开设有插孔。本实用新型，使得门禁卡在不使用时可以被主体进行防护，同时也增大了门禁卡的面积，从而有效地降低了门禁卡丢失和被盗刷的可能，有效地保护了使用者的个人信息，同时也增加了设备的安全性。
-
公开(公告)号：CN214541486U
公开(公告)日：2021-10-29
申请号：CN202120841732.9
申请日：2021-04-23
Applicant: 哈尔滨理工大学
IPC: G09F15/00
Abstract: 本实用新型提供一种新型多功能户外信息展示板，涉及信息展示技术领域，它是由T支座、连接杆、滑槽、滑块、拉伸弹簧、牵引杆和防护框构成，所述T支座相对立的一侧铰接有连接杆，所述连接杆的内壁一侧开设有滑槽，所述滑槽的内壁滑动连接有两个滑块，两个所述滑块相对立的一面固定连接有拉伸弹簧，所述滑块远离滑槽的一端铰接有牵引杆，所述牵引杆远离滑块的一端铰接有防护框，所述防护框的内壁两侧转动连接有展示框，本实用新型中，通过配合展示框的转动，利于粘贴更多展示信息，解决了其展示区域的局限性，而配合推杆使得该展示框能够达到不同角度的倾斜，从而利于人群的信息查看，提高了该装置的使用实用性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
