-
公开(公告)号：CN118717756A
公开(公告)日：2024-10-01
申请号：CN202410717933.6
申请日：2024-06-04
Applicant: 暨南大学
IPC: A61K31/4178 , A61P35/02
Abstract: 本发明涉及生物医药技术领域，公开了一种ATG4B抑制剂在制备治疗急性髓系白血病药物中的应用。ATG4B蛋白的活性抑制剂能够呈现浓度依赖性的抑制急性髓系白血病细胞的生长，减弱白血病细胞的DNA损伤。ATG4B蛋白的活性抑制剂处理急性髓系白血病模型小鼠，能够减少白血病模型小鼠外周血中的白血病细胞的数量，延长白血病模型小鼠的生存周期，说明ATG4B抑制剂可用于临床白血病的预防和治疗。
-
公开(公告)号：CN113742447B
公开(公告)日：2024-04-02
申请号：CN202110814028.9
申请日：2021-07-19
Applicant: 暨南大学
IPC: G06F16/33 , G06F16/332 , G06F16/36
Abstract: 本发明公开了一种基于查询路径生成的知识图谱问答方法、介质和设备，首先针对问题‑答案训练集中各问题‑答案训练样本，基于知识图谱构建问题‑谓语序列数据集，然后训练得到谓语序列检测器；针对需要回答的问题，首先通过谓语序列检测器识别出问题的谓语序列；通过问题的焦点词、谓语序列和实体的标签值构建核心路径，接着通过分析问题识别约束条件，并在此基础上基于核心路径构建得到查询路径；根据问题，并依据核心路径中获取到的候选答案和查询路径，选择最终答案；本发明能够有效提高知识图谱的搜索效率，并且能够精确地理解问题的意图，大大缩小答案的选择范围，保证答案的正确性，节省资源的耗费。
-
公开(公告)号：CN110555153A
公开(公告)日：2019-12-10
申请号：CN201910767579.7
申请日：2019-08-20
Applicant: 暨南大学
IPC: G06F16/9532 , G06F16/951 , G06F16/332 , G06F16/36 , G06F17/27
Abstract: 本发明公开了一种基于领域知识图谱的问答系统构建方法，包括步骤：从互联网中爬取给定领域的信息，抽取信息中的三元组，将三元组插入到图数据库中进行存储；对用户输入的问句进行分词、句法分析，获得问句中各词语之间的依存关系表，依存关系指一个句子中各词语之间的依赖关系；通过遍历依存关系表生成查询语义图，并将查询语义图转换为图数据库的查询语句；最终用查询语句查询图数据库，得到答案。本发明还提出一种采用上述方法构建的问答系统，包括知识图谱构建模块、问答模块、后台处理模块和前端展示模块。本发明面向给定领域，爬取互连网中有效信息，抽取三元组创建知识图谱数据库，问答系统通过查询知识图谱数据库，返回准确且简洁的答案。
-
公开(公告)号：CN104699761B
公开(公告)日：2017-11-21
申请号：CN201510072548.1
申请日：2015-02-11
Applicant: 暨南大学
IPC: G06F17/30
Abstract: 本发明公开了一种最小函数依赖的增量计算方法，该方法根据关系表变化前的最小非平凡函数依赖集、增量数据集、变化前的关系表的划分信息集，增量检测原有的最小函数依赖是否成立，最后确定关系表变化后的最小非平凡函数依赖集。该方法按照元组的操作类型(增加、删除或修改)，进行相应的最小函数依赖的增量计算。由于在实际应用中，数据库变化后，原数据集中的大多数最小函数依赖都是有效的，本发明提出的方法不需要重新计算新数据集的所有最小函数依赖，仅需要计算原最小函数依赖集的新增及删除的最小函数依赖，因此效率较高，且灵活性强，计算结果准确。
-
公开(公告)号：CN113742447A
公开(公告)日：2021-12-03
申请号：CN202110814028.9
申请日：2021-07-19
Applicant: 暨南大学
IPC: G06F16/33 , G06F16/332 , G06F16/36
Abstract: 本发明公开了一种基于查询路径生成的知识图谱问答方法、介质和设备，首先针对问题‑答案训练集中各问题‑答案训练样本，基于知识图谱构建问题‑谓语序列数据集，然后训练得到谓语序列检测器；针对需要回答的问题，首先通过谓语序列检测器识别出问题的谓语序列；通过问题的焦点词、谓语序列和实体的标签值构建核心路径，接着通过分析问题识别约束条件，并在此基础上基于核心路径构建得到查询路径；根据问题，并依据核心路径中获取到的候选答案和查询路径，选择最终答案；本发明能够有效提高知识图谱的搜索效率，并且能够精确地理解问题的意图，大大缩小答案的选择范围，保证答案的正确性，节省资源的耗费。
-
Patent Agency Ranking
公开(公告)号：CN110543563A
公开(公告)日：2019-12-06
申请号：CN201910767580.X
申请日：2019-08-20
Applicant: 暨南大学
Abstract: 本发明公开了一种层次型文本分类方法及系统，方法包括步骤：根据文本类标签的树型层次结构，给文本类标签层次树中的类标签节点编号；在每个非叶节点上训练分类器，分类器输出初步预测类标签概率向量，向量元素代表该文本被分为每一个类标签的概率；然后利用文本类标签之间的联系，训练调整概率矩阵，调整概率矩阵中元素是类标签被调整为各个类标签的概率；通过训练得到的调整概率矩阵对文本类标签进行全局统筹修正，构建全局层次型文本分类模型。本发明打通了类标签层与层之间的联系，可以使文本类别预测错误率在每一层都有所减少，提高层次型文本分类的准确率。
-
公开(公告)号：CN110688491B
公开(公告)日：2022-05-10
申请号：CN201910908549.3
申请日：2019-09-25
Applicant: 暨南大学
Abstract: 本发明公开了一种基于深度学习的机器阅读理解方法、系统、设备及介质，所述方法包括：构建问题分类模型﹑支持句查找模型和答案确定模型；将目标问题输入问题分类模型，通过问题分类模型进行预测，输出得到目标问题类型；将目标问题和一篇待阅读理解文章输入支持句查找模型，通过支持句查找模型进行预测，输出得到与目标问题答案相关的支持句序列；将目标问题、与目标问题类型对应的答案类型以及与目标问题答案相关的支持句序列输入答案确定模型，通过答案确定模型进行预测，输出得到目标问题的答案。本发明适用于英文机器阅读理解任务，能够有效处理文章段落较多、需要在多段中进行推理才能获得答案的情况，提高机器阅读理解的准确性。
-
公开(公告)号：CN110543563B
公开(公告)日：2022-03-08
申请号：CN201910767580.X
申请日：2019-08-20
Applicant: 暨南大学
Abstract: 本发明公开了一种层次型文本分类方法及系统，方法包括步骤：根据文本类标签的树型层次结构，给文本类标签层次树中的类标签节点编号；在每个非叶节点上训练分类器，分类器输出初步预测类标签概率向量，向量元素代表该文本被分为每一个类标签的概率；然后利用文本类标签之间的联系，训练调整概率矩阵，调整概率矩阵中元素是类标签被调整为各个类标签的概率；通过训练得到的调整概率矩阵对文本类标签进行全局统筹修正，构建全局层次型文本分类模型。本发明打通了类标签层与层之间的联系，可以使文本类别预测错误率在每一层都有所减少，提高层次型文本分类的准确率。
-
公开(公告)号：CN109446440B
公开(公告)日：2021-02-05
申请号：CN201811165863.9
申请日：2018-10-08
Applicant: 暨南大学
IPC: G06F16/954 , G06F16/958
Abstract: 本发明公开了一种深网查询接口集成方法、系统、计算设备及存储介质，所述方法包括：计算局部查询接口的所有最大属性簇的频度；将局部查询接口的所有最大属性簇按照频度从高到低进行排序；将已排序的属性簇依次插入全局查询接口中，直至全局查询接口与局部查询接口之间的距离不再减小。本发明适合于面向特定领域的深网查询接口集成，根据一组局部查询接口，可以构建一个全局查询接口，使全局查询接口与局部查询接口之间总体上相异度小。
-
公开(公告)号：CN112199461A
公开(公告)日：2021-01-08
申请号：CN202010980661.0
申请日：2020-09-17
Applicant: 暨南大学
IPC: G06F16/31 , G06F16/33 , G06F16/332 , G06F16/338
Abstract: 本发明公开了一种基于块索引结构的文档检索方法、装置、介质和设备，首先从文档集中提取关键词并扩展关键词；然后以关键词为索引词，根据索引词与包含该索引词的文档之间的相关性分数，采用块索引结构，构建多层次索引表。针对查询语句，从中抽取查询词，并且获取查询词的扩展词；从索引表中获取与查询词和扩展词匹配的所有索引词；利用索引表中预计算的信息，将匹配的查询词及扩展词与文档之间的相关性分数累加，动态锁定相关性累加分数前k名的文档；当满足检索终止条件，即前k名文档不再发生替换变动时，停止索引块的检索遍历，得到按查询相关性分数累加值排名前k的文档结果集。本发明具有文档检索效率高、成本低以及准确性高的优点。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.03 seconds)
