-
公开(公告)号：CN116187329B
公开(公告)日：2024-09-27
申请号：CN202211631598.5
申请日：2022-12-19
Applicant: 北京航空航天大学 , 中关村融智企业管理创新推广中心
IPC: G06F40/295 , G06F40/216 , G06N3/049 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种基于图卷积网络的联合抽取模型的分类方法，包括：初始化输入的语句，获取嵌入结果，将嵌入结果输入到神经网络中进行编码，获得语句的编码结果；通过编码结果计算注意力评分，基于注意力机制对注意力评分进行处理，使用门控机制获得语句整体表示结果；将整体表示结果针对特定关系进行解码，选择出最优标签，完成分类任务。本发明综合了图神经网络、注意力机制、命名实体识别、关系抽取等技术，提升了RSAN模型中句子特征的质量与整体模型效果，对联合抽取的研究有着重要意义。
-
公开(公告)号：CN118051606A
公开(公告)日：2024-05-17
申请号：CN202410185452.5
申请日：2024-02-19
Applicant: 北京航空航天大学
IPC: G06F16/335 , G06F16/33 , G06F40/30
Abstract: 本申请涉及计算机科学和人工智能领域，公开了一种基于提示学习的多模态讽刺检测方法，包括以下步骤：S1、接收多模态输入数据；S2、生成与所述多模态输入数据对应的多模态提示向量；S3、生成讽刺提示向量和非讽刺提示向量；S4、计算所述多模态提示向量与所述讽刺提示向量以及所述非讽刺提示向量的余弦相似度；S5、根据所述余弦相似度计算所述多模态输入数据的讽刺概率值。本发明提供了一种有效的多模态讽刺检测方法，该方法通过引入可学习的提示向量和协同多模态提示，显著提升了讽刺检测的性能，尤其是在准确度和泛化能力方面。
-
公开(公告)号：CN113918702B
公开(公告)日：2022-07-01
申请号：CN202111239970.3
申请日：2021-10-25
Applicant: 北京航空航天大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/35 , G06F40/126 , G06F40/194 , G06F40/289 , G06F40/30 , G06Q50/18
Abstract: 本发明公开了一种基于语义匹配的在线法律自动问答方法及系统，方法包括以下步骤：基于若干种互联网渠道，获取法律咨询数据；通过采集法律咨询数据的第一特征信息、第二特征信息，构建特征数据集，基于特征数据集，依据FastText文本分类算法和BertSum语义优化算法，构建用户意图识别模型，用户意图识别模型用于通过采集用户提出的法律咨询问题的第三特征信息，获取第三特征信息对应的法律咨询数据；系统由若干功能模块构成，通过模块之间的逻辑联系，实现在线法律自动问答的方法，本发明克服了法律门户网站的站内检索系统技术过于简单和不适配等问题，对推进法律自动问答垂直领域发展具有重大意义。
-
公开(公告)号：CN113886593A
公开(公告)日：2022-01-04
申请号：CN202110720743.6
申请日：2021-06-28
Applicant: 北京航空航天大学
IPC: G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种利用指代依赖提升关系抽取性能的方法，包括捕获文本上下文语义，识别文本中的命名实体，预测实体间的指代依赖关系，融合指代依赖关系预测关系三元组等4个部分；本发明综合利用了信息抽取、语义挖掘、深度学习等技术，利用指代依赖信息对实体关系信息进行有效补充，提高了实体关系预测的抽取性能，进而基于关系预测结果可进行其他应用的研究，对进一步研究知识图谱和挖掘实体潜在关系提供了关键基础。
-
公开(公告)号：CN103294818B
公开(公告)日：2016-05-18
申请号：CN201310231487.X
申请日：2013-06-12
Applicant: 北京航空航天大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于多信息融合的微博热点话题检测方法，首先根据微博发布者的社交关系来计算博主的影响力，进而基于博主的影响力信息和特征词频率信息来计算特征词在给定时间段内所有微博中的权值之和；然后根据特征词权值之和随时间变化的信息来检测突发特征词，通过引入Web新闻语料来扩充微博数据以计算突发特征间的关联关系值，进而构建突发特征词关联图；最后对突发特征词关联图进行划分，每个强连通子图表示一个话题，从而实现微博热点话题的检测。本发明综合利用了微博特征词信息、博主社会关系信息、相关Web新闻文档信息来检测微博热点话题，提高了微博热点话题检测的效率。
-
Patent Agency Ranking
公开(公告)号：CN116186211B
公开(公告)日：2023-07-25
申请号：CN202211631371.0
申请日：2022-12-19
Applicant: 北京航空航天大学 , 中关村融智企业管理创新推广中心
IPC: G06F16/332 , G06F16/36 , G06F16/953 , G06F40/279
Abstract: 本发明公开了一种文本攻击性检测和转换的方法,包括：获取待处理文本数据，将所述待处理文本输入预训练BERT模型，获取序列词向量；构建双塔攻击性检测模型，将所述序列词向量输入所述双塔攻击性检测模型进行攻击性检测，获取攻击性词汇的位置；基于所述攻击性词汇的位置，确定攻击性语句的位置；构建攻击性文本转换模型，基于所述攻击性文本转换模型对所述攻击性语句进行去攻击性处理，生成无攻击性文本。本发明综合利用了文本向量化表示、召回模型、文本转换等技术，可以检测攻击性文本并识别出攻击性词汇，进而去攻击性转化得到目标文本，对进一步研究文本攻击性检测和转化提供了关键基础。
-
公开(公告)号：CN116187329A
公开(公告)日：2023-05-30
申请号：CN202211631598.5
申请日：2022-12-19
Applicant: 北京航空航天大学 , 中关村融智企业管理创新推广中心
IPC: G06F40/295 , G06F40/216 , G06N3/049 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种基于图卷积网络的联合抽取模型的分类方法，包括：初始化输入的语句，获取嵌入结果，将嵌入结果输入到神经网络中进行编码，获得语句的编码结果；通过编码结果计算注意力评分，基于注意力机制对注意力评分进行处理，使用门控机制获得语句整体表示结果；将整体表示结果针对特定关系进行解码，选择出最优标签，完成分类任务。本发明综合了图神经网络、注意力机制、命名实体识别、关系抽取等技术，提升了RSAN模型中句子特征的质量与整体模型效果，对联合抽取的研究有着重要意义。
-
公开(公告)号：CN112163219A
公开(公告)日：2021-01-01
申请号：CN202010875751.3
申请日：2020-08-27
Abstract: 本发明公开了一种基于词嵌入和GCN的恶意程序识别和分类方法，其运行步骤如下：1：样本反编译；2：函数图构建；3：指令语料库构建；4：指令词嵌入；5：提取函数特征；6：GCN对单张图卷积；7：卷积结果维度扩张；8：应用程序分类；本发明保证了分类精确度，增强了分类方案的鲁棒性，为应用程序分类提供了新的思路，提高了计算的时间效率。因此具有较大的现实意义与推广前景。
-
公开(公告)号：CN119089381A
公开(公告)日：2024-12-06
申请号：CN202411162163.X
申请日：2024-08-23
Applicant: 北京航空航天大学
IPC: G06F18/25 , G06F18/2431 , G06F16/31 , G06F16/33 , G06F16/36 , G06F16/583 , G06Q50/00 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0895
Abstract: 本发明属于计算机科学与技术领域，具体涉及一种基于多模态证据融合和语篇关系增强的事实核查方法，包括以下步骤：步骤1、证据检索：针对待检测的声明，从证据库中检索相关证据；步骤2、构建证据关系图：使用自然语言处理工具从相关证据中提取语篇关系，基于提取的语篇关系，构建语篇关系异构图，并通过图神经网络对语篇关系异构图的特征进行融合和提取，形成语篇关系异构图证据特征；步骤3、真实性判断：采用完整的相关证据作为单位，将声明特征和证据特征进行融合，分析相关证据是否支持待判断的声明。本发明提升了多模态事实核实模型在判断声明真实性方面的准确性和可靠性，能够有效对待检测的声明作出判断。
-
公开(公告)号：CN119088980A
公开(公告)日：2024-12-06
申请号：CN202411162236.5
申请日：2024-08-23
Applicant: 北京航空航天大学
IPC: G06F16/36 , G06F16/34 , G06F16/35 , G06F16/33 , G06F40/211 , G06F40/284 , G06F40/30 , G06N3/0455 , G06N3/0475 , G06N3/084
Abstract: 本发明属于信息处理技术领域，具体涉及一种基于生成模型的文档级关系抽取方法，包括如下步骤：其一、训练阶段，采用生成模型对文档进行压缩和精炼，提取主体、客体在文档中的关系摘要，从而筛选出与目标紧密关联的信息；其二、测试阶段，引入轻量化的判别模块，把生成模型输出的关系摘要映射到预定义的关系类别上，还包括引导生成，生成模型具备自适应性学习能力，可以动态自主地学习人类精心挑选的示例，生成更贴近人类意图的输出，还包括引导生成。本发明精准捕捉并提炼出主体和客体在文档中的关系摘要，把关系摘要映射到预定义的关系类别上，实现了关系抽取的准确性与可控性的双重提升。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.064 seconds)
