-
公开(公告)号：CN115146057B
公开(公告)日：2024-06-28
申请号：CN202210593665.2
申请日：2022-05-27
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06F18/25 , G06F18/2415 , G06V10/77
Abstract: 本发明公开了基于交互注意力的供应链生态区图文融合情感识别方法，包括如下步骤：对供应链生态社区的图文评论数据集进行预处理，得到预处理后的图文数据集；建立基于BERT预训练的文本特征提取模型和基于Transformer的图像特征提取模型，通过文本特征提取模型提取出预处理后的图文数据集中文本特征，通过图像特征提取模型提取出预处理后的图文数据集中图像特征；将提取的图像特征和文本特征送入基于改进注意力机制的特征融合模块进行特征融合，得到图像和文本的融合特征向量；建立基于文本和图像的多模态情感分析模型，利用图像和文本的融合特征向量进行情感分析，得到情感分类。通过本发明，可以实现充分而且有效的融合不同模态之间的信息，提升情感分类的准确率。
-
公开(公告)号：CN112115238B
公开(公告)日：2022-11-15
申请号：CN202011177960.7
申请日：2020-10-29
Applicant: 电子科技大学
IPC: G06F16/33 , G06F40/295 , G06N5/02 , G06N3/04
Abstract: 本发明公开一种基于BERT和知识库的问答方法和系统，应用于信息检索领域，针对现有的知识库问答系统存在的缺陷，本发明构分别建基于BERT‑CRF和语言模型的命名实体识别模型，与基于BERT和语言模型的文本相似度二分类模型；并对两个模型进行训练，采用训练完成的两个模型对待解答的问题语料进行处理，能得到该问题的正确答案，并自动改写回答。
-
公开(公告)号：CN115146057A
公开(公告)日：2022-10-04
申请号：CN202210593665.2
申请日：2022-05-27
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06K9/62 , G06V10/77
Abstract: 本发明公开了基于交互注意力的供应链生态区图文融合情感识别方法，包括如下步骤：对供应链生态社区的图文评论数据集进行预处理，得到预处理后的图文数据集；建立基于BERT预训练的文本特征提取模型和基于Transformer的图像特征提取模型，通过文本特征提取模型提取出预处理后的图文数据集中文本特征，通过图像特征提取模型提取出预处理后的图文数据集中图像特征；将提取的图像特征和文本特征送入基于改进注意力机制的特征融合模块进行特征融合，得到图像和文本的融合特征向量；建立基于文本和图像的多模态情感分析模型，利用图像和文本的融合特征向量进行情感分析，得到情感分类。通过本发明，可以实现充分而且有效的融合不同模态之间的信息，提升情感分类的准确率。
-
-
公开(公告)号：CN109284400B
公开(公告)日：2020-10-23
申请号：CN201811434481.1
申请日：2018-11-28
Applicant: 电子科技大学
IPC: G06F40/295 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于Lattice LSTM和语言模型的命名实体识别方法，该方法包括语言模型训练语料预处理，构建基于LSTM的语言模型，命名实体识别训练语料预处理，构建基于Lattice LSTM和语言模型的命名实体识别模型，进行命名实体识别。本发明通过构建基于Lattice LSTM和语言模型的命名实体识别模型，有效的利用了字符嵌入和词嵌入来进行命名实体识别，并且在命名识别模型中使用语言模型来提供上下文信息，显著提高了命名实体识别的识别精度，同时减少了人工数据标注造成的人力消耗。
-
Patent Agency Ranking
公开(公告)号：CN109657239B
公开(公告)日：2020-04-21
申请号：CN201811517779.9
申请日：2018-12-12
Applicant: 电子科技大学
IPC: G06F40/295
Abstract: 本发明公开了一种基于注意力机制和语言模型学习的中文命名实体识别方法，该方法包括构建基于字的字典，对每个元素对应的ID号进行向量转换，通过restricted Self‑attention层进行组合，通过第一层Bi‑LSTM进行拼接组合并训练语言模型，通过第二层Bi‑LSTM进行拼接组合并采用条件随机场方法进行标签预测训练，将数据集进行随机排列并采用Adam优化方法进行多轮训练，利用神经网络对待识别的文本数据进行中文命名实体识别。本发明只基于字的特征，不需要进行分词和其他的词性、句法等人工特征，提高了方法的健壮性和鲁棒性；而且本发明对未登录词表现良好，且性能优良，可以很好的提高下游任务的性能。
-
公开(公告)号：CN108509996A
公开(公告)日：2018-09-07
申请号：CN201810287707.3
申请日：2018-04-03
Applicant: 电子科技大学
IPC: G06K9/62
CPC classification number: G06K9/6228 , G06K9/6256
Abstract: 本发明公开了一种基于Filter和Wrapper选择算法的特征选择方法，其包括导入全部特征子集，采用方差法筛选发散特征，采用Pearson相关系数法筛选非冗余特征，采用特征空间搜索方法生成新的特征子集，采用神经网络训练学习模型，构建特征子集的评价标准，输出特征子集。本发明结合了Filter选择算法和Wrapper选择算法的优点，利用二者的互补特性，提高了算法效率的同时，减少了计算成本。
-
公开(公告)号：CN118396090B
公开(公告)日：2025-01-07
申请号：CN202410484457.8
申请日：2024-04-22
Applicant: 电子科技大学
IPC: G06N5/022 , G06N3/042 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/08
Abstract: 本发明提供基于多层次对齐的知识图谱融合方法及系统，涉及数据处理领域，该方法包括：获取设计反演故障知识图谱、调试联试故障知识图谱和跨域协同故障知识图谱；针对现有基于嵌入的知识图谱融合方法无法平等对待实体、关系和属性等多个特征的问题，构建多层次对齐的知识图谱融合模型，模型包括知识图谱输入模块、知识图谱嵌入模块及知识图谱融合输出模块；知识图谱输入模块对知识图谱进行预处理，重点解决本体层标准不统一、数据噪音大的问题，为后续的嵌入模块、融合输出模块提供一致的基础；知识图谱嵌入模块以平等的方式通过不同编码器分别提取设计反演故障知识图谱、调试联试故障知识图谱和跨域协同故障知识图谱中的实体、关系及属性的嵌入特征；知识图谱融合输出模块基于知识图谱嵌入模块提取的实体、关系及属性的嵌入特征，对设计反演故障知识图谱、调试联试故障知识图谱和跨域协同故障知识图谱进行融合，生成融合后的故障知识图谱；基于融合后的故障知识图谱，进行电子装备故障诊断。
-
公开(公告)号：CN115063066B
公开(公告)日：2024-10-15
申请号：CN202210585060.9
申请日：2022-05-26
Applicant: 电子科技大学
IPC: G06Q10/083 , G06Q10/0631 , G06N3/042 , G06N3/0464 , G06N3/092 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于图卷积的零部件供应循环包装箱配送调度方法，通过构建基于图卷积的编码器；构建基于注意力机制的解码器；强化学习训练循环包装箱配送调度模型；使用训练好的配送调度模型求解循环包装箱配送调度问题。
-
公开(公告)号：CN116680359A
公开(公告)日：2023-09-01
申请号：CN202310587678.3
申请日：2023-05-23
Applicant: 电子科技大学
IPC: G06F16/33 , G06F16/332 , G06F40/289 , G06F40/30 , G06N3/0442 , G06N3/08
Abstract: 本发明公开的一种文本检索式问答方法及，包括如下步骤：S1、将问句和大量文本段落，输入基于BM25的段落相似度检索模型，进行文本段落的召回式检索，获取相似段落列表；S2、将问句与相似段落列表中的文本段落，输入基于机器阅读理解的答案抽取模型，获得文本段落中答案开始和结束概率最高的位置，将其中的文本作为候选答案，比较多个文本段落中的候选答案，生成文本答案。本发明结合BERT和BiLSTM模型，对问句与相似段落列表中的文本段落进行双向语义捕捉，实现更深层次的语义交互。这使得系统能够在多个文本段落中生成候选答案，并比较这些候选答案以找出最准确的答案。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.023 seconds)
