-
Patent Agency Ranking
公开(公告)号：CN115661850B
公开(公告)日：2023-04-07
申请号：CN202211700841.4
申请日：2022-12-29
Applicant: 武汉大学
Abstract: 本发明涉及一种融合多特征的印章识别方法。首先提取印章图像的颜色特征图、边缘特征图和原始灰度特征图，然后将三种特征图输入深度学习模型进行识别，最后将识别结果与知识图谱中的节点进行比对，并对相关知识进行展示。实验结果表明，本发明所提方法对印章识别任务有良好的效果，其中多维度的特征图可以提高模型对复杂情境的识别能力和鲁棒性。
-
公开(公告)号：CN115661850A
公开(公告)日：2023-01-31
申请号：CN202211700841.4
申请日：2022-12-29
Applicant: 武汉大学
Abstract: 本发明涉及一种融合多特征的印章识别方法。首先提取印章图像的颜色特征图、边缘特征图和原始灰度特征图，然后将三种特征图输入深度学习模型进行识别，最后将识别结果与知识图谱中的节点进行比对，并对相关知识进行展示。实验结果表明，本发明所提方法对印章识别任务有良好的效果，其中多维度的特征图可以提高模型对复杂情境的识别能力和鲁棒性。
-
公开(公告)号：CN115658892A
公开(公告)日：2023-01-31
申请号：CN202211279273.5
申请日：2022-10-19
Applicant: 武汉大学
IPC: G06F16/35 , G06F16/36 , G06N5/02 , G06F16/33 , G06F40/295 , G06F40/30 , G06F40/216 , G06N3/04 , G06N3/084 , G06N3/088
Abstract: 本发明提供了一种面向金融风险知识图谱的动态关系预测方法及设备。所述方法包括：步骤S1至步骤S8。本发明使用知识图谱的层级结构作为特征提取层的结构，并将命名实体的特征注入特征提取层的神经元中，特征提取层的神经元为不同的命名实体，特征提取层间的连接为命名实体间的关系，同时使用无监督的语言模型作为训练任务，对输入语句进行特征提取，进而对命名实体间的关系进行学习，保证实体间关系更新的及时性。
-
公开(公告)号：CN114118779B
公开(公告)日：2024-05-10
申请号：CN202111404720.0
申请日：2021-11-24
Applicant: 武汉大学
IPC: G06Q10/0635 , G06F16/36 , G06F16/953 , G06N3/0464 , G06N3/06 , G06N3/08
Abstract: 本发明提供了一种基于KGANN的面向互联网舆情事件的企业风险识别方法，通过重构神经网络的神经元，在保留知识图谱内容和结构的基础上，实现知识图谱和神经网络的融合，在识别风险过程中考虑到企业相关的领域知识。领域知识可以对特征向量进行补充或约束，从而使所提方法在识别风险时更具有针对性，从而提升模型风险识别能力。而且KGANN通过引入领域知识，在小规模数据集上表现优异。本发明在面向互联网舆情事件的企业风险识别任务上相较于传统方法具有显著优势。
-
公开(公告)号：CN114118779A
公开(公告)日：2022-03-01
申请号：CN202111404720.0
申请日：2021-11-24
Applicant: 武汉大学
Abstract: 本发明提供了一种基于KGANN的面向互联网舆情事件的企业风险识别方法，通过重构神经网络的神经元，在保留知识图谱内容和结构的基础上，实现知识图谱和神经网络的融合，在识别风险过程中考虑到企业相关的领域知识。领域知识可以对特征向量进行补充或约束，从而使所提方法在识别风险时更具有针对性，从而提升模型风险识别能力。而且KGANN通过引入领域知识，在小规模数据集上表现优异。本发明在面向互联网舆情事件的企业风险识别任务上相较于传统方法具有显著优势。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
