-
公开(公告)号：CN107220321A
公开(公告)日：2017-09-29
申请号：CN201710358187.6
申请日：2017-05-19
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种文景转换中实体三维具体化的方法及其系统，该方法包括：步骤一，建立实体的一般可视化属性结构；步骤二，对所有实体进行分类，分析不同类别实体的影响因子和约束关系；步骤三，通过实体分类和分析建立适应子类的可视化属性结构；步骤四，针对不同类别的实体，选择合适的外形结构生成方式；步骤五，从文本中抽取和推理可视化属性结构所需要的影响因子信息；步骤六，通过影响因子信息和实体的外形结构生成可视化的三维实体。本发明巧妙的利用了可视化属性结构和实体分类原则，然后通过实体外形结构的生成和表面纹理的渲染，最终生成满足要求的可视化实体，同时解决了模型粗糙和模型库过于庞大的问题。
-
公开(公告)号：CN117612662A
公开(公告)日：2024-02-27
申请号：CN202311562028.X
申请日：2023-11-22
Applicant: 重庆邮电大学
IPC: G16H10/60 , G16H50/70 , G06F16/31 , G06F16/35 , G06F40/126 , G06F40/279 , G06F40/30
Abstract: 本发明涉及一种ICD自动编码预测方法，包括：获取电子病历，利用ICD自动编码模型，输出相似度评分最高的ICD编码。该ICD自动编码模型的训练过程包括：获取电子病历文本和对应的ICD编码，预处理；构建标签树，创建课程学习任务；转化所述输入词为词向量，得到词向量序列，输入编码器；将编码器输出的特征向量输入解码器进行解码，得到标签的向量表示；将解码器得到的聚合表征输入到分类器中，得到当前层的最终输出表示；将当前层的模型参数传递到下一层进行参数初始化，预测目标更新为当前层标签树上的节点集，重复训练，直到完成在标签树最后一层上的训练为止。本发明的重点在于利用标签的结构信息简化学习任务，同时提高预测准确率。
-
公开(公告)号：CN110688483B
公开(公告)日：2022-10-18
申请号：CN201910870479.7
申请日：2019-09-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护文景转换中基于词典的名词可视性标注方法、介质及系统、介质及系统。该方法包括：步骤一，构建名词的可视化结构；步骤二，从可视化角度和实体角度分别对名词进行分类；步骤三，分析名词一般分类和可视性分类的关系，形成名词的可视性判别规则；步骤四，根据可视性判别规则，构建名词可视性词典；步骤五，依据名词可视性词典判别名词的可视性，并对名词进行可视性标注。本发明解决了当前文景转换研究中名词可视性分析以及名词可视性标注的问题。
-
公开(公告)号：CN108108482B
公开(公告)日：2022-02-11
申请号：CN201810011163.8
申请日：2018-01-05
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/242 , G06F40/295
Abstract: 本发明请求保护一种文景转换中实现场景真实性增强的方法。该方法包括：步骤一，从互联网获取描述某一场景的多篇中文文档，组建场景语料库。步骤二：对语料库中的文档进行不去重的分词处理；之后对分词后的文档进行去停留词处理。步骤三：利用处理后的文档，对场景描述中的实体名词进行统计分析。步骤四：利用统计指标，分析场景类别特征。步骤五：利用实体名词对该场景进行概念表示，建立场景概念字典。本发明目的在于建立实体词与场景词的“词‑类别”关联，分析“类别”的一般性特征，实现对某一场景词的概念表示，为文景转换中场景实体要素的分析提供支持，从而实现生成的场景符合人的常识认知，具有完整背景环境，使得场景真实感得到增强。
-
公开(公告)号：CN119206360A
公开(公告)日：2024-12-27
申请号：CN202411415653.6
申请日：2024-10-11
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/0985 , G06N3/084 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及一种基于自适应任务正则化模型无关元学习的图像分类方法，属于计算机视觉技术领域。该方法包括：获取数据集，并对数据进行预处理；建立图像识别模型；通过基于自适应任务正则化模型无关元学习方式对图像识别模型进行训练其中；通过训练完成的图像识别模型对图像进行分类识别。本发明提供了一种基于自适应任务正则化模型无关元学习的图像分类方法，在外循环更新中将任务难度整合为一个正则化项，以便模型可以根据模型已经学到的内容自适应地学习任务经验，通过这种方式，模型可以在不同时期从任务中学到有效知识，更好在数据不足的环境下快速泛化。
-
Patent Agency Ranking
公开(公告)号：CN117911422A
公开(公告)日：2024-04-19
申请号：CN202211535901.1
申请日：2022-12-01
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于多尺度注意力机制的视网膜血管分割方法，包括以下步骤：步骤一：选取公开数据集CHASEDB1和DRIVE数据集作为原始数据，并划分好训练集和测试集，并对数据集进行数据增强等一系列数据预处理步骤，同时设置好网络模型的参数。以Unet模型为基础，引入DenseBlock代替传统卷积层,来解决Unet参数量过大的问题，并加强了Unet模型的特征传播能力，提高了模型的识别能力，其次在特征融合阶段引入CBMA模块来抑制无关特征，并且加强低级语义特征，最后在每一层的解码器添加额外的卷积层以形成特征金字塔来捕获多尺度血管特征信息，能够利用模型编码网络每一层特征图的语义信息，能够以多尺度地方式捕获视网膜血管的特征，从而提高模型的分割精度。
-
公开(公告)号：CN117521657A
公开(公告)日：2024-02-06
申请号：CN202311745834.0
申请日：2023-12-19
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F18/214 , G06F40/289 , G06F40/284 , G06F18/24 , G06N3/04 , G06N3/084
Abstract: 本发明涉及一种基于标签语义增强的中文微博命名实体识别方法，包括：获取源域中文语料数据集和目标域中文语料数据集，并进行预处理；构建标签到自然语言的转换文件、以及标签到整数编码的转换字典；根据构建的转换文件对源域中文语料数据集进行预处理；利用预处理后的源域中文语料数据集对命名实体识别模型进行预训练；所述命名实体识别模型包括：BERT模型和CRF模型；根据目标域中文语料数据集预训练的命名实体识别模型进行微调得到训练好的命名实体识别模型；将待识别的中文预料通过训练好的命名实体识别模型和对待识别的中文预料进行命名实体识别，根据标签在语料集中的相似性来提升目标语料集上的准确性，提高预测精度。
-
公开(公告)号：CN112257386B
公开(公告)日：2023-09-26
申请号：CN202011154871.0
申请日：2020-10-26
Applicant: 重庆邮电大学
IPC: G06F40/106 , G06F40/151 , G06F40/216 , G06F40/253 , G06F40/295 , G06F40/30 , G06F16/35
Abstract: 本发明请求保护一种文景准换中场景空间信息布局生成的方法。该方法包括：构建空间关系词集和辅助空间关系词集；依靠依存语法关系和空间词集词向量相似度识别出初始文本中包含空间信息的文本集；依靠辅助空间关系词集提取每个分句的最小空间信息树；依靠依存语义分析和模式匹配抽取出空间关系构成初始场景空间关系集；匹配属性和比较可视化实体的相似度进行简单的指代消解；针对某一场景构建场景集，对其中的可视化实体名词进行统计分析；根据统计分析，分析某一场景名词特征；依据场景名词特征选取对应场景中空间关系集中的可视化实体作为锚实体；依靠对应场景集中空间关系和锚实体进行缺省空间关系推理，构造场景空间关系布局生成图。
-
公开(公告)号：CN110688483A
公开(公告)日：2020-01-14
申请号：CN201910870479.7
申请日：2019-09-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护文景转换中基于词典的名词可视性标注方法、介质及系统、介质及系统。该方法包括：步骤一，构建名词的可视化结构；步骤二，从可视化角度和实体角度分别对名词进行分类；步骤三，分析名词一般分类和可视性分类的关系，形成名词的可视性判别规则；步骤四，根据可视性判别规则，构建名词可视性词典；步骤五，依据名词可视性词典判别名词的可视性，并对名词进行可视性标注。本发明解决了当前文景转换研究中名词可视性分析以及名词可视性标注的问题。
-
公开(公告)号：CN119377735A
公开(公告)日：2025-01-28
申请号：CN202411423294.9
申请日：2024-10-12
Applicant: 重庆邮电大学
IPC: G06F18/24 , G06F18/25 , G06N3/0455 , G06N3/084
Abstract: 本发明属于情感分析技术领域，具体涉及一种基于多层次识别和用户信息增强的隐式情感识别方法，包括：获取待识别的文本数据，对文本数据进行预处理；将预处理后的数据输入到隐式情感识别模型中，采用多层次知识识别的方法提取预处理数据的隐式情感特征；对预处理数据构建异构用户知识层；采用注意力机制对隐式情感特征和异构用户知识层进行融合；将融合后的特征输入到分类器中，得到识别结果；本发明有效的改善了对隐式方面不关注，单一方法识别隐式方面，忽略不同的用户主观性差异对文本的情感极性产生不同的结果等问题，显著提高了隐式方面级情感分析在方面提取和意见提取的识别能力。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.019 seconds)
