-
公开(公告)号:CN112329479A
公开(公告)日:2021-02-05
申请号:CN202011338447.1
申请日:2020-11-25
申请人: 山东师范大学
摘要: 本公开公开的一种人类表型本体术语识别方法及系统,包括,获取电子病历;对电子病历预处理,并切分出描述疾病症状的词组;对每个词组,计算该词组与HPO库中每个HPO的相似度得分,相似度得分最高的HPO为该词组对应的HPO。实现了根据自然语言描述的电子病历,自动识别出与该电子病历对应的标准的HPO。
-
公开(公告)号:CN107864092A
公开(公告)日:2018-03-30
申请号:CN201711049341.8
申请日:2017-10-31
申请人: 山东师范大学
IPC分类号: H04L12/705 , H04L12/725 , H04L12/761 , H04L12/18 , H04L29/08
摘要: 本发明涉及一种基于多播技术的云内容分发方法及装置,方法包括:接收云站点的节点,建立节点集,将节点集分成若干子集,所述节点采用坐标表示;根据每个子集的平均坐标,利用最短欧式距离的方法确定每个子集的关键节点;将云站点中的源服务器节点作为多播组组长节点,关键节点作为多播组成员节点;由多播组组长节点向成员节点发送广播消息,成员节点根据所述广播消息确定云内容的分发路径,按照所述分发路径传送云内容。
-
公开(公告)号:CN114298044B
公开(公告)日:2024-10-15
申请号:CN202111617535.X
申请日:2021-12-27
申请人: 山东师范大学
IPC分类号: G06F40/295 , G06N3/02
摘要: 本发明属于自然语言处理技术领域,提供了一种中文命名实体识别方法及系统,获取待处理的语段,并对所述处理的语段按字符进行切分;基于待处理的语段,采用门控图神经网络,得到语段中每一个字符对应的节点信息;从所述待处理的语段中提取n‑gram特征,根据提取的n‑gram特征确定n‑gram特征的向量表示;将所述节点信息和n‑gram特征的向量表示进行拼接后,经过双向长短期记忆网络,得到中文命名实体识别结果。
-
公开(公告)号:CN114510946A
公开(公告)日:2022-05-17
申请号:CN202210417839.X
申请日:2022-04-21
申请人: 山东师范大学
IPC分类号: G06F40/295 , G06N3/04 , G06N3/08
摘要: 本发明提出了基于深度神经网络的中文命名实体识别方法及系统,通过双向长短词记忆模型BiLSTM网络获取上下文特征,并将上下文特征输入到空洞卷积网络ID‑CNN进一步学习语义信息,将上下文特征与语义信息融合后,基于自注意力机制对其进行依赖关系的计算,得到基于依赖关系的特征向量,并通过条件随机场进行标签预测,有效地提高中文命名实体识别的准确度。
-
公开(公告)号:CN113505804A
公开(公告)日:2021-10-15
申请号:CN202110547003.7
申请日:2021-05-19
申请人: 山东师范大学
摘要: 本公开公开的一种基于压缩深度神经网络的图像识别方法及系统,包括:获取待识别图像;将待识别图像输入训练好的压缩深度神经网络中,获取图像识别结果;其中,通过获取初始深度神经网络中批量归一化层的缩放因子,对缩放因子进行处理,使缩放因子服从高斯分布,利用高阶统计量计算缩放因子的高阶累积量,根据高阶累积量对批量归一化层的通道进行剪枝,获取压缩深度神经网络。实现了对深度神经网络的有效压缩。通过对深度神经网络进行压缩,从而能够将压缩深度神经网络加载至边缘设备上,进行图像识别。
-
公开(公告)号:CN107864092B
公开(公告)日:2020-03-27
申请号:CN201711049341.8
申请日:2017-10-31
申请人: 山东师范大学
IPC分类号: H04L12/705 , H04L12/725 , H04L12/761 , H04L12/18 , H04L29/08
摘要: 本发明涉及一种基于多播技术的云内容分发方法及装置,方法包括:接收云站点的节点,建立节点集,将节点集分成若干子集,所述节点采用坐标表示;根据每个子集的平均坐标,利用最短欧式距离的方法确定每个子集的关键节点;将云站点中的源服务器节点作为多播组组长节点,关键节点作为多播组成员节点;由多播组组长节点向成员节点发送广播消息,成员节点根据所述广播消息确定云内容的分发路径,按照所述分发路径传送云内容。
-
公开(公告)号:CN110909801A
公开(公告)日:2020-03-24
申请号:CN201911173587.5
申请日:2019-11-26
申请人: 山东师范大学
摘要: 本公开提供了一种基于卷积神经网络的数据分类方法、系统、介质及设备,对获取的分类数据进行预处理,构建数据集;构建卷积神经网络,所述卷积神经网络中至少包括一个卷积层,用于提取局部特征,所述卷积层对特征矩阵进行压缩,并对所生成的稀疏矩阵在图形处理单元上进行稀疏矩阵向量乘运算,利用数据集中的数据训练卷积神经网络;将待分类数据预处理后输入到已训练好的卷积神经网络模型,输出数据分类结果;本公开通过对卷积层的特征矩阵进行压缩处理,在GPU上并行计算,减少了在计算过程中内存消耗和对于零值的计算,进而减少了神经网络的训练时间和内存消耗。
-
公开(公告)号:CN113420557B
公开(公告)日:2024-03-08
申请号:CN202110644825.7
申请日:2021-06-09
申请人: 山东师范大学
IPC分类号: G06F40/295 , G06F40/242 , G06F16/33 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/08 , G06N7/01
-
公开(公告)号:CN114510946B
公开(公告)日:2022-08-23
申请号:CN202210417839.X
申请日:2022-04-21
申请人: 山东师范大学
IPC分类号: G06F40/295 , G06N3/04 , G06N3/08
摘要: 本发明提出了基于深度神经网络的中文命名实体识别方法及系统,通过双向长短词记忆模型BiLSTM网络获取上下文特征,并将上下文特征输入到空洞卷积网络ID‑CNN进一步学习语义信息,将上下文特征与语义信息融合后,基于自注意力机制对其进行依赖关系的计算,得到基于依赖关系的特征向量,并通过条件随机场进行标签预测,有效地提高中文命名实体识别的准确度。
-
公开(公告)号:CN113420557A
公开(公告)日:2021-09-21
申请号:CN202110644825.7
申请日:2021-06-09
申请人: 山东师范大学
IPC分类号: G06F40/295 , G06F40/242 , G06F16/33 , G06N3/04 , G06N3/08 , G06N7/00
摘要: 本公开公开了中文命名实体识别方法、系统、设备及存储介质,包括:获取待识别的句子;将待识别的句子,输入到训练后的中文命名实体识别模型中,得到中文命名实体。本发明可以在自然语言描述的文本中提取出每个节点的多个特征信息。可以为每个待识别的句子识别出对应的中文命名实体。
-
-
-
-
-
-
-
-
-