-
公开(公告)号：CN119443000B
公开(公告)日：2025-04-18
申请号：CN202411575008.0
申请日：2024-11-06
Applicant: 哈尔滨工业大学
IPC: G06F30/337 , G06F18/214 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F17/16
Abstract: 一种基于大规模语言模型的电子装备变体设计方法，属于电子装备变体设计技术领域。为解决生成符合相应领域、功能要求的CBB模型的问题，本发明包括向通义千问模型提供生成目标电子装备CBB模型的命令；向通义千问模型中提供加入提示词命令；生成电子装备CBB模型，然后向通义千问模型输入文本命令，通义千问模型根据文本命令和电子装备CBB模型生成电子产品架构；得到文本特征作为电子装备变体数据集；采用中文版BERT模型作为电子装备变体设计Bert模型，然后基于Lora方法微调电子装备变体设计Bert模型，得到训练好的中文版BERT模型；根据模型文本特征的相关性，过滤掉无关的电子装备CBB模型。本发明正确性高。
-
公开(公告)号：CN117422526B
公开(公告)日：2024-07-26
申请号：CN202311518835.1
申请日：2023-11-15
Applicant: 哈尔滨工业大学
IPC: G06Q30/0601 , G06F16/9535 , G06N3/0895
Abstract: 本发明公开了一种基于提示的用户跨域冷启动方法，包括：获取用户特有表征、用户通用表征和商品表征；通过用户特有表征和商品表征，获取场景提示向量；根据场景提示向量和用户通用表征，获取目标场景的特有表征，完成基于提示的用户跨域冷启动。本发明通过提出的场景提示生成方法，通过最大化目标场景的提示与目标场景中所有用户与商品之间的互信息的方式，对每个场景的特征进行全面捕捉；本发明中的基于场景提示的目标场景用户表征生成方法，通过考虑不同场景之间的关系以及每个场景的特征，在仅仅知道用户通用表征的情况下，依然可以实现在不同场景中对同一用户进行精准个性化推荐的效果，进而解决用户跨域冷启动问题。
-
公开(公告)号：CN116757195B
公开(公告)日：2024-06-14
申请号：CN202310746692.3
申请日：2023-06-25
Applicant: 哈尔滨工业大学
IPC: G06F40/284 , G06F40/30 , G06F40/216 , G06N20/00
Abstract: 本发明公开了一种基于提示学习的隐性情感识别方法，包括以下步骤：获取情感文本进行主题识别，基于识别的主题，选择种子词对应的母类别；基于种子词对应的母类别，采用未标记评论的聚类和余弦相似度对所述种子词继续进行类别检测，获得所述种子词对应的子类别；构建提示模板,将所述种子词对应的子类别嵌入到所述提示模板中并进行训练，将训练后的提示模板与预训练语言模型相结合，识别出对应的隐性情感。本发明构建的提示模板相较于手工构建的模板可以更加匹配预训练语言模型，通过让下游任务主动适应大型预训练语言模型的方式提升学习效率。
-
公开(公告)号：CN116738984B
公开(公告)日：2024-03-01
申请号：CN202310748270.X
申请日：2023-06-25
Applicant: 哈尔滨工业大学
IPC: G06F40/284 , G06F40/117 , G06F40/186 , G06N20/00
Abstract: 本发明公开了一种基于提示学习的自动化数据标注方法，包括：获取有标注数据集和无标注数据集；对所述有标注数据集的实体信息进行提取，获取实体词；基于所述实体词对所述无标注数据集进行筛选，获取筛选后的无标注数据集；构建提示模板组，基于预训练语言模型利用所述提示模板组对所述筛选后的无标注数据集进行测试，获取正向/负向数据；基于所述提示模板组将所述有标注数据集的中性情感数据输入所述预训练语言模型，获取填充完整的提示模板；基于所述填充完整的提示模板和所述正向/负向情感数据，构建完整的扩充数据集，实现基于提示学习的自动化数据标注。
-
公开(公告)号：CN110510584B
公开(公告)日：2022-10-28
申请号：CN201910912645.5
申请日：2019-09-25
Applicant: 哈尔滨工业大学
Abstract: 一种CoSbSe纳米片材料的制备方法及其应用，本发明属于纳米材料制备技术领域，它的目的是针对CoSbSe作为热电材料所存在的制备过程所需温度较高、时间较长、能耗较高的问题。CoSbSe纳米片的制备方法：一、对碳布进行超声清洗；二、按照化学计量比Sb:Se＝1:1的比例将锑粉和硒粉混合；三、将钴盐、尿素和氟化铵加入到超纯水中搅拌溶解；四、碳布浸入步骤三的反应液中水热反应；五、将锑硒粉混合物和前驱体一同放入石英管中，抽真空密封，分两个阶段加热反应，得到CoSbSe纳米片。本发明得到的CoSbSe纳米片所需的制备温度大幅度降低，所需的制备时间大幅度减少，有利于清洁高效制备CoSbSe纳米片。
-
Patent Agency Ranking
公开(公告)号：CN102004560B
公开(公告)日：2013-07-24
申请号：CN201010567997.0
申请日：2010-12-01
Applicant: 哈尔滨工业大学
IPC: G06F3/023
Abstract: 语句级汉字输入方法中的用户词识别方法与机器学习系统，涉及汉字输入的机器学习技术领域。本发明解决了现有机器学习方法中存在的经常需要用户干预才能够获得最终结果的问题。用户词识别方法是采用相对位置成词能力作为评价标准来识别用户词。学习方法仅在输入法输出的最优路径与最终输出路径不一致时才启动，该方法采用基于N元文法的概率计算方法获得概率值后，采用最大后验MAP获得用户调节值CA，该调节值CA和相应的词存入用户语言模型库。机器学习系统是应用上述用户词识别方法和学习方法实现的学习系统。采用本发明技术，能减少用户输入时的干预次数，让用户更轻松地得到需要的输出结果。
-
公开(公告)号：CN102012748B
公开(公告)日：2012-06-27
申请号：CN201010566505.6
申请日：2010-11-30
Applicant: 哈尔滨工业大学
IPC: G06F3/023
Abstract: 语句级中英文混合输入方法，本发明涉及信息输入方法，尤其涉及一种中英文混合语句输入方法。它解决了现有的中英文混合输入方法采用手工标示输入的字母串中哪些需要转换成中文哪些是英文单词，无法保证连续的语句输入的问题。它包括下述步骤：用键盘输入字符串；由输入法管理系统对字符串进行中英文切分；所做的中英文切分是基于中文拼音库和英文词库的自动识别；输入法管理系统对切分后的字符串分别进行相应的中文和英文字符转换，并提供混合语句候选和中英文词语候选；所做出的中文和英文字符转换是基于中文词库和中英文统计库的自动识别；从通过插入、删除、选择等编辑命令，最终从候选列表中选定输出内容；输出中英文混合语句。用于文字输入。
-
公开(公告)号：CN102033950A
公开(公告)日：2011-04-27
申请号：CN201010602773.9
申请日：2010-12-23
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 电子产品命名实体自动识别系统的构建方法及识别方法，本发明涉及自然语言处理中的命名实体识别系统的构建方法和识别方法，属于从相关信息中把电子产品的名称进行自动识别的技术。用于电子产品的名称识别。它解决了基于规则的识别系统在识别时召回率较低，而基于机器学习的识别系统识别时需要人工标注大量训练语料的问题。构建方法包括下述步骤：形成原始语料的知识库；构建一个标注语料库；基于条件随机域方法进行电子产品命名实体识别。识别方法包括下述步骤：把自由文本输入电子产品命名实体自动识别系统；系统首先利用特征模板提取特征，然后利用条件随机域模型得到每个特征对应的权重，把这些权重利用条件随机域方法进行运算得到识别结果。
-
公开(公告)号：CN101833560A
公开(公告)日：2010-09-15
申请号：CN201010103806.5
申请日：2010-02-02
Applicant: 哈尔滨工业大学
Abstract: 基于互联网的厂商口碑自动排序系统，本发明涉及一种厂商口碑自动排序系统。它解决了消费者无从检索到对相关商品评价信息的缺陷。本发明用于厂商口碑的排序工作。它包括：一号服务器，接受网上访问者的请求，从互联网上识别和收集对相关商品的评价信息；二号服务器，对收集到的相关商品评价信息进行结构化和规范化处理，从而得出对同一商品各个生产厂家的口碑排序；三号服务器，向网上访问者发布相关商品的不同生产厂家的口碑排序结果。
-
公开(公告)号：CN119443000A
公开(公告)日：2025-02-14
申请号：CN202411575008.0
申请日：2024-11-06
Applicant: 哈尔滨工业大学
IPC: G06F30/337 , G06F18/214 , G06N3/0455 , G06N3/048 , G06N3/08 , G06F17/16
Abstract: 一种基于大规模语言模型的电子装备变体设计方法，属于电子装备变体设计技术领域。为解决生成符合相应领域、功能要求的CBB模型的问题，本发明包括向通义千问模型提供生成目标电子装备CBB模型的命令；向通义千问模型中提供加入提示词命令；生成电子装备CBB模型，然后向通义千问模型输入文本命令，通义千问模型根据文本命令和电子装备CBB模型生成电子产品架构；得到文本特征作为电子装备变体数据集；采用中文版BERT模型作为电子装备变体设计Bert模型，然后基于Lora方法微调电子装备变体设计Bert模型，得到训练好的中文版BERT模型；根据模型文本特征的相关性，过滤掉无关的电子装备CBB模型。本发明正确性高。
-
-
-
-
-
-
-
-
-
Search Results
45
records
(took 0.029 seconds)
