-
公开(公告)号：CN116629264A
公开(公告)日：2023-08-22
申请号：CN202310594598.0
申请日：2023-05-24
Applicant: 成都信息工程大学
IPC: G06F40/295 , G06F40/30 , G06F40/289 , G06N3/0464 , G06Q30/0203 , G06Q50/14
Abstract: 本发明公开了一种基于多个词嵌入和多头自注意力机制的关系抽取方法，包括以下步骤：S1、获取第一句子向量，将第一句子向量依次输入双向长短记忆网络层和注意力层，得到第一特征向量；S2、获取第二句子向量，将第二句子向量依次输入多窗口卷积层、多头自注意力层和最大池化层，得到第二特征向量；S3、将第一特征向量和第二特征向量均输入门控特征融合层，得到融合结果；S4、将融合结果输入Softmax层，得到关系预测结果，完成关系抽取。本发明使用字符嵌入的方式，不构建外部知识库也能有效地从字符层面和词组层面挖掘句子信息来充分表达句子语义，并且避免分词错误带来的影响、缓解一词多义难题。
-
公开(公告)号：CN118395968A
公开(公告)日：2024-07-26
申请号：CN202410562917.4
申请日：2024-05-08
Applicant: 成都信息工程大学
IPC: G06F40/205 , G06F16/35
Abstract: 本发明公开了一种数据分类分级标准文件的自动解析化方法及系统，属于数据安全的自动合规领域，本方法从标准文件中识别关键的指导语句，抽取数据的上下位关系和安全等级属性，形成了一个清晰的数据分类分级图谱。通过自动构建相关领域词典，以提升该领域的自然语言处理能力，并将领域知识与预训练模型融合，提升了模型信息抽取准确率。通过实验证明，构建的领域词典对于术语识别和文本分类任务具有明显提升。本文所提出的文本分类方法表现出高效性能，准确率达到96.66％，优于现有的方法。构建的知识库信息类型覆盖率超过85％。该框架旨在为数据从业者提供更直观的数据分类分级决策建议，从而确保重要数据的安全与合规。
-
公开(公告)号：CN116579343B
公开(公告)日：2024-06-04
申请号：CN202310560194.X
申请日：2023-05-17
Applicant: 成都信息工程大学
IPC: G06F40/295 , G06N3/045 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明公开了一种中文文旅类的命名实体识别方法，包括以下步骤：S1、获取中文文旅类文本数据，并将其输入至字符嵌入层，得到字符向量表示；S2、将字符向量表示输入至双向长短期记忆网络层，得到上下文表示；S3、将上下文表示输入至CNN层，得到多尺度的局部上下文特征融合表示；S4、将多尺度的局部上下文特征融合表示输入至CRF层，通过CRF层进行序列标注，完成中文文旅类的命名实体识别。本发明考虑到对中文旅游类的命名实体识别研究的关注度较少的问题，针对于中文的文旅类文本数据进行网络搭建，在CNN层利用第二CNN模块学习多尺度的局部上下文特征融合表示，加强语义之间的相关性，提高有利于中文识别的特征表示。
-
公开(公告)号：CN117521656B
公开(公告)日：2024-05-07
申请号：CN202311629250.7
申请日：2023-11-30
Applicant: 成都信息工程大学
IPC: G06F40/295 , G06F40/30 , G06N3/0455 , G06N3/0442 , G06N3/047 , G06N3/088 , G06N3/0464 , G06N3/0985
Abstract: 本发明公开了一种面向中文文本的端到端中文实体关系联合抽取方法，包括优化中文预训练模型，对输入的中文文本进行编码处理，生成中文文本的文本表示；对中文文本的文本表示进行实体解码处理，得到实体BIO标注序列和上下文表示向量；采用上下文注意力机制确定上下文注意力向量；将上下文注意力向量与中文文本的文本表示拼接后进行关系编码处理，得到关系编码表示；采用双仿射注意力机制进行关系解码处理，得到实体关系抽取结果。本发明能够捕捉到词级别的交叉依赖信息，能有效提升模型准确性和鲁棒性。
-
公开(公告)号：CN117743475A
公开(公告)日：2024-03-22
申请号：CN202311545712.7
申请日：2023-11-17
Applicant: 成都信息工程大学
IPC: G06F16/28 , G06F40/295 , G06F40/30 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F18/213 , G06F18/25
Abstract: 本发明属于自然语言处理技术领域，公开了一种基于多粒度混合注意力的数据发现的实体关系联合抽取方法及系统，包括：以表格空间的形式标记实体和关系的位置，将文本送入预训练模型Bert中，得到文本的语义信息；通过CNN模块得到语义信息中的局部特征信息；通过多头注意力模块得到全局和局部注意力信息；通过门控单元得到实体特征信息；利用多头注意力模块，得到融合了实体特征的实体注意力信息；通过门控单元得到实体关系联合特征信息，将其输入到双仿射模型，完成实体和关系的联合抽取。本发明更好地融合了上下文信息来处理多义性，更准确地识别实体和关系，提高了联合抽取的精度。
-
Patent Agency Ranking
公开(公告)号：CN114666067A
公开(公告)日：2022-06-24
申请号：CN202210562634.0
申请日：2022-05-23
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于区块链的跨域细粒度属性访问控制方法及系统，本发明以区块链和基于属性访问控制方法作为基础，任务状态属性引入属性访问控制模型中，可以根据任务的状态、所需条件等信息来动态的分配请求者的权限，并且利用主体节点属性、环境属性等来计算主体节点信任值的方法，能够帮助客体节点判断主体节点能否访问自己的资源，还能够实时更新主体节点的综合信任值，再通过主体节点的综合信任值来动态的分配请求者的权限，请求者只会拥有访问资源的最小的权限，达到了基于属性细粒度访问控制，使得恶意请求者没有能够利用的额外权限，降低了跨域访问控制的计算开销和空间开销，同时还可以很好地抵御越权攻击、伪造冒充式攻击和共谋攻击。
-
公开(公告)号：CN114338053B
公开(公告)日：2022-05-13
申请号：CN202210257342.6
申请日：2022-03-16
Applicant: 成都信息工程大学
IPC: H04L9/32
Abstract: 本发明涉及一种动态的基于信誉的区块链共识方法和系统，包括区块创建模块，用于使验证节点在交易时间内验证并打包生成一个新区块，并将新区块广播至监控群组；以及判别验证节点在创建新区块时是否在交易时间内完成；共识评估模块，用于使验证节点通过节点行为判别算法评估验证节点是否正常的完成了共识流程，以及利用信誉评价算法对分布式网络中的所有节点进行信誉值动态更新。本发明通过节点行为判别算法来评估验证节点是否正常的完成了共识流程，以及引入信誉评价算法给每个节点赋予和更新信誉值，在每轮共识周期结束前动态更新验证节点及监控节点，从而解决PoA共识机制中验证节点权利过大导致的中心化问题。
-
公开(公告)号：CN112200160A
公开(公告)日：2021-01-08
申请号：CN202011390325.7
申请日：2020-12-02
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于深度学习的直读水表读数识别方法，包括以下步骤：对拍摄的图像进行预处理，以校正图像；将预处理后的图像输入目标检测模型中，得到水表读数中的数字；将得到数字的图像输入深度学习模型中进行识别，将识别结果上传至服务器。本方案通过深度神经网络对水表进行目标检测和字符识别，以识别出准确的结果。
-
公开(公告)号：CN119782861A
公开(公告)日：2025-04-08
申请号：CN202411861898.1
申请日：2024-12-17
Applicant: 成都信息工程大学
IPC: G06F18/2321 , G06F16/22
Abstract: 本发明提供了一种面向海量数据的聚类方法及系统，涉及数据技术领域，该方法包括将空间进行网格划分，并将所有数据点分配至对应的网格内，并创建边长为网格结构一半的子网格结构；构建网格索引并检索网格的邻居；在子网格结构中，通过对每个数据点的邻域进行遍历并计算距离，对海量数据的核心点进行识别；根据海量数据的核心点识别结果，进行核心网格的合并以及分配非核心点，完成面向海量数据的快速聚类。本发明解决了传统基于密度的聚类算法无法实现对海量规模数据集进行处理(特别是在参数MinPts较大时)的问题。
-
公开(公告)号：CN117743475B
公开(公告)日：2025-02-11
申请号：CN202311545712.7
申请日：2023-11-17
Applicant: 成都信息工程大学
IPC: G06F16/28 , G06F40/295 , G06F40/30 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06F18/213 , G06F18/25
Abstract: 本发明属于自然语言处理技术领域，公开了一种基于多粒度混合注意力的数据发现的实体关系联合抽取方法及系统，包括：以表格空间的形式标记实体和关系的位置，将文本送入预训练模型Bert中，得到文本的语义信息；通过CNN模块得到语义信息中的局部特征信息；通过多头注意力模块得到全局和局部注意力信息；通过门控单元得到实体特征信息；利用多头注意力模块，得到融合了实体特征的实体注意力信息；通过门控单元得到实体关系联合特征信息，将其输入到双仿射模型，完成实体和关系的联合抽取。本发明更好地融合了上下文信息来处理多义性，更准确地识别实体和关系，提高了联合抽取的精度。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.024 seconds)
