-
公开(公告)号：CN118194846A
公开(公告)日：2024-06-14
申请号：CN202410494551.1
申请日：2024-04-24
Applicant: 西安电子科技大学
IPC: G06F40/205 , G06N3/0442 , G06N3/045 , G06N3/094
Abstract: 本发明公开了一种基于对抗学习的实体关系联合抽取方法，涉及自然语言处理领域，用以提高实体关系联合抽取的效率和准确率。本发明利用预训练的BERT模型对输入句子进行编码，同时生成潜在关系集合和全局对应矩阵；将每个潜在关系的编码和句子编码进行拼接，通过双向长短期记忆网络建模上下文信息，利用标签标注方法分别对句子进行主体和客体标记；利用全局对应矩阵对所有可能的三元组进行约束过滤，得到最终三元组。本发明将潜在关系向量作为先验信息抽取实体，可以使神经网络模型更关注于潜在关系类型相关的语义信息，提高了联合抽取的效率。通过双向长短期记忆网络建模上下文信息，并引入对抗学习的思想，进一步提升了实体关系联合抽取的准确率。
-
公开(公告)号：CN117294337B
公开(公告)日：2024-09-13
申请号：CN202311426578.9
申请日：2023-10-30
Applicant: 西安电子科技大学
Abstract: 本申请公开了一种CSI载波频率偏移估计方法及装置，首先发送端根据CFO值域范围计算最小采样间隔，并利用最小采样间隔构建均匀采样时间点序列，然后通过时域多陪集采样从均匀采样时间点序列中抽取非均匀采样时间点序列，根据非均匀采样时间点序列的采样间隔发送CFO测量帧序列至接收端，接收端获取CFO测量帧序列的CSI，计算CSI的相邻帧相位差序列，并对相邻帧相位差序列进行周期变换、快速傅里叶变换得到CFO精确估计值，通过利用时域多陪集采样能够避免Wi‑Fi信号欠采样所发生的问题，基于CSI实现在欠采样情况下的CFO精确估计。
-
Patent Agency Ranking
公开(公告)号：CN118313382A
公开(公告)日：2024-07-09
申请号：CN202410565145.X
申请日：2024-05-09
Applicant: 西安电子科技大学
IPC: G06F40/295 , G06F40/30 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/047 , G06N3/0499 , G06N3/091 , G06N3/048
Abstract: 本发明公开了一种基于特征金字塔的小样本命名实体识别方法和系统，涉及命名实体识别领域，用以提高小样本情况下的识别准确率。本发明将目标语句输入BERT模型，得到句子级的特征向量；将该特征向量输入双向长短期记忆网络，增强特征向量的顺序；将长短期记忆网络的输出结果使用非对称卷积核进行卷积操作；最后使用多层感知机将BERT模型的输出、长短期记忆网络的输出以及卷积模块的输出进行特征融合，并且使用条件随机场进行标签的预测。本发明使用特征金字塔的方法进行多级特征融合，使得模型充分利用语句中的信息，明显的提升了模型在小样本的情况下对命名实体识别的预测性能。
-
公开(公告)号：CN117294337A
公开(公告)日：2023-12-26
申请号：CN202311426578.9
申请日：2023-10-30
Applicant: 西安电子科技大学
Abstract: 本申请公开了一种CSI载波频率偏移估计方法及装置，首先发送端根据CFO值域范围计算最小采样间隔，并利用最小采样间隔构建均匀采样时间点序列，然后通过时域多陪集采样从均匀采样时间点序列中抽取非均匀采样时间点序列，根据非均匀采样时间点序列的采样间隔发送CFO测量帧序列至接收端，接收端获取CFO测量帧序列的CSI，计算CSI的相邻帧相位差序列，并对相邻帧相位差序列进行周期变换、快速傅里叶变换得到CFO精确估计值，通过利用时域多陪集采样能够避免Wi‑Fi信号欠采样所发生的问题，基于CSI实现在欠采样情况下的CFO精确估计。
-
公开(公告)号：CN119150974A
公开(公告)日：2024-12-17
申请号：CN202411622375.1
申请日：2024-11-14
Applicant: 西安电子科技大学
IPC: G06N5/022 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于对抗学习与标签传播的时序知识图谱中实体对齐方法，涉及知识表达领域，用以提升实体对齐的准确性和鲁棒性。本发明对于待对齐的时序知识图谱，分别从时序知识图谱中实体与关系和时间的邻接矩阵中，迭代学习含有关系和时间语义信息的实体标签，得到两个时序知识图谱的标签实体嵌入向量；基于对抗学习分别消除各标签实体嵌入向量中实体的度感知，得到两个时序知识图谱的最终实体嵌入向量；基于对预对齐的时序知识图谱样本中等价实体的半监督学习，在两个最终实体嵌入向量间进行实体对齐。本发明充分考虑了实体随时间和关系推移对实体对齐的影响，同时消除了实体度感知对实体对齐的影响，提升了对齐的准确率和鲁棒性。
-
公开(公告)号：CN118333828A
公开(公告)日：2024-07-12
申请号：CN202410511039.3
申请日：2024-04-26
Applicant: 西安电子科技大学
IPC: G06T1/00 , G06N3/0455 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N3/094
Abstract: 本发明公开了一种兼顾容量和鲁棒性的图像隐写系统和方法，涉及图像处理领域，用以兼顾图像隐写中秘密信息的高容量和高鲁棒性问题。本发明通过构建神经网络来执行：生成秘密信息；将秘密信息与载体图像拼接后，与加权的秘密信息和载体图像进行密集连接，得到载密图像；并在训练神经网络时评价得到的载密图像是否为加密的图像；对载密图像进行加噪，得到噪声图像；从噪声图像中提取出秘密信息；训练该神经网络，以最小化将得到的载密图像评价为加密的图像的可能性，以及最小化所提取出的秘密信息与所生成的秘密信息的差距。本发明加入了噪声网络来提升网络模型的鲁棒性，使用可分离卷积构建编码器模块和解码器模块，提升了嵌密容量。
-
公开(公告)号：CN118113881A
公开(公告)日：2024-05-31
申请号：CN202410245555.6
申请日：2024-03-05
Applicant: 西安电子科技大学
IPC: G06F16/36
Abstract: 本发明公开了一种基于多特征融合学习的时序知识图谱补全方法，涉及知识图谱领域，用以提高时序知识图谱补全的准确率。本发明将时序知识图谱转换为四元组形式，分别从文本特征、语义知识特征和时间演化特征三个方面挖掘时序知识图谱中实体和关系的隐含特征，对三个特征采用注意力机制进行融合、预测，以此训练预测模型，最后用训练的模型对待补全的时序知识图谱进行预测补全。本发明以外部语义库扩充了实体关系语义知识，增强了模型对上下文和语义的理解；同时挖掘原始文本特征、语义知识特征和时序历史特征这三个关键特征进行融合，提高了模型预测补全能力。
-
-
-
-
-
-
Search Results
7
records
(took 0.024 seconds)
