-
公开(公告)号：CN102033950A
公开(公告)日：2011-04-27
申请号：CN201010602773.9
申请日：2010-12-23
Applicant: 哈尔滨工业大学
IPC: G06F17/30
Abstract: 电子产品命名实体自动识别系统的构建方法及识别方法，本发明涉及自然语言处理中的命名实体识别系统的构建方法和识别方法，属于从相关信息中把电子产品的名称进行自动识别的技术。用于电子产品的名称识别。它解决了基于规则的识别系统在识别时召回率较低，而基于机器学习的识别系统识别时需要人工标注大量训练语料的问题。构建方法包括下述步骤：形成原始语料的知识库；构建一个标注语料库；基于条件随机域方法进行电子产品命名实体识别。识别方法包括下述步骤：把自由文本输入电子产品命名实体自动识别系统；系统首先利用特征模板提取特征，然后利用条件随机域模型得到每个特征对应的权重，把这些权重利用条件随机域方法进行运算得到识别结果。
-
公开(公告)号：CN101833560A
公开(公告)日：2010-09-15
申请号：CN201010103806.5
申请日：2010-02-02
Applicant: 哈尔滨工业大学
Abstract: 基于互联网的厂商口碑自动排序系统，本发明涉及一种厂商口碑自动排序系统。它解决了消费者无从检索到对相关商品评价信息的缺陷。本发明用于厂商口碑的排序工作。它包括：一号服务器，接受网上访问者的请求，从互联网上识别和收集对相关商品的评价信息；二号服务器，对收集到的相关商品评价信息进行结构化和规范化处理，从而得出对同一商品各个生产厂家的口碑排序；三号服务器，向网上访问者发布相关商品的不同生产厂家的口碑排序结果。
-
公开(公告)号：CN113987179B
公开(公告)日：2024-03-22
申请号：CN202111255353.2
申请日：2021-10-27
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06F18/214 , G06N3/0455 , G06N3/0985 , G06F18/24
Abstract: 本申请公开了一种基于知识增强和回溯损失的对话情绪识别网络模型、构建方法、电子设备及存储介质，属于自然语言处理技术领域。本申请首先利用编码器，通过设计不同的掩码矩阵以实现对话中各方的交互，同时引入对话历史信息，仅在词编码阶段就考虑了情感动力学的影响。然后，本申请通过利用图注意力网络实现对外部结构化情感知识的利用，从而扩充了话语的语义信息，弥补了词编码器模块在某些特定维度上知识的缺失。最终，在任务损失函数的基础上又加入了一个回溯损失以达到在训练过程中利用过去模型状态的先验经验的效果。旨在利用先前的训练经验来指导权重更新，确保模型决策更接近真实值，而不是前一个训练步骤中表现相对较差的预测。
-
公开(公告)号：CN116738053A
公开(公告)日：2023-09-12
申请号：CN202310718242.3
申请日：2023-06-16
IPC: G06F16/9535 , G06N3/045
Abstract: 一种基于文本蕴含的跨域新闻推荐系统及推荐方法，属于信息推荐技术领域。为解决跨域新闻的推荐的问题。本发明包括包括用户领域兴趣生成模块、基于BERT的新闻嵌入模块、基于注意力机制的用户情景兴趣生成模块、基于文本蕴含思想的兴趣融合模块、点击率预测模块、损失函数计算模块；所述基于BERT的新闻嵌入模块分别连接基于注意力机制的用户情景兴趣生成模块、点击率预测模块，所述用户领域兴趣生成模块、基于注意力机制的用户情景兴趣生成模块连接基于文本蕴含思想的兴趣融合模块、所述基于文本蕴含思想的兴趣融合模块连接点击率预测模块，所述点击率预测模块连接损失函数计算模块。本发明在新闻推荐任务中效果更明显的提升。
-
公开(公告)号：CN113344060B
公开(公告)日：2022-07-08
申请号：CN202110600977.7
申请日：2021-05-31
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种文本分类模型训练方法、诉讼状分类方法及装置，训练方法包括：获取预先根据文本信息建立的多个人物事件关系图和文本信息的标签；将各个所述人物事件关系图输入预先建立的文本分类模型，分别对各个所述人物事件关系图进行编码，获得各个所述人物事件关系图的编码结果；基于注意力机制，分别确定各个所述编码结果的权重值，根据所述权重值对各个所述编码结果进行加权求和，获得文本表征结果；根据所述文本表征结果进行分类预测，获得预测结果；根据所述文本表征结果、所述预测结果和所述标签迭代优化所述文本分类模型至收敛。本发明的技术方案能够提高文本分类准确率，获得更好的分类效果。
-
Patent Agency Ranking
公开(公告)号：CN114201621A
公开(公告)日：2022-03-18
申请号：CN202111406136.9
申请日：2021-11-24
IPC: G06F16/43 , G06F16/583 , G06V10/25 , G06V10/774 , G06K9/62 , G06N3/04
Abstract: 本发明公开了一种基于图文协同注意力的跨模态检索模型构建及检索方法，所述方法包括：获取训练图像和训练文本，分别提取图像样本和文本样本的局部特征；将图像样本所有的局部图像特征和文本样本所有的局部文本特征分别映射为特征向量，并将图像样本和文本样本的特征向量分别表示成矩阵，再得到各自的Key矩阵、Query矩阵和Value矩阵；基于该多个矩阵，计算出图像样本和文本样本的跨模态注意力特征、模态内注意力特征；将跨模态注意力特征和模态内注意力特征进行融合，得到图像样本的全局特征表示和文本样本的全局特征表示；基于所述全局特征表示，训练得到跨模态检索模型。本发明可直接对不同模态的数据进行相似度匹配，具有较高的匹配准确性。
-
公开(公告)号：CN113987179A
公开(公告)日：2022-01-28
申请号：CN202111255353.2
申请日：2021-10-27
Applicant: 哈尔滨工业大学
IPC: G06F16/35 , G06V10/764 , G06V10/774 , G06K9/62 , G06N3/08
Abstract: 本申请公开了一种基于知识增强和回溯损失的对话情绪识别网络模型、构建方法、电子设备及存储介质，属于自然语言处理技术领域。本申请首先利用编码器，通过设计不同的掩码矩阵以实现对话中各方的交互，同时引入对话历史信息，仅在词编码阶段就考虑了情感动力学的影响。然后，本申请通过利用图注意力网络实现对外部结构化情感知识的利用，从而扩充了话语的语义信息，弥补了词编码器模块在某些特定维度上知识的缺失。最终，在任务损失函数的基础上又加入了一个回溯损失以达到在训练过程中利用过去模型状态的先验经验的效果。旨在利用先前的训练经验来指导权重更新，确保模型决策更接近真实值，而不是前一个训练步骤中表现相对较差的预测。
-
公开(公告)号：CN113344060A
公开(公告)日：2021-09-03
申请号：CN202110600977.7
申请日：2021-05-31
Applicant: 哈尔滨工业大学
Abstract: 本发明提供了一种文本分类模型训练方法、诉讼状分类方法及装置，训练方法包括：获取预先根据文本信息建立的多个人物事件关系图和文本信息的标签；将各个所述人物事件关系图输入预先建立的文本分类模型，分别对各个所述人物事件关系图进行编码，获得各个所述人物事件关系图的编码结果；基于注意力机制，分别确定各个所述编码结果的权重值，根据所述权重值对各个所述编码结果进行加权求和，获得文本表征结果；根据所述文本表征结果进行分类预测，获得预测结果；根据所述文本表征结果、所述预测结果和所述标签迭代优化所述文本分类模型至收敛。本发明的技术方案能够提高文本分类准确率，获得更好的分类效果。
-
公开(公告)号：CN113051903A
公开(公告)日：2021-06-29
申请号：CN202110427582.1
申请日：2021-04-21
Applicant: 哈尔滨工业大学
IPC: G06F40/279 , G06F40/216 , G06N3/04 , G06N3/08 , G06Q50/18
Abstract: 本发明提供了语句、案件经过、量刑情节和司法文书一致性比对方法，语句一致性比对方法包括：获取待比较语句，并确定所述待比较语句的句向量；根据所述句向量计算两个待比较语句的余弦相似度；根据所述余弦相似度确定对应的两个所述待比较语句的一致性。这样，在需要进行待比较语句的一致性比对时，先获取待比较语句的句向量，然后获取句向量的余弦相似度，从而确定两个待比较语句的一致性。这样，可以直接对语句的一致性进行准确比对；且比对过程简单方便，便于计算机实现；这样无需通过校对人员，节约了大量的人力和财力。
-
公开(公告)号：CN109165386A
公开(公告)日：2019-01-08
申请号：CN201811000982.9
申请日：2018-08-30
Applicant: 哈尔滨工业大学 , 北京中科汇联科技股份有限公司
IPC: G06F17/27
Abstract: 本发明公开了一种中文零代词消解方法及系统，所述方法包括：通过对目标语料进行预处理，获取零代词标记；对候选零代词进行位置识别；位置识别的结果结合预设优化规则，得到目标零代词；根据所有目标零代词及候选先行语获得表述对集合；获取每个表述对中目标零代词与候选先行语间指代关系的概率，并将多个指代关系的概率进行排序；根据排序结果得到对应的零代词消解结果。本发明利用结合句法分析的预设优化规则，实现零代词的准确识别，通过使用深度学习的方法，使得零代词消解得以完成。
-
-
-
-
-
-
-
-
-
Search Results
44
records
(took 0.022 seconds)
