-
公开(公告)号：CN120025196A
公开(公告)日：2025-05-23
申请号：CN202510204765.5
申请日：2025-02-24
Applicant: 哈尔滨工业大学
Abstract: 一种外源生化添加剂强化餐厨垃圾厌氧发酵沼渣与黑水虻虫粪共堆肥腐殖化及氮素固定的方法，所述方法为：将餐厨垃圾沼渣、黑水虻虫粪按照3：1的质量比充分混合均匀得到堆肥底料，加入调理剂，混合均匀后得到初始堆肥基质，向初始堆肥基质中加入木质纤维素降解酶或木质纤维素降解酶耦合生化添加剂，再次混合均匀，得到堆肥物料；将充分混合均匀的堆肥物料进行好氧堆肥，堆肥过程中保证全程曝气，堆肥经历了完整的升温期、高温期、降温期和腐熟期，得到堆肥产品。堆肥产品腐殖化指数与腐殖质类物质占比均上升，堆肥过程中氨气累积排放量显著降低，本发明强化了餐厨垃圾厌氧发酵沼渣与黑水虻虫粪的同步资源化利用。
-
公开(公告)号：CN120012931A
公开(公告)日：2025-05-16
申请号：CN202510092521.2
申请日：2025-01-21
Applicant: 哈尔滨工业大学
IPC: G06N5/04 , G06Q50/00 , G06F40/216 , G06F40/279 , G06F16/31 , G06F16/3329
Abstract: 本发明公开了一种在不对大语言模型进行微调的情况下提升其在社交领域表现的方法，属于大语言模型优化技术领域。解决了现有技术中传统的大语言模型在社交领域下生成文本社交质量较差的问题；本发明包括以下步骤：S1.构建大语言模型，采集待生成评论语料及其对应的社交领域语料；S2.通过分析社交领域语料筛选出最高质量的文本，结合向量检索库构建主流社交语言的知识库；S3.通过知识库提升大语言模型性能，将当前待生成评论语料输入大语言模型，输出适合社交环境的生成文本。本发明有效提升了大语言模型在社交领域输出的生成文本的社交质量，且无需对大语言模型自身进行微调，可以应用于通过大语言模型发言。
-
公开(公告)号：CN119822900A
公开(公告)日：2025-04-15
申请号：CN202510048957.1
申请日：2025-01-13
Applicant: 哈尔滨工业大学
Abstract: 一种餐厨垃圾厌氧发酵沼渣协同可降解塑料废弃物资源化的方法及其产品，具体包括如下步骤：(1)将餐厨沼渣、农林废弃物按照(1‑10):(1‑10)的比例混合得到初始堆肥基质，控制其含水率为50％‑70％和C/N比为(20‑30):1；(2)向初始堆肥基质中一次性加入可降解塑料废弃物碎片，混合搅匀后启动好氧堆肥装置，堆体历经一个完整的堆肥周期，得到肥料。制得的肥料种子发芽率显著提高，腐殖质类物质和腐殖酸类物质明显增加。同时根据国际标准(EN13432‑2002)，该协同处置技术实现了可降解塑料的良好崩解。肥料达到有机粪肥的使用要求，实现了餐厨垃圾厌氧发酵沼渣协同可降解塑料废弃物资源化的目标。
-
公开(公告)号：CN119783748A
公开(公告)日：2025-04-08
申请号：CN202411977917.7
申请日：2024-12-31
Applicant: 哈尔滨工业大学
Abstract: 一种基于混合专家架构的大语言模型自适应多偏好对齐方法及系统，涉及人工智能领域。解决了现有技术中需要一种拥有自适应能力的多偏好混合方法促使多偏好研究的落地的问题。所述方法包括：在大语言模型上添加已设计的基于混合专家架构的偏好混合模块；冻结大语言模型中主干网络参数，调节偏好混合模块，获得已合成的偏好数据；确定偏好对齐算法，基于已合成的偏好数据，将分组软损失与偏好对齐算法中的损失函数相结合，获得目标损失函数；使用收集包含多种偏好的的数据集，基于所获得的目标损失函数对大语言模型进行训练，获得偏好平衡的大语言模型。还适用于硬件计算能力的增强和算法改进领域。
-
公开(公告)号：CN117574874B
公开(公告)日：2025-03-04
申请号：CN202311396268.7
申请日：2023-10-25
Applicant: 哈尔滨工业大学
IPC: G06F40/20 , G06F18/22 , G06F16/9535 , G06N20/10 , G06Q50/18
Abstract: 一种基于自学习策略的专利成果转化推荐方法及装置，方法包括：获取专利数据集；从每个企业的专利中各抽取一件专利，组成训练集；采用多种方法计算所述训练集中每件专利的摘要文本与所述数据集中剩余专利的摘要文本的相似度；根据采用预设方法计算得到的所述相似度，将所述数据集中剩余专利按照降序排列，得到前m件专利组成样本组，每个样本的样本特征为采用多种方法计算得到的多个所述相似度；基于所述样本组对支持向量机排序模型进行训练；获取待转化专利文本，将所述待转化专利文本输入所述支持向量机排序模型，得到推荐企业结果；该方法不需要人工标注数据，且采用多种方法计算相似度，推荐结果准确率高。
-
Patent Agency Ranking
公开(公告)号：CN118114686B
公开(公告)日：2024-10-18
申请号：CN202410157029.4
申请日：2024-02-04
Applicant: 哈尔滨工业大学
Abstract: 一种基于思维链的大模型机器翻译强化方法、系统、设备及介质，属于机器翻译技术领域，解决了大语言模型在执行训练数据之外或者低资源、特殊领域的翻译任务时翻译效果不好，如果对模型微调，使其继续适应需求，会带来更庞大的计算资源，难以实施的问题。所述方法包括：S1：构建领域知识库，将待翻译原文输入到所述领域知识库中，获得领域知识；S2：构建大语言模型，将待翻译原文和所述领域知识输入到所述大语言模型中，对所述领域知识进行增强，获得增强后的领域知识；S3：根据待翻译原文和增强后的领域知识，构建prompt；S4：采用大语言模型，结合所述prompt，对待翻译原文进行翻译，获得多个翻译结果。本发明适用于各种特定领域的大批量文本翻译场景。
-
公开(公告)号：CN114529758B
公开(公告)日：2024-10-01
申请号：CN202210084807.2
申请日：2022-01-25
Applicant: 哈尔滨工业大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06F40/284 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明提出了一种基于对比学习和多头自注意力机制的多模态情感分析方法，本发明采用预训练模型，对文本和图片进行序列特征提取，之后针对图像采用基于多头自注意力机制的Transformer‑Encoder结构进行二次序列特征提取，然后将文本序列特征和图像序列特征拼接后使用Transformer‑Encoder进行特征提取，得益于自注意力机制，可以帮助文本和图像特征更好的对齐和融合；最后采用多任务学习，辅助模型更好的进行情感分类任务；同时加入两种辅助对比学习任务，帮助模型更好的提取学习文本和图像融合后的特征，帮助模型提升数据情感的区分能力。
-
公开(公告)号：CN118114686A
公开(公告)日：2024-05-31
申请号：CN202410157029.4
申请日：2024-02-04
Applicant: 哈尔滨工业大学
Abstract: 一种基于思维链的大模型机器翻译强化方法、系统、设备及介质，属于机器翻译技术领域，解决了大语言模型在执行训练数据之外或者低资源、特殊领域的翻译任务时翻译效果不好，如果对模型微调，使其继续适应需求，会带来更庞大的计算资源，难以实施的问题。所述方法包括：S1：构建领域知识库，将待翻译原文输入到所述领域知识库中，获得领域知识；S2：构建大语言模型，将待翻译原文和所述领域知识输入到所述大语言模型中，对所述领域知识进行增强，获得增强后的领域知识；S3：根据待翻译原文和增强后的领域知识，构建prompt；S4：采用大语言模型，结合所述prompt，对待翻译原文进行翻译，获得多个翻译结果。本发明适用于各种特定领域的大批量文本翻译场景。
-
公开(公告)号：CN117993396A
公开(公告)日：2024-05-07
申请号：CN202410091557.4
申请日：2024-01-23
Applicant: 哈尔滨工业大学
IPC: G06F40/58 , G06F40/284 , G06F40/289 , G06F18/22
Abstract: 本发明是一种基于RAG的大模型机器翻译方法。本发明涉及大语言模型翻译技术领域，本发明对原始语言序列分词处理，对语言序列嵌入表示转化，基于同语言建立翻译资料库；基于翻译需求，对原始语言进行拆分，进行原文嵌入表示获取；基于原文嵌入表示与翻译资料库，进行相似度计算；根据相似度计算获取和需求接近的翻译示例，结合翻译示例和大模型，生成贴合需求的译文。发明采用的prompt构造方式相比于普通的prompt以及随意使用示例的prompt能够更好的帮助大语言模型生成符合需求的译文，在特定领域翻译和翻译风格化上有着很好的效果。
-
公开(公告)号：CN117556833A
公开(公告)日：2024-02-13
申请号：CN202311332992.3
申请日：2023-10-16
Applicant: 哈尔滨工业大学
IPC: G06F40/47 , G06F40/58 , G06F40/56 , G06F40/166
Abstract: 本发明是一种基于大模型数据增强的机器翻译自动后编辑方法。本发明涉及机器翻译自动后编辑和数据增强技术领域，本发明通过领域筛选和正向翻译生成大量可用于训练的伪数据，借助大语言模型生成额外的辅助机器翻译译文，解决自动后编辑任务面临的数据稀缺问题，再将数据增强后得到的所有数据传入跨语言预训练模型mBART中进行训练，有效提升机器翻译译文质量。本发明所提出的方法合理利用了大语言模型的语言能力，能简单高效地解决自动后编辑任务面临的数据稀缺问题，同时该方法能直接适用于多语言对上的自动后编辑任务，而不必训练多个机器翻译模型用于不同语言对上的数据增强。
-
-
-
-
-
-
-
-
-
Search Results
123
records
(took 0.036 seconds)
