-
公开(公告)号：CN105677913B
公开(公告)日：2019-04-26
申请号：CN201610111365.0
申请日：2016-02-29
Applicant: 哈尔滨工业大学
Abstract: 一种基于机器翻译的中文语义知识库的构建方法，本发明涉及中文语义知识库的构建的方法。本发明是要解决中文语义知识库匮乏的问题、现有技术昂贵的人力及时间的问题，和提高基于跨语言映射的语义知识库翻译的性能的问题，而提出的一种基于机器翻译的中文语义知识库的构建方法。该方法是通过一、得到标注了实体的源语言端语料；二、根据主题模型计算得到实体的主题分布；三、根据源语言端实体词表从短语翻译表中抽取源语言端语义知识库中实体的翻译概率，记为p(tj|si)；四、构建基于源语言端语义知识库图结构信息的实体翻译模型等步骤实现的。本发明应用于中文语义知识库的构建领域。
-
公开(公告)号：CN106202068B
公开(公告)日：2019-01-22
申请号：CN201610590241.5
申请日：2016-07-25
Applicant: 哈尔滨工业大学
Abstract: 基于多语平行语料的语义向量的机器翻译方法，本发明涉及机器翻译方法。本发明是要解决双语平行语料获得的语义信息通常较少的问题。本发明是通过一、输入平行的源语言1、2以及目标语言；二、根据公式(1)到公式(6)计算得到隐状态h′和h″；三、计算得到的向量c，四、生成目标语言；或者一、输入源语言1、2以及目标语言；二、计算向量c1和向量c2的归一化之后的余弦距离；三、衡量向量c1和向量c2的相似性；四、令dis(c1,c2)大于阈值δ；给定源语言1句子集合S1和源语言2句子集合S2，即表示为如下约束最优化问题：五、建立最终目标函数等步骤实现的。本发明应用于机器翻译领域。
-
公开(公告)号：CN107329960B
公开(公告)日：2019-01-01
申请号：CN201710514935.5
申请日：2017-06-29
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种上下文敏感的神经网络机器翻译中未登录词翻译装置和方法，属于词语翻译设备和方法技术领域。本发明提出的未登录词翻译装置通过查找模块、候选词提供模块、特征抽取模块、评价模块、排序模块和替换模块实现神经网络翻译工作，本发明提出的未登录词翻译装置解决了现有翻译装置和方法翻译准确度低的问题，并有效提高了神经网络翻译中未登录词翻译的准确度，同时，其适用于各种神经网络翻译领域。
-
公开(公告)号：CN108960319A
公开(公告)日：2018-12-07
申请号：CN201810700571.4
申请日：2018-06-29
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种面向全局的机器阅读理解建模中的候选答案筛选方法，属于计算机信息筛选技术领域。所述方法将问题对应的所有段落作为候选答案片段定位范围，首先，获取段落的文本片段间的F1值，利用F1筛选出最佳候选答案片段，另一方面，提取段落和问题之间的特征后，利用逻辑回归模型进行相关性打分处理后，根据分数获得筛选后的候选答案段落集合，然后判断所述最佳候选答案片段所在段落是否将所述候选答案段落集合中，并将所述最佳候选答案片段所在段落强制放在所述候选答案段落集合的首位，最终输出所述最佳候选答案片段和所述候选答案段落集合。所述方法具有提高训练和预测效率等优点。
-
公开(公告)号：CN108920472A
公开(公告)日：2018-11-30
申请号：CN201810722720.7
申请日：2018-07-04
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种基于深度学习的机器翻译系统的融合系统及方法，属于词汇融合技术领域。所述融合系统包括输入模块、编码模块、解码模块和输出模块；所述融合方法包括输入步骤、编码步骤、解码步骤和输出步骤；所述融合系统及方法具有提高机器翻译系统融合性能指标的特点。
-
Patent Agency Ranking
公开(公告)号：CN107301226B
公开(公告)日：2018-06-15
申请号：CN201710469901.9
申请日：2017-06-20
Applicant: 哈尔滨工业大学
Abstract: 本发明提出了一种问答系统中检索子模块的自动评价方法，属于模块自评价方法技术领域。通过针对检索出来的文档列表，根据其中每个位置上的文档与问题、与参考答案之间的相关程度(由各种特征表示)，通过机器学习模型(具体是GBDT)，准确估计出这个检索结果的MAP值，从而完成最终的评价过程。具有评价确定度高，评价方法简洁等特点。适用于各种问答系统中检索子模块的自评价。
-
公开(公告)号：CN103605644B
公开(公告)日：2017-02-01
申请号：CN201310636884.5
申请日：2013-12-02
Applicant: 哈尔滨工业大学
IPC: G06F17/28
Abstract: 一种基于相似度匹配的枢轴语言翻译方法和装置，本发明属于机器翻译技术领域，涉及一种基于相似度匹配的枢轴语言翻译方法和装置。解决现有翻译方法和装置在源语言-目标语翻译规则库构建中要求源语言到枢轴语的翻译规则与该枢轴语到目标语的翻译规则，中的枢轴语短语必须完全相同而导致的潜在翻译规则丢失问题。通过用向量表示枢轴语短语并利用向量夹角余弦值对枢轴语进行匹配关联，建立源语言-目标语翻译规则库，通过源语言-目标语翻译规则库进行自然语言翻译。并根据上述步骤功能模块化制成基于相似度匹配的枢轴语言翻译装置。本发明用于自然语言翻译。
-
公开(公告)号：CN119989408A
公开(公告)日：2025-05-13
申请号：CN202510062744.4
申请日：2025-01-15
Applicant: 哈尔滨工业大学
Abstract: 本发明是一种基于思维链的大模型安全防护方法，适用于增强各类大语言模型的防御能力且无需额外的后训练开销。本发明涉及大模型安全防护技术领域，通过大语言模型安全防御系统提示词增强，确保生成安全的回复；基于零样本思维链的安全防御后缀，应对越狱攻击；通过计算越狱攻击成功率，来对大语言模型的安全性进行评估。本发明采用的基于思维链的大语言模型安全防护方法包含了安全系统提示词和零样本思维链两部分。本发明不引入额外的计算成本，而是充分利用大语言模型的推理能力来抵御越狱攻击，极大地增强了大语言模型的安全防护能力，确保大模型在不同应用场景下的稳定运行和安全使用。
-
公开(公告)号：CN117556251B
公开(公告)日：2025-03-18
申请号：CN202311332989.1
申请日：2023-10-16
Applicant: 哈尔滨工业大学
IPC: G06F18/214 , G06F18/241
Abstract: 一种基于LoRA嵌入的指令数据挖掘方法和系统，涉及指令数据挖掘领域。解决了常见的通过模型生成的指令数据往往重复性较高，类似的指令数据反复出现，数据集同质化和冗余的情况较为普遍的问题。所述方法包括：采用LoRA的方式对ShareGPT数据集进行训练，获取所述ShareGPT数据集中指令数据的嵌入表示；通过UMAP算法对所述嵌入表示进行降维，获取每个指令在三维空间中的表示；根据最小化指令数据在三维空间中的密度对每个指令表示进行筛选，获取多样性增强的数据子集。本发明应用于人工神经网络训练领域。
-
公开(公告)号：CN119378574A
公开(公告)日：2025-01-28
申请号：CN202411408324.9
申请日：2024-10-10
Applicant: 哈尔滨工业大学
Abstract: 一种基于情感增强的语音大语言模型翻译强化方法，涉及人工智能领域。解决现有技术中缺少如何高效地将语音模态信息融入到现有的大语言模型中，使其完成端到端的语音自动翻译任务。所述方法包括：收集包含多种情感表达的语音与文本对的多语言数据集，并进行预处理，构成原文语音与文本和译文语音与文本的多语言语料对；将多语言语料对的语音部分输入到语音大语言模型中，令语音大语言模型对其进行翻译；使用情感契合度打分模型对步骤2中的翻译结果进行评估，判断翻译结果中的语音情感与原文语音与文本的多语言语料对中的情感是否一致；使用打分模型为同一问题的不同结果进行打分，根据分数从高到低排序进行DPO算法，更新语音大语言模型的参数。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.033 seconds)
