-
公开(公告)号：CN102252869A
公开(公告)日：2011-11-23
申请号：CN201110060979.8
申请日：2011-03-15
Applicant: 南开大学
IPC: G01N1/10
Abstract: 本发明公开了一种以离子液体为接受相的，可用于沉积物中有机污染物浓度监测的被动采样新装置。将离子液体填充到低密度聚乙烯膜管中，并以带有楔形尖头的有机玻璃框对膜管进行固定，此装置可垂直插入水体沉积物中，对沉积物间隙水中的污染物进行被动采集。离子液体具有可设计性，根据监测目标有机污染物的差异，可以选用不同的离子液体，从而提高接受相对目标污染物的承纳能力。在被动采样结束后，接受相离子液体可以直接溶解于低剂量的有机溶剂，而后进行仪器分析，这减少了接受相洗脱环节的挥发性有机溶剂的消耗。模拟实验结果表明，采样结束时目标污染物在此采样装置中的富集浓度的对数值，与沉积物中污染物浓度的对数值具有较好的相关性。
-
公开(公告)号：CN118278398B
公开(公告)日：2024-08-02
申请号：CN202410696047.X
申请日：2024-05-31
Applicant: 南开大学
IPC: G06F40/253 , G06F40/205 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于指令调优增强的无监督语法纠错方法，属于自然语言处理技术领域，具体为：基于开源数据集收集源数据，根据源数据生成包括多个正误语句样本对的纠正数据集；对其中的正确语句及错误语句分别进行标注，获得标注指令和标注提示；构建序列标注模型，将纠正数据集中的错误语句作为输入，将标注指令作为输出，训练序列标注模型并获得预测提示；分别对标注提示及预测提示进行掩码，将经过掩码后的标注提示及预测提示作为输入，训练获得语法纠错模型；通过语法纠错模型对待纠错语句进行纠错，获得纠错结果，本发明提升了模型的语义理解及语法错误定位能力，从而在很大程度上提高了无监督设置下语法纠错方法任务的准确性。
-
公开(公告)号：CN112183670A
公开(公告)日：2021-01-05
申请号：CN202011220037.7
申请日：2020-11-05
Applicant: 南开大学
Abstract: 本发明开了一种基于知识蒸馏的少样本虚假新闻检测方法，属于人工智能技术领域，命名为FSKD(Detecting Fake News with Few‑Shot Knowledge Distillation)。本方法采用知识蒸馏的思想，以Teacher‑Student(教师‑学生)模型为框架，使用BERT作为Teacher(教师)模型，使用少量的有标签数据进行微调来为无标签的数据给定soft labels(软标签)，从而使得模型可以同时使用有标签的数据和无标签的数据进行训练，解决了现有的虚假新闻检测手段需要依赖大量的有标签数据的问题，同时此方法使用了一定的优化算法来避免过拟合问题。实验结果表明，本方法优于目前已有的少样本虚假新闻检测方法的效果。
-
公开(公告)号：CN114048286B
公开(公告)日：2024-06-07
申请号：CN202111268939.2
申请日：2021-10-29
Applicant: 南开大学
IPC: G06F16/33 , G06F16/35 , G06F16/9536 , G06F40/211 , G06F40/295 , G06F18/24 , G06N3/042 , G06N3/0455 , G06N3/08 , G06Q50/00
Abstract: 一种融合图转换器和共同注意力网络的自动事实验证方法，属于人工智能技术领域。利用声明和检索到的证据作为输入数据，构建基于深度学习的自动事实验证方法。本方法首先通过实体链接的方法识别声明中的实体，并根据抽取的实体在维基百科中检索相关的文档。其次，使用排序模型在检索到的文档中选取与声明最相关的五个句子作为证据。再者，构建(证据，声明)对，将(证据，声明)对输入微调后的预训练语言模型中进行编码。最后，通过构建基于图转换器和共同注意力网络的事实验证模型，学习声明和证据以及证据和证据之间的潜在关系，完成事实验证。实验结果表明，本方法优于目前已有的自动事实验证方法，同时此方法具备可解释性。
-
公开(公告)号：CN116910238A
公开(公告)日：2023-10-20
申请号：CN202310146479.9
申请日：2023-02-21
Applicant: 南开大学
IPC: G06F16/35 , G06F16/36 , G06F40/295 , G06F40/289 , G06F16/951 , G06F16/335 , G06N3/08 , G06F18/22 , G06F18/214 , G06F18/2415 , G06F18/25 , G06N3/04
Abstract: 一种基于孪生网络的知识感知虚假新闻检测方法。首先，基于新闻本文抽取知识图谱中的相关知识，构造新闻样本对和知识样本对，构建新闻孪生网络判断新闻样本对是否相似，构建知识孪生网络判断新闻对应的知识对是否相似。其次，对新闻文本进行编码，并使用训练好的新闻孪生网络和知识孪生网络中的分支分别对新闻、知识进行编码，获得新闻孪生表示和知识孪生表示。最后，将新闻表示、新闻孪生表示、知识表示三者相融合，进行虚假新闻检测任务。本发明一方面通过构建的新闻孪生网络来捕捉新闻之间的相似性或差异性特征，另一方面使用构建的知识孪生网络解决新闻文本中实体提及带来的歧义问题，并捕捉新闻对应知识反应新闻真假性的特征。
-
Patent Agency Ranking
公开(公告)号：CN107333285B
公开(公告)日：2020-09-18
申请号：CN201710544918.6
申请日：2017-07-06
Applicant: 南开大学
Abstract: 本发明提供了一种根据手机上网日志(httplog数据)预测手机信号强度的方法，其步骤为：根据httplog数据中的IMSI和时间字段，在MME数据中找到对应的用户三元组，通过用户三元组可以在MR数据中提取对应的信号强度数据，将信号强度数据与httplog数据结合成为训练数据，进行数据统计、特征抽取、模型构建、模型训练，最后使用训练好的模型进行预测，根据httplog数据预测手机信号强度。
-
公开(公告)号：CN119357830B
公开(公告)日：2025-03-14
申请号：CN202411936642.2
申请日：2024-12-26
Applicant: 南开大学
IPC: G06F18/2415 , G06N3/0499 , G06N3/08 , G06N7/01 , G06Q50/00
Abstract: 本发明涉及电数字数据处理技术领域，尤其涉及一种社交媒体上的鲁棒性谣言检测方法，包括如下步骤：将社交媒体数据中的事件构建为静态传播图，并构造事件与标签样本对，形成谣言检测数据集；构建包含多维度融合信息的谣言动态传播图及动态增广图；获得谣言动态传播图表示及动态增广图表示；无监督对比学习，捕捉谣言动态传播图的表征信息及动态增广图的表征信息；通过深度神经分类模型进行谣言分类，完成社交媒体上的鲁棒性谣言检测。本发明提供的方法能够很好的利用动态传播图和动态增广图的时序信息，并且能够有效的利用对比学习获取图表征，从而更好地完成社交媒体上谣言检测任务。
-
公开(公告)号：CN119357830A
公开(公告)日：2025-01-24
申请号：CN202411936642.2
申请日：2024-12-26
Applicant: 南开大学
IPC: G06F18/2415 , G06N3/0499 , G06N3/08 , G06N7/01 , G06Q50/00
Abstract: 本发明涉及电数字数据处理技术领域，尤其涉及一种社交媒体上的鲁棒性谣言检测方法，包括如下步骤：将社交媒体数据中的事件构建为静态传播图，并构造事件与标签样本对，形成谣言检测数据集；构建包含多维度融合信息的谣言动态传播图及动态增广图；获得谣言动态传播图表示及动态增广图表示；无监督对比学习，捕捉谣言动态传播图的表征信息及动态增广图的表征信息；通过深度神经分类模型进行谣言分类，完成社交媒体上的鲁棒性谣言检测。本发明提供的方法能够很好的利用动态传播图和动态增广图的时序信息，并且能够有效的利用对比学习获取图表征，从而更好地完成社交媒体上谣言检测任务。
-
公开(公告)号：CN118278398A
公开(公告)日：2024-07-02
申请号：CN202410696047.X
申请日：2024-05-31
Applicant: 南开大学
IPC: G06F40/253 , G06F40/205 , G06N3/0455 , G06N3/088
Abstract: 本发明提供一种基于指令调优增强的无监督语法纠错方法，属于自然语言处理技术领域，具体为：基于开源数据集收集源数据，根据源数据生成包括多个正误语句样本对的纠正数据集；对其中的正确语句及错误语句分别进行标注，获得标注指令和标注提示；构建序列标注模型，将纠正数据集中的错误语句作为输入，将标注指令作为输出，训练序列标注模型并获得预测提示；分别对标注提示及预测提示进行掩码，将经过掩码后的标注提示及预测提示作为输入，训练获得语法纠错模型；通过语法纠错模型对待纠错语句进行纠错，获得纠错结果，本发明提升了模型的语义理解及语法错误定位能力，从而在很大程度上提高了无监督设置下语法纠错方法任务的准确性。
-
公开(公告)号：CN112328859B
公开(公告)日：2022-09-20
申请号：CN202011219845.1
申请日：2020-11-05
Applicant: 南开大学
IPC: G06F16/951 , G06F16/9536 , G06F16/36 , G06F16/35 , G06F40/30 , G06F40/205 , G06F40/126 , G06Q50/00
Abstract: 一种基于知识感知注意力网络的虚假新闻检测方法，属于人工智能技术领域。包括：基于新闻本文抽取知识图谱中的相关知识，将新闻文本和抽取的相关知识作为输入数据，构建基于知识感知的虚假新闻检测模型，对新闻样本进行分类。首先通过实体链接识别新闻中的实体提及并将其与知识图谱中相应的实体进行对齐，获得实体序列。其次，对于实体序列中的每个实体，获取知识图谱中该实体的邻居实体作为其实体上下文。最后，通过虚假新闻检测模型，将新闻文本与实体和实体上下文特征进行融合，完成虚假新闻检测。本发明能够解决新闻文本中实体提及带来的歧义问题，同时能够为新闻中的实体提供补充信息，学习语义水平和知识水平的新闻表示。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.038 seconds)
