-
公开(公告)号：CN115687638A
公开(公告)日：2023-02-03
申请号：CN202211199819.6
申请日：2022-09-29
Applicant: 中国科学院计算技术研究所
IPC: G06F16/36 , G06F40/211 , G06F40/289 , G06N3/0455 , G06N3/044 , G06N3/048 , G06N3/047 , G06N3/08
Abstract: 本发明提出一种基于三元组森林的实体关系联合抽取方法和系统，包括：获取待实体关系抽取的语料，得到句子及其对应的词序列；将词序列输入BERT模型，BERT模型对词序列进行分词，得到子词序列，使用BERT模型对子词序列进行编码，得到句子的分布式表示；将分布式表示输入CRF模型，标注句子中实体，得到实体的向量表示；将实体向量输入，通过TransformerDecoder模块中多头注意力机制获得实体向量中包含的实体间交互信息、实体和输入句子间交互信息的隐层向量；将隐层向量作为Tree‑RNN的初始状态和初始隐层单元，输入实体表示至Tree‑RNN，从Tree‑RNN的根节点的头实体生成其所参与的关系，根据头实体及其对应的关系，选择其尾实体，从而生成重叠的三元组树，再进一步解码得到实体关系三元组。
-
公开(公告)号：CN109308321A
公开(公告)日：2019-02-05
申请号：CN201811428266.0
申请日：2018-11-27
Applicant: 烟台中科网络技术研究所 , 中国科学院计算技术研究所
IPC: G06F16/36 , G06F16/33 , G06F16/332
Abstract: 本发明涉及一种知识问答方法、知识问答系统及计算机可读存储介质，其方法包括以下步骤：接收问答请求，问答请求携带有源问题文本信息；根据源问题文本信息和预设问题标签模板确定查询语言；从动态更新的知识管理库中查询与查询语言匹配的推荐实体组，基于推荐实体组生成知识图谱；发送知识图谱。本发明提供的知识问答方法、知识问答系统和计算机可读存储介质，预设问题标签模板可以检验查询语言的完整性，提高了查询语言的准确性，查询语言和知识管理库共同保证了推荐实体组的准确性以及实时性，知识图谱形式统一归纳了推荐实体组，为用户提供专业化的知识答案。
-
公开(公告)号：CN106874489A
公开(公告)日：2017-06-20
申请号：CN201710092869.7
申请日：2017-02-21
Applicant: 烟台中科网络技术研究所 , 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于卷积神经网络的肺结节图像块检索方法及装置，通过对获取的肺结节图像块进行切片处理，得到至少两张肺结节切片扫描图，通过构造卷积神经网络提取肺结节切片扫描图的图像特征，得到肺结节的局部特征集合，获取数据库中所有肺结节的局部特征集合，对所有肺结节的局部特征集合进行聚类构建视觉词典，基于视觉词典获取肺结节带权特征向量，通过倒排索引的方式对肺结节带权特征向量构建索引库，根据输入的查询信息对索引库执行检索，得到符合查询条件的肺结节图像块。本发明能够快速、准确的检索出与待检索肺结节最相似的肺结节图像序列。
-
公开(公告)号：CN102289514B
公开(公告)日：2016-03-30
申请号：CN201110263798.5
申请日：2011-09-07
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供一种社会化标签自动标注的方法。该方法包括计算标签词项在文档中的频率(TF)权重，以及由协同过滤CF、一致性话题模型Corr-LDA方法所得的标签权重，并归一化；对上述权重建立线性融合权值模型，并估计线性融合参数；以及基于线性融合模型对社会标签进行自动标注。该发明同时考虑了社会标签与文档具体内容的一致性和抽象语义层的相关性，因此能够提高社会标签自动标注的准确性。
-
公开(公告)号：CN103235812B
公开(公告)日：2015-04-01
申请号：CN201310146037.0
申请日：2013-04-24
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供一种查询多意图识别方法和系统，所述方法包括：根据G-PLSI模型计算查询意图概率特征向量，其中，G-PLSI模型用于模拟摘要文本的产生过程、相同查询意图下搜索不同查询时的点击链接行为，以及相同查询意图下在同一session中搜索不同查询的行为，查询意图概率特征向量体现摘要文本信息以及不同查询在相同链接上的点击概率和在同一session中的共现概率。所述方法还包括：计算不同查询的查询意图概率特征向量之间的相似度并且根据该相似度进行查询聚类。本发明使用的查询意图概率特征向量对查询内容和用户点击行为进行结合利用，能够更准确地反映用户搜索意图。
-
Patent Agency Ranking
公开(公告)号：CN103177126A
公开(公告)日：2013-06-26
申请号：CN201310134933.5
申请日：2013-04-18
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供一种用于搜索引擎的色情用户查询识别方法，该方法包括基于已标注的用户查询集合，训练用于识别色情用户查询的分类模型，以及利用该训练好的分类模型判断待识别的用户查询是否为色请用户查询。其中，用于训练所述分类模型的用户查询特征包括用户查询的命名实体和实体上下文主题特征以及用户属于色情查询和非色情查询的概率。该方法不需要基于搜索引擎的查询结果来识别色情查询，而是通过利用用户查询中包含的命名实体特征和语言模型特征实现了快速、有效的色情查询识别。
-
公开(公告)号：CN118070868A
公开(公告)日：2024-05-24
申请号：CN202410293163.7
申请日：2024-03-14
Applicant: 中国科学院计算技术研究所
Abstract: 本发明提出一种基于边缘计算架构的模型结构化剪枝方法及装置，该方法包括：根据集群中每一边缘设备的硬件资源信息，对边缘设备进行分组；对于同一组的边缘设备，将神经网络加速器在该边缘设备硬件的实际运行时间与内存资源消耗作为资源约束条件，对该边缘设备上部署的神经网络模型进行剪枝；校准修剪后的神经网络模型。该方法提高了计算设备的硬件处理速度，降低了内存消耗，进而提升了计算机系统的内部性能。
-
公开(公告)号：CN117353891A
公开(公告)日：2024-01-05
申请号：CN202311183915.6
申请日：2023-09-14
Applicant: 中国科学院计算技术研究所
IPC: H04L9/00 , H04L9/40 , H04L9/32 , H04L67/1097 , G06F21/60 , G06F21/64 , G06F40/289
Abstract: 本发明提供了一种去中心化的数据交易平台，包括：元数据管理模块，被配置为：获取卖方待售的数据对应的元数据以及数据对应的加密数据，所述元数据包括数据描述信息和卖方地址；数据查重模块，被配置为：根据所述数据对应的加密数据以及已有数据对应的加密数据以非解密状态进行数据查重，确定所述待售的数据的重复率，所述重复率影响所述数据的评分；数据交易模块，被配置为：在买方根据所述待售的数据的元数据和评分确定向卖方购买数据后，在卖方和买方之间建立基于智能合约的数据传输支付协议并通过加密信道传输数据。
-
公开(公告)号：CN106874489B
公开(公告)日：2020-05-12
申请号：CN201710092869.7
申请日：2017-02-21
Applicant: 烟台中科网络技术研究所 , 中国科学院计算技术研究所
Abstract: 本发明涉及一种基于卷积神经网络的肺结节图像块检索方法及装置，通过对获取的肺结节图像块进行切片处理，得到至少两张肺结节切片扫描图，通过构造卷积神经网络提取肺结节切片扫描图的图像特征，得到肺结节的局部特征集合，获取数据库中所有肺结节的局部特征集合，对所有肺结节的局部特征集合进行聚类构建视觉词典，基于视觉词典获取肺结节带权特征向量，通过倒排索引的方式对肺结节带权特征向量构建索引库，根据输入的查询信息对索引库执行检索，得到符合查询条件的肺结节图像块。本发明能够快速、准确的检索出与待检索肺结节最相似的肺结节图像序列。
-
公开(公告)号：CN103268348B
公开(公告)日：2016-08-10
申请号：CN201310204529.0
申请日：2013-05-28
Applicant: 中国科学院计算技术研究所
IPC: G06F17/30
Abstract: 本发明提供了一种用户查询意图识别方法，包括：1）对于待识别的用户查询，将其切分为两个命名实体e1,e2和命名实体上下文ct；2）根据用户查询日志的集合和主题模型，计算用户查询中包含命名实体e1，e2和上下文ct的情况下隐含主题r的概率p(r|e1,e2,ct)，找出使得概率p(r|e1,e2,ct)最大的主题r，将该主题r作为命名实体e1,e2之间所隐含的关系；所述主题模型是用查询日志聚合文档集合训练得到的主题模型；所述查询日志聚合文档集合是将每两个命名实体在查询日志中的上下文聚合到一起，形成的关于两两命名实体组合的文档集合。本发明识别的准确率和召回率高；时间复杂度低，给搜索引擎造成的负荷较小，能够提升用户体验；特别适合于移动端的搜素或者移动终端本地的应用搜索。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.034 seconds)
