-
公开(公告)号：CN107992854A
公开(公告)日：2018-05-04
申请号：CN201711407164.6
申请日：2017-12-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于机器视觉的林业生态环境人机交互方法，属于神经网络领域。该方法融合人工智能在图像处理中的已有先进成果，面向林业生态典型应用场景，采用“云”到“端”的处理方式，利用视觉感知所记忆的信息，构建林业生态环境统一语义表达的人机交互平台。本发明围绕林业生态中的特殊人群分析、危险行为理解、人流量监测与野生动物识别等典型需求，研究图像敏感区域捕获、目标种类判别与图像语义理解的共性技术，解决林业生态环境中视觉信息交互问题，使多模态交互设备实现智能环境感知，改善林区监管手段、提高管理效率。实现林区智能监控与预警功能，丰富林业生态监管手段、提升林业生态管理效率。
-
公开(公告)号：CN109885671B
公开(公告)日：2022-10-14
申请号：CN201910152570.5
申请日：2019-02-28
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种基于多任务学习的问答方法，属于人工智能领域，包括步骤：S1：为每个任务配备特定于任务的siamese编码器，将预处理后的句子编码为分布式向量表示；S2：利用一个共享的表示学习层在不同的任务之间共享高级信息；S3：特定于任务的softmax层分类，对于第k个任务中的问答对及其标签最后的特征表示形式被输入特定于任务的softmax层进行二进制分类；S4：多任务学习：训练多任务学习模型，使交叉熵损失函数最小化。本发明利用从不同角度学习到的多视图注意力，使这些任务能够相互作用，学习更全面的句子表示，多视角注意方案还可以有效地从不同的表征视角收集注意信息，提高表征学习的整体水平。
-
公开(公告)号：CN112015868B
公开(公告)日：2022-08-26
申请号：CN202010937656.1
申请日：2020-09-07
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识图谱补全的问答方法，属于自然语言处理领域，包括以下步骤：S1：将输入的Q划分为词或短语；S2：利用字向量模型BERT将词表征为向量，得到矩阵作为模型输入；S3：利用实体识别技术识别Q中的实体，获取候选实体集；S4：查询eKGs的类别，用c替换Q中的实体；S5：构建声明式查询cyher，获取候选三元组集，从而获取到候选关系集；S6：基于Qc和rij的关系链接；S7：在KGs中，如果eKGs和rij之间缺少关系；S8：学习实体eKGs和eKGs邻域内实体的新的向量表示；S9：估计中心实体邻域内实体的重要性；S10：基于现存的相关的三元组执行关系预测；S11：基于实体和关系的知识图推理，获得答案A。
-
Patent Agency Ranking
公开(公告)号：CN111782769A
公开(公告)日：2020-10-16
申请号：CN202010628423.3
申请日：2020-07-01
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F16/35 , G06F40/295 , G06F40/30
Abstract: 本发明涉及一种基于关系预测的知识图谱智能问答方法，属于自然语言处理领域。该方法包括步骤：S1：输入问题Q，对问题进行预处理；S2：利用实体识别技术识别问题中的实体equestion,并将实体equestion映射到KGs中对应的实体eKGs；S3：查询KGs中实体eKGs的类别c，用类别c替换问题Q中的实体equestion，标记为Qc；S4：从Qc中映射出关系r；S5：在KGs中，如果实体eKGs和关系r之间缺少联系；S6：学习中心实体eKGs的新的向量表示；S7：基于已有的相关三元组推断KGs中隐藏的关系；S8：基于实体和关系的知识图推理，获得答案A。本发明能找到“问句实体--知识图实体”的对应关系，以及“问句自然语言描述——知识图语义关系”的对应关系。
-
公开(公告)号：CN110110846A
公开(公告)日：2019-08-09
申请号：CN201910335267.9
申请日：2019-04-24
Applicant: 重庆邮电大学
IPC: G06N3/04
Abstract: 本发明涉及一种基于卷积神经网络的辅助驾驶人车交互方法，属于深度神经网络领域。该方法包括：S1：从输入的用户指令数据集中提取高频词；S2：利用独热向量模型将词表征为向量，得到矩阵作为输入；S3：训练TVE模块；S4：把标签数据整合进多粒度卷积神经网络；S5：滤波器对句子矩阵进行卷积计算；S6：得到不同程度的特征字典；S7：对特征字典进行最大值池化；S8：生成一串单变量的特征向量；S9：在softmax层，以生成特征向量作为输入，对句子矩阵做分类处理；S10：输入验证集，调整分类器参数；S11：输入测试集，测试模型的分类能力。本发明极大改善当前市场上的汽车功能和用户体验。
-
公开(公告)号：CN109885671A
公开(公告)日：2019-06-14
申请号：CN201910152570.5
申请日：2019-02-28
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种基于多任务学习的问答方法，属于人工智能领域，包括步骤：S1：为每个任务配备特定于任务的siamese编码器，将预处理后的句子编码为分布式向量表示；S2：利用一个共享的表示学习层在不同的任务之间共享高级信息；S3：特定于任务的softmax层分类，对于第k个任务中的问答对 及其标签 最后的特征表示形式被输入特定于任务的softmax层进行二进制分类；S4：多任务学习：训练多任务学习模型，使交叉熵损失函数最小化。本发明利用从不同角度学习到的多视图注意力，使这些任务能够相互作用，学习更全面的句子表示，多视角注意方案还可以有效地从不同的表征视角收集注意信息，提高表征学习的整体水平。
-
公开(公告)号：CN108009284A
公开(公告)日：2018-05-08
申请号：CN201711408277.8
申请日：2017-12-22
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种采用半监督卷积神经网络的法律文本分类方法，属于神经网络领域。该方法利用SSC对自然语言进行处理，实现了该系统的主要目标，通过对法律案情描述的处理，初步解决该法律案情描述触犯了当事人什么权益，或是当事人违反了哪些法律法规，当事人可能不止一个权益受到侵犯，也或者是当事人同时触犯了多个法律法规，实现多标签分类。该法律服务平台帮助办案人员高效处理各类法律案件，对各类法律案件进行语义分析，实现分类，使我们的自然语言理解功能不仅具备理解字面意思的能力，还具备逻辑推理，理解深层意思的能力。
-
公开(公告)号：CN107015963A
公开(公告)日：2017-08-04
申请号：CN201710172099.7
申请日：2017-03-22
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于深度神经网络的自然语言语义分析系统及方法，包括构建知识图、输入训练集、得到N‑Gram概率模型、利用word2vec将词表征为向量得到矩阵作为输入、利用深度置信网络模型进行实体识别、输入验证集，调整分类器参数、输入测试集，测试模型的分类能力、采用知识图的方法，对语言描述中的实体进行推理、得到相应结论。与现有技术相比，本发明采用知识图的方法对语言描述中的实体进行推理，得到相应的结论，使我们的自然语言理解功能不仅具备理解字面意思的能力，还具备逻辑推理，理解深层意思的能力，具有推广使用的价值。
-
-
-
-
-
-
-
Search Results
18
records
(took 0.023 seconds)
