-
公开(公告)号：CN113836306A
公开(公告)日：2021-12-24
申请号：CN202111164139.6
申请日：2021-09-30
Applicant: 首都师范大学
Abstract: 本申请属于文本处理技术领域，具体涉及一种基于篇章成分识别的作文自动测评方法，该方法包括：获取用于测评的目标作文，目标作文为人物类中文记叙文文体作文；将目标作文输入到篇章成分识别模型中，得到篇章成分识别结果；其中，篇章成分识别模型是以标记段落结构作用的中文记叙文文体作文为训练样本，对融合注意力机制的双向长短时记忆网络进行训练得到的分类模型；将目标作文和篇章成分识别结果输入到基于文本卷积神经网络构建的篇章结构合理性评判模型，得到测评类别。本申请方法充分考虑了篇章成分及结构对作文评分的影响，通过建立的作文篇章成分标注及篇章结构评测数据集训练得到分类模型，从而实现了基于篇章成分及结构识别的自动测评。
-
公开(公告)号：CN109801306B
公开(公告)日：2020-10-27
申请号：CN201910059401.7
申请日：2019-01-22
Applicant: 首都师范大学
Abstract: 公开了一种基于高分遥感影像的潮沟提取方法，方法包括下述步骤：采集高分辨率遥感影像，遥感影像经由辐射定标及大气校正消除大气干扰。本文方法的策略是将宽阔潮沟与细小潮沟分开提取，其中，宽度大于等于预定个像素的潮沟为宽阔潮沟，宽度小于预定个像素的潮沟为细小潮沟。利用归一化水体指数(NDWI)和最大类间方差法(OTSU)提取宽阔潮沟。采用SEaTH算法，利用J‑M(Jeffries‑Matusita)距离计算类间可分离性，选择潮沟和潮滩差异较大的波段进行细小潮沟提取。针对SEaTH算法筛选出的波段，利用改进的模糊C均值算法进行均一化异质背景后，使用多尺度高斯匹配滤波增强具有高斯形的细小潮沟。接着使用基于全局均值和标准差的自适应阈值分割提取细小潮沟。然后去除细小潮沟中的碎屑斑块。最后将细小潮沟同宽阔潮沟采用沟逻辑或运算合并，形成完整的潮沟。
-
公开(公告)号：CN111782768A
公开(公告)日：2020-10-16
申请号：CN202010622631.2
申请日：2020-06-30
Applicant: 首都师范大学
IPC: G06F16/33 , G06F16/35 , G06F40/295 , G06N3/04
Abstract: 本发明涉及细粒度实体识别技术领域，尤其涉及一种基于双曲空间表示和标签文本互动的细粒度实体识别方法。包括步骤：S1、基于数据集中已标注的实体和上下文，并对实体和上下文进行交互，得到实体-上下文表示；S2、在双曲空间下，基于数据集中的标签，并结合预先训练的图卷积神经网络模型，得到词级标签关系矩阵；S3、将实体-上下文表示和词级标签关系矩阵输入预先训练的基于双曲空间的标签文本互动机制模型，输出实体最终的标签分类结果。解决了现有技术中共现关系含噪、双曲空间文本标签映射匹配差的技术问题。
-
公开(公告)号：CN111738141A
公开(公告)日：2020-10-02
申请号：CN202010566088.9
申请日：2020-06-19
Applicant: 首都师范大学
Abstract: 本公开涉及一种硬笔书法作品评判方法，包括：以评判标准为依据获取硬笔汉字图像，并基于硬笔汉字图像建立评判数据集；针对评判数据集中的汉字基于特征点集进行特征选取得到多个特征，其中特征点集为构成各汉字的全部特征点组成的集合；基于主动形状模型对多个特征的特征点进行自动标注，得到标注特征；将评判数据集中的标准字与待评价字的按照标注特征进行比对和计算，得到多个特征相似度；根据多个特征、标注的特征点和特征匹配算法建立汉字特征库；基于汉字特征库中汉字对应的评分标注和特征相似度建立汉字自动评判模型。本公开可以提升标注准确率，提高评判工作的专业性、客观性，利用计算机实现对硬笔汉字书写美观度的自动评判。
-
公开(公告)号：CN113360615B
公开(公告)日：2024-03-08
申请号：CN202110615879.0
申请日：2021-06-02
Applicant: 首都师范大学
IPC: G06F16/332 , G06F16/335 , G06F16/36 , G06F16/38 , G06F40/284 , G06F40/30 , G06N3/045 , G06N3/042 , G06N3/0464 , G06N3/08
-
Patent Agency Ranking
公开(公告)号：CN116187339A
公开(公告)日：2023-05-30
申请号：CN202310104079.1
申请日：2023-02-13
Applicant: 首都师范大学
IPC: G06F40/30 , G06F40/268 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了基于双塔模型进行特征语义融合的作文自动评分方法,包括：构建初始双塔模型，根据非目标主题作文数据获取作文词性表示，基于作文词性表示通过卷积神经网络获取词级别的作文特征表示，基于词级别的特征表示通过循环神经网络获取句子级别的词性表示；根据非目标主题作文数据获取作文语义表示，基于作文语义表示通过使用循环神经网络获取句子级别的语义表示；将句子级别的词性表示和句子级别的语义表示进行融合并通过使用注意力机制获取作文表示，基于作文表示结合作文手工特征对初始双塔模型进行训练，获取训练后的双塔模型；获取目标主题作文数据，将目标主题作文数据输入训练后的双塔模型，获取作文分数。
-
公开(公告)号：CN112732746B
公开(公告)日：2023-05-12
申请号：CN202110051652.8
申请日：2021-01-13
Applicant: 首都师范大学
IPC: G06F16/242
Abstract: 本发明涉及一种基于SPARQL端点联合的动态连接排序方法，方法包括：根据SPARQL语句确定所有子查询语句；评估每个子查询语句的代价；选择代价最小的子查询语句；基于选择的子查询语句，在未选择的子查询语句中确定下一个选择的子查询语句；重复执行，直至所有子查询语句均被选择；按选择顺序排列并连接所有子查询语句，得到最终查询语句。本发明的方案，评估每个子查询语句的代价；选择代价最小的子查询语句；重复执行基于选择的子查询语句，在未选择的子查询语句中确定下一个选择的子查询语句；直至所有子查询语句均被选择；按选择顺序排列并连接所有子查询语句，得到最终查询语句，提高了连接排序的优化速率，改善了联合查询的性能。
-
公开(公告)号：CN112732746A
公开(公告)日：2021-04-30
申请号：CN202110051652.8
申请日：2021-01-13
Applicant: 首都师范大学
IPC: G06F16/242
Abstract: 本发明涉及一种基于SPARQL端点联合的动态连接排序方法，方法包括：根据SPARQL语句确定所有子查询语句；评估每个子查询语句的代价；选择代价最小的子查询语句；基于选择的子查询语句，在未选择的子查询语句中确定下一个选择的子查询语句；重复执行，直至所有子查询语句均被选择；按选择顺序排列并连接所有子查询语句，得到最终查询语句。本发明的方案，评估每个子查询语句的代价；选择代价最小的子查询语句；重复执行基于选择的子查询语句，在未选择的子查询语句中确定下一个选择的子查询语句；直至所有子查询语句均被选择；按选择顺序排列并连接所有子查询语句，得到最终查询语句，提高了连接排序的优化速率，改善了联合查询的性能。
-
公开(公告)号：CN113360615A
公开(公告)日：2021-09-07
申请号：CN202110615879.0
申请日：2021-06-02
Applicant: 首都师范大学
IPC: G06F16/332 , G06F16/335 , G06F16/36 , G06F16/38 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识图谱和时序特征的对话推荐方法、系统、设备及介质，其方法包括：首先，获取用户的至少一组对话数据；其次，将对话数据输入预先训练的对话推荐模型中，先后通过语义融合层获取对话数据的表征向量，通过时序优化层对所述表征向量赋予时序特征，以及获取对话关键信息和用户偏好信息；最后，依据所述时序特征、所述对话关键信息以及所述用户偏好信息，生成至少一组用于对话的应答和/或至少一个用于推荐的item。本发明提出了一种基于知识图谱和时序特征的框架，通过利用两个外部知识图谱增强word和item的语义表示，并且利用时序优化层根据对话内容的顺序给出不同的推荐意见，提升了对话推荐系统的性能。
-
公开(公告)号：CN112749184A
公开(公告)日：2021-05-04
申请号：CN202110065571.3
申请日：2021-01-13
Applicant: 首都师范大学
IPC: G06F16/242
Abstract: 本发明涉及一种SPARQL联合查询的数据源选择方法，方法包括：获取SPARQL语句；根据查询语句形成有向标签图；生成有向标签图对应的资源相关图；根据资源相关图选择数据源。本发明的方法根据查询语句形成有向标签图；生成有向标签图对应的资源相关图；根据资源相关图选择数据源，可以明显减少数据源选择的数量和选择时间。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.035 seconds)
