-
公开(公告)号：CN104573405A
公开(公告)日：2015-04-29
申请号：CN201410806842.6
申请日：2014-12-22
Applicant: 中国科学院计算机网络信息中心
IPC: G06F19/14
Abstract: 本发明公开了一种基于大树构建子树的系统进化树重建方法。本方法为：1)对系统进化基础大树进行分割，并记录分割次数、分割权值以及每个叶子节点的关系链，然后存储到数据库中；2)根据物种子名录中的物种名称确定一物种子名录列表，从数据库中查找匹配的节点元素列表，并建立该子名录列表与该节点元素列表的映射关系；3)从数据库中检索该节点元素列表中每个节点元素的关系链和节点权值；4)将关系链两两之间进行比对，形成节点元素的分组关系；5)根据节点元素的节点权值和分组关系，计算每个节点元素在系统进化子树中对应的权值；生成并输出该物种子名录对应的系统进行子树。本方法能满足根据名录快速构建生物样方中生物进化关系等需要。
-
公开(公告)号：CN102289483B
公开(公告)日：2012-12-19
申请号：CN201110220537.5
申请日：2011-08-02
Applicant: 中国科学院计算机网络信息中心
IPC: G06F17/30
Abstract: 本发明公开一种面向全球变化研究的空间科学数据元数据自动汇聚方法，属于信息技术领域。本方法为：1)选定数据源，服务器定期对数据源进行访问，生成下载列表和下载任务；2)根据当前下载列表和下载任务，访问数据源服务器，进行元数据文件下载，并将其保存到服务器；3)对下载的元数据文件进行质量检查，并对检查合格的元数据文件进行元数据项提取、计算和转换；4)将元数据文件路径、元数据项保存到元数据项数据库并建立索引；5)通过文件路径、元数据项数据库的id值、索引项的id值，建立元数据文件、元数据项数据库数据、索引数据之间一一对应的映射关系。本方法可一站式地查询分布在全球各地的海量全球变化空间科学数据元数据资源。
-
公开(公告)号：CN102289483A
公开(公告)日：2011-12-21
申请号：CN201110220537.5
申请日：2011-08-02
Applicant: 中国科学院计算机网络信息中心
IPC: G06F17/30
Abstract: 本发明公开一种面向全球变化研究的空间科学数据元数据自动汇聚方法，属于信息技术领域。本方法为：1)选定数据源，服务器定期对数据源进行访问，生成下载列表和下载任务；2)根据当前下载列表和下载任务，访问数据源服务器，进行元数据文件下载，并将其保存到服务器；3)对下载的元数据文件进行质量检查，并对检查合格的元数据文件进行元数据项提取、计算和转换；4)将元数据文件路径、元数据项保存到元数据项数据库并建立索引；5)通过文件路径、元数据项数据库的id值、索引项的id值，建立元数据文件、元数据项数据库数据、索引数据之间一一对应的映射关系。本方法可一站式地查询分布在全球各地的海量全球变化空间科学数据元数据资源。
-
公开(公告)号：CN119886139A
公开(公告)日：2025-04-25
申请号：CN202411645805.1
申请日：2024-11-18
Applicant: 中国科学院计算机网络信息中心
IPC: G06F40/295 , G06F40/30 , G06F16/35 , G06F16/36 , G06N3/045 , G06N3/082 , G06N3/0442 , G06N3/047
Abstract: 本发明公开了一种CO2催化领域的多层次、广类别命名实体识别方法，其步骤包括：1)对关于CO2电催化还原的论文进行标注，得到一训练样本；2)生成训练样本的语义表示；3)将训练样本的语义表示输入实体识别模型，预测得到样本中每一实体的类型；根据预测结果和标注结果优化实体识别模型；4)根据设定的命名实体分类层级结构对各类型的实体进行细粒度标注，并将标注结果保存到数据字典中；5)对于一待处理论文，将该待处理论文的语义表示输入优化后的所述实体识别模型，预测得到该待处理论文中每一实体的类型；然后根据实体的类型在所述数据字典中查找匹配的细粒度类型，得到该待处理论文中每一实体的细粒度类型识别结果。
-
公开(公告)号：CN118736236A
公开(公告)日：2024-10-01
申请号：CN202410768556.9
申请日：2024-06-14
Applicant: 中国科学院计算机网络信息中心
IPC: G06V10/40 , G06V10/80 , G06V10/774 , G06V10/778
Abstract: 本发明公开了一种针对细粒度属性对比融合的跨模态零样本哈希方法。本发明首先对图像的视觉属性进行特征提取，得到视觉表征矩阵；通过利用属性原型网络来捕获图像细粒度细节和独特的局部特征，计算并优化属性回归损失#imgabs0#根据属性的数值差异为每个图像构建正例和负例，并通过对比学习综合考虑属性的上下文信息制定属性级对比表征目标#imgabs1#引入类一致性约束#imgabs2#基于表征推导哈希网络引入超球面损失#imgabs3#实现更大的类间分离和压缩类间变异；联合#imgabs4#和#imgabs5#进行模型优化，得到未知类图像的预测标签。
-
Patent Agency Ranking
公开(公告)号：CN117809760A
公开(公告)日：2024-04-02
申请号：CN202311793781.X
申请日：2023-12-25
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种基于层次图架构的药物‑药物相互作用预测方法。本发明在分子层次采用注意力感知的消息传递网络来捕获药物分子图的结构和属性信息以编码分子图；在分子内层次提取分子内的子结构，采用自注意力机制捕获分子上下文中子结构中的重要性，构建主题功能模型来挖掘子结构中潜在功能语义信息；对于分子间层次采用迭代学习策略不断精化DDI网络拓扑并优化药物的嵌入表示；本发明采用双层全连接神经网络预测药物对之间发生相互作用的概率。本发明方法取得了卓越的DDI预测性能，对于分析复杂的药物分子内部结构和预测药物对间潜在的相互作用关系具有重要意义。
-
公开(公告)号：CN117807285A
公开(公告)日：2024-04-02
申请号：CN202311798857.8
申请日：2023-12-25
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/904 , G06F9/445
Abstract: 本发明公开一种插件式可扩展科学数据文件可视化预览方法及设备，该方法包括：从消费队列中获取待处理文件，该待处理文件通过对科学数据文件组装得到；在待处理文件对应的文件类型为该插件的目标类型的情况下，消费待处理文件消息，生成预览结果模型，以使前端基于预览结果模型进行预览结果文件的渲染展示。本发明能以扩展插件方式实现可扩展的多学科科学数据文件预览。
-
公开(公告)号：CN116431700A
公开(公告)日：2023-07-14
申请号：CN202310267230.3
申请日：2023-03-15
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/2458 , G16B30/00
Abstract: 本发明公开了一种大规模序列数据的解析处理方法及装置。本方法为：1)遍历所有待解析处理的序列文件，将文件路径、大小、类型记录到主队列中；2)选取多个解析服务器并在每一所述解析服务器上部署一解析进程，用于向主队列发送解析请求；主队列接到解析请求后，为对应的解析服务器创建一个工作队列，将分配给该解析服务器的序列文件集合Fi迁移至所述工作队列中；3)第i个解析服务器开始解析序列文件集合Fi中的第j个序列文件Fij时，将开始解析时间以及解析Fij的进程标识记录到Fij中；4)第i个解析服务器将Fij的解析结果存储于中间文件中；5)将不同中间文件路径写入不同队列并监听，将对应的中间文件存入数据库。
-
公开(公告)号：CN112069290B
公开(公告)日：2022-07-12
申请号：CN202010730690.1
申请日：2020-07-27
Applicant: 中国科学院计算机网络信息中心
IPC: G06F16/33 , G06F16/335 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图局部结构和文本语义相似性的学术论文推荐方法。本方法为：1)基于论文库中论文的关键词、机构、作者特征构建包含论文和论文关系的异质网络；2)对于论文pi，基于该异质网络计算与论文pi有关联的论文相似度，形成一推荐结果候选集；3)生成论文库中每一论文的关系表征向量和语义表征向量，并加权求和得到对应论文的最终表征向量；将论文pi加入到该论文库中并生成论文pi的最终表征向量；4)计算论文库中每一论文的最终表征向量与论文pi的最终表征向量的相似性，并根据所得相似性选取多个论文作为论文pi的待推荐候选论文；5)将推荐结果候选集与待推荐候选论文进行融合，选取相似性最高的若干论文作为论文pi的推荐论文。
-
公开(公告)号：CN113723622A
公开(公告)日：2021-11-30
申请号：CN202110912832.0
申请日：2021-08-10
Applicant: 中国科学院计算机网络信息中心
Abstract: 本发明公开了一种烟叶感官质量预测方法，其步骤包括：1)设定所集成弱分类器的数目K、损失函数以及所要分的类别数目R；2)基于样本数据集对集成学习中的各弱分类器进行训练并更新弱分类器的权重和烟草样本的权重；其中训练第k个弱分类器时，第k个弱分类器对输入数据xi的输出为Gk(xi)，计算对应的损失函数值ek；然后将第k个弱分类器的权重ak更新为然后通过权重ak更新样本xi的权重，再利用更新后的样本数据集训练第k+1个弱分类器；3)基于各弱分类器的权重对所有弱分类器进行集成，得到强分类器；4)将待识别烟草数据的特征输入所述强分类器，得到对应的类别。
-
-
-
-
-
-
-
-
-
Search Results
158
records
(took 0.041 seconds)
