-
公开(公告)号：CN119202666A
公开(公告)日：2024-12-27
申请号：CN202411350498.4
申请日：2024-09-26
Applicant: 中国地质大学(武汉)
IPC: G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/08 , G06Q50/02
Abstract: 本发明公开一种参考作物蒸发蒸腾量预测方法、存储介质、设备，涉及参考作物蒸发蒸腾量预测领域，方法包括：根据灌区历史气象数据计算出历史参考作物蒸发蒸腾量；利用Pearson相关系数确定历史参考作物蒸发蒸腾量和不同气象因素之间的相关关系，筛选相关关系较大的前k个气象因素；构建由季节趋势分解模块、季节周期特征预测模块、长期趋势特征预测模块组成的参考作物蒸发蒸腾量预测模型；季节周期特征预测模块包括频域数据嵌入单元、基于transformer编码器的时间步的自注意力层单元、基于通道注意力机制跨维度的通道注意力层单元、线性层单元。本发明的方案可以更好地提取数据周期性特征。
-
公开(公告)号：CN109947948B
公开(公告)日：2021-04-09
申请号：CN201910148591.X
申请日：2019-02-28
Applicant: 中国地质大学(武汉)
IPC: G06F16/36 , G06F40/289
Abstract: 本发明公开了一种基于张量的知识图谱表示学习方法及系统，本发明针对现有的知识图谱表示学习方法只考虑三元组本身信息、实体文本描述信息、实体图片信息、实体层次结构信息，而忽略了图谱的局部网络结构信息导致知识表示学习效果不佳的问题，本发明在知识图谱的表示学习中，考虑了每个实体的局部网络结构信息。首先，根据知识图谱的数据集，生成每个实体的掩码矩阵；其次，训练张量R，表示整个数据集的语义信息，每个实体可以通过掩码矩阵和R作用，得到每个实体的语义张量表达；然后，训练向量r，表示将每个实体语义张量映射至特定语义空间中的映射向量；最后在特定的语义空间进行训练，提高知识图谱表示学习的准确性。
-
公开(公告)号：CN109919192A
公开(公告)日：2019-06-21
申请号：CN201910090400.9
申请日：2019-01-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于卷积神经网络和词向量的图像分类方法及系统，其方法包括：首先获取训练用的图像数据集和语料数据集；然后对所述语料数据集进行词向量生成处理，获取所述语料数据集对应的词向量集，并根据词向量集，得到标签对应的词语的语义向量集；进而，对所述训练用的图像数据集做预处理，并将预处理后的图像数据集和标签对应的词语的语义向量集输入图片分类模型，以对图片分类模型进行训练，得到训练后的图片分类模型；最后利用训练好的图片分类模型，对待分类图片进行图片分类。本发明的有益效果是：在原有的图像卷积分类的基础上添加标签词向量，并利用标签词向量调节图片分类模型的内部参数，从而大大提高了图像分类的准确率。
-
公开(公告)号：CN109241078A
公开(公告)日：2019-01-18
申请号：CN201811005179.4
申请日：2018-08-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/242 , G06F16/2453 , G06F16/28 , G06F16/901
Abstract: 本发明一种基于混合数据库的知识图谱组织查询方法，包括：获取预设数据集中的三元组集合；从三元组集合中区分出实体三元组集合和关系三元组集合；在Neo4j上进行实体三元组集合的存储，得到带实体的知识库；针对带实体的知识库构建索引，得到带索引和实体的知识库；在Neo4j上进行关系三元组集合的存储，得到带索引、实体和关系的知识库；在MySQL上进行实体歧义信息的存储，构建实体歧义词表；将构建的实体歧义词表存储到带索引、实体和关系的知识库，得到完整的知识库。本发明结合关系型数据库和图数据库各自的优点，提出基于混合数据库的知识图谱组织方法，适用于一般的大规模开放领域知识图谱，在优化知识图谱存储结构的同时改善了知识图谱的查询效率。
-
公开(公告)号：CN119848189A
公开(公告)日：2025-04-18
申请号：CN202411781069.2
申请日：2024-12-05
Applicant: 中国地质大学(武汉)
IPC: G06F16/3329 , G06F16/35 , G06F16/36 , G06N3/0442
Abstract: 本发明公开一种司法文本的实体和关系抽取方法、系统、介质、设备，涉及实体抽取技术领域，方法包括：对司法文本的实体进行标注，得到真值标签；构建实体抽取模块、事件抽取模块、微调大模型抽取模块；微调大模型抽取模块分为生成任务和分类任务，基于司法文本，分别得到实体补充数据和伪标签；实体抽取模块基于司法文本、补充数据，以真值标签和伪标签作为监督进行实体抽取；事件抽取模块根据实体抽取模块已抽取的实体、司法文本、补充数据，以真值标签和伪标签作为监督进行事件抽取，并提取事件中的关系，帮助案情分析。本发明能为低频实体类别提供更多样本，并提升模型对易混淆实体的区分能力，基于实体提取关系，便于快速分析案情。
-
Patent Agency Ranking
公开(公告)号：CN109241078B
公开(公告)日：2021-07-20
申请号：CN201811005179.4
申请日：2018-08-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/242 , G06F16/2453 , G06F16/28 , G06F16/901
Abstract: 本发明一种基于混合数据库的知识图谱组织查询方法，包括：获取预设数据集中的三元组集合；从三元组集合中区分出实体三元组集合和关系三元组集合；在Neo4j上进行实体三元组集合的存储，得到带实体的知识库；针对带实体的知识库构建索引，得到带索引和实体的知识库；在Neo4j上进行关系三元组集合的存储，得到带索引、实体和关系的知识库；在MySQL上进行实体歧义信息的存储，构建实体歧义词表；将构建的实体歧义词表存储到带索引、实体和关系的知识库，得到完整的知识库。本发明结合关系型数据库和图数据库各自的优点，提出基于混合数据库的知识图谱组织方法，适用于一般的大规模开放领域知识图谱，在优化知识图谱存储结构的同时改善了知识图谱的查询效率。
-
公开(公告)号：CN109145293B
公开(公告)日：2021-05-28
申请号：CN201810883678.7
申请日：2018-08-06
Applicant: 中国地质大学(武汉)
IPC: G06F40/289 , G06F40/253 , G06F40/216
Abstract: 本发明涉及一种面向案情的关键词提取方法，首先根据用于训练模型的案情描述获取用于训练模型的案情描述的词向量矩阵和词法特征矩阵；然后采用python库中的keras包，将用于训练模型的案情描述的词向量矩阵放入到一个keras的模型中去，用于训练模型的案情描述的词法特征矩阵也放入到一个keras中的模型中去，然后将两个模型利用keras中的merge功能，将两个模型合并为一个模型，然后将这个模型运用keras中的fit功能来训练模型；最后将待预测关键词的案情描述输入到模型中，进行关键词的提取，提取所需的关键词。利用本发明的这种方法可以大大提高关键词提取的准确性，并减少断案工作量。
-
公开(公告)号：CN111222000A
公开(公告)日：2020-06-02
申请号：CN201911420143.7
申请日：2019-12-31
Applicant: 中国地质大学(武汉)
IPC: G06F16/55 , G06F16/583 , G06F16/951 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于图卷积神经网络的图像分类方法及系统，具体包括：用爬虫根据图像标签在网络上爬取图像对应一段文本信息；对所述文本信息预处理，得到词语；计算词语与词语之间的PMI值、图像与词语之间的TF-IDF值；根据所述PMI值和TF-IDF成图，构成图像与词语作为结点的图结构数据；利用图卷积神经网络对图结构数据进行处理，得到图像分类结果；本发明的有益效果是：在原有的图像数据上，为每张图像添加对应的文本描述信息，利用图卷积神经网络提高图像分类准确率。
-
公开(公告)号：CN109947948A
公开(公告)日：2019-06-28
申请号：CN201910148591.X
申请日：2019-02-28
Applicant: 中国地质大学(武汉)
Abstract: 本发明公开了一种基于张量的知识图谱表示学习方法及系统，本发明针对现有的知识图谱表示学习方法只考虑三元组本身信息、实体文本描述信息、实体图片信息、实体层次结构信息，而忽略了图谱的局部网络结构信息导致知识表示学习效果不佳的问题，本发明在知识图谱的表示学习中，考虑了每个实体的局部网络结构信息。首先，根据知识图谱的数据集，生成每个实体的掩码矩阵；其次，训练张量R，表示整个数据集的语义信息，每个实体可以通过掩码矩阵和R作用，得到每个实体的语义张量表达；然后，训练向量r，表示将每个实体语义张量映射至特定语义空间中的映射向量；最后在特定的语义空间进行训练，提高知识图谱表示学习的准确性。
-
公开(公告)号：CN109902171A
公开(公告)日：2019-06-18
申请号：CN201910090408.5
申请日：2019-01-30
Applicant: 中国地质大学(武汉)
Abstract: 本发明提供了一种基于分层知识图谱注意力模型的文本关系抽取方法及系统，其方法包括：首先根据待处理文本选取训练文本集和知识图谱，并对训练文本集和知识图谱分别进行预处理；然后构建分层知识图谱注意力模型，并利用预处理后的训练文本及对该模型进行训练；最后将所述待处理文本中所有句子的头实体和尾实体进行标注，并将标注后的待处理文本输入所述训练后的分层知识图谱注意力模型，得到关系结果。本发明的有益效果是：本发明所提出的技术方案提出一种分层知识图谱注意力模型，利用知识图谱表示帮助模型分配句子和词的权重，提高了模型的关系预测的准确率和召回率，进而提高了文本关系的抽取准确度。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.022 seconds)
