公开(公告)号：CN107862037A

公开(公告)日：2018-03-30

申请号：CN201711071987.6

申请日：2017-11-03

Applicant: 哈尔滨工业大学

Inventor： 秦兵 ,  刘铭 ,  刘挺 ,  刘一仝 ,  李嘉伟

IPC: G06F17/30

CPC classification number: G06F17/30707 ,  G06F17/30731

Abstract: 一种基于实体连通图的事件模版构造方法，本发明涉及事件模板的构造方法。本发明的目的是为了解决现有技术在针对特定事件的“检索”、“问答”等人工智能应用中识别结果及提取特定信息不准确；基于事件的篇章相似度难以定量计算以及篇章关键信息难以提取的问题。过程为：一、对每一句抽取三元组；二、视三元组中的三个元素为三个结点；三、将从文本中抽取到的结点均放入到集合S1中；四、利用词向量计算S1中任两个结点的相似度并依此生成连通图；五、计算各结点的PageRank值；六、确定两篇文本陈述的事件间的关系度量值；七、形成多个文本簇；八、构建粗粒度事件模板和细粒度事件模版。本发明用于篇章关键信息提取及相关度计算领域。

公开(公告)号：CN101901213A

公开(公告)日：2010-12-01

申请号：CN201010239736.6

申请日：2010-07-29

Applicant: 哈尔滨工业大学

Inventor： 秦兵 ,  刘挺 ,  郎君 ,  黎耀炳 ,  张牧宇

IPC: G06F17/27 ,  G06F17/30

Abstract: 一种基于实例的动态泛化共指消解方法，涉及文本信息抽取领域。本发明所述动态泛化共指消解方法由训练实例库构建阶段和篇章内实体消解阶段组成，并经由实例构建、实例库构建、建立索引、动态泛化与实例检索以及共指链合成几部分完成共指消解。本发明不仅解决了共指统计模型中长尾效应，充分发挥低频训练样本的作用，使得本来就很珍贵的训练样本得以充分的发挥，并且使实例的动态泛化机制能够自适应的将测试实例的分类问题转变为训练实例库中最佳泛化点的选定与利用，最终找到最佳匹配的训练实例。

公开(公告)号：CN119046431B

公开(公告)日：2025-05-02

申请号：CN202411158824.1

申请日：2024-08-22

Applicant: 哈尔滨工业大学

Inventor： 丁效 ,  石继豪 ,  何洋 ,  刘挺 ,  秦兵

IPC: G06F16/3329 ,  G06N5/022 ,  G06N5/04 ,  G06F40/30 ,  G06F18/22 ,  G06N3/04

Abstract: 本发明公开了一种基于一阶自然逻辑的多项选择问答系统，包括：预处理模块，用于将问题和候选答案转化为假设；一阶逻辑模块，用于利用一阶逻辑将假设分解为子假设；自然逻辑模块，用于利用自然逻辑从外部语料库改写前提，产生与原始前提传达相同含义的中间前提，并以预定义的最大推理深度λ作为停止标准，迭代生成前提到假设的推理路径；框架构建模块，用于结合一阶逻辑与自然逻辑，集成神经网络构建神经符号推理框架；结果输出模块，用于基于神经符号推理框架，计算中间前提和子假设之间的语义相似度，根据相似度得分输出得分最高的最终选择答案。本发明不仅缩短了推理路径，而且增强了动词短语的对齐。

公开(公告)号：CN119541042A

公开(公告)日：2025-02-28

申请号：CN202411529669.X

申请日：2024-10-30

Applicant: 哈尔滨工业大学 ,  哈工大苏州研究院

Inventor： 张羽 ,  韩为 ,  李林昊 ,  庄镐宇 ,  杨萌宇 ,  秦兵

IPC: G06V40/20 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 一种基于音视频的暴力行为检测及追踪方法，它属于暴力检测及追踪技术领域。本发明解决了现有暴力事件检测方法存在检测精度低、响应速度慢、对硬件依赖程度高以及需要人工干预的问题。本发明综合视频数据和音频数据的暴力识别结果，基于历史暴力识别结果对当前暴力识别结果进行误识别消除，可以提高暴力识别的精度，并基于历史信息控制摄像头向可能发生暴力的方向移动，提高了单个摄像头探测的范围。采用YOLO模型对暴力人员位置进行识别，再对暴力人员进行身份特征抽取。本发明的暴力行为检测及跟踪方法具有检测精度高、响应速度快、对硬件依赖低，且全程不需要人工干预的特点。本发明方法可以应用于暴力行为检测及追踪。

公开(公告)号：CN119516369A

公开(公告)日：2025-02-25

申请号：CN202411566294.4

申请日：2024-11-05

Applicant: 哈尔滨工业大学

Inventor： 刘铭 ,  蓝佳音 ,  秦兵

IPC: G06V20/10 ,  G06V10/764 ,  G06V10/25 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于遥感图像处理领域，具体涉及一种基于遥感图像的船舶检测方法。本发明针对现有的现有遥感图像进行船舶型号检测任务中识别准确率低的问题，提出了一种基于遥感图像的船舶检测方法。本发明为海上船舶的细粒度目标识别任务构建基于遥感图像的船舶检测模型；将待识别区域的舰船遥感图像输入训练好的基于遥感图像的船舶检测模型，得到待识别区域的舰船的船舶型号；将细粒度目标检测任务解耦为定位子任务和分类子任务，同时针对海上船舶训练样本短缺的问题，设计了基于CycleGAN的数据扩充策略和对比学习模块，提高了识别精度。解决了现有遥感图像的细粒度目标识别技术中存在因由于高视距，小目标，训练数据少等原因，导致识别精度差的问题。

公开(公告)号：CN119323405A

公开(公告)日：2025-01-17

申请号：CN202410997018.7

申请日：2024-07-24

Applicant: 哈工大苏州研究院 ,  哈尔滨工业大学

Inventor： 张伟男 ,  白昊鹏 ,  刘元兴 ,  刘润泽 ,  高幸 ,  秦兵 ,  刘挺

IPC: G06Q10/10 ,  G06N5/043 ,  G06N5/04 ,  G06F9/48 ,  G06F11/30 ,  G06F8/60

Abstract: 本发明属于自动化运维技术领域，具体涉及一种在线智能体自动化部署管理系统。所述前台控制系统，用于提供直观的控制面板供管理员设定和调整智能体的部署、配置信息及行为模式；所述后台监控系统，用于智能体运作过程的细致监督，并为管理员提供实时、准确的信息反馈；所述部署运行系统，用于将针对在线平台所预定的智能体行为策略转化为具体的行为；所述策略算法系统，用于为智能体的运营提供高效、便捷的自动化方案。本发明用于在网络在线平台上自动化地部署、管理和监控智能体，该系统由多个协同工作的模块组成，以支持各项功能。

公开(公告)号：CN114168727B

公开(公告)日：2024-07-12

申请号：CN202111481843.4

申请日：2021-12-06

Applicant: 哈尔滨工业大学

Inventor： 刘铭 ,  秦兵 ,  胡振宇 ,  朱文轩

IPC: G06F16/34 ,  G06F40/205

Abstract: 面向金融领域的文档级事件主体对抽取的方法、存储介质及设备，属于信息技术领域。为了解决现有的基于句子级的事件抽取的方法不能很好的应用于金融领域内文档的事件抽取，从而存在提取事件信息的性能较低的问题。本发明首先将文档按句进行分割，将第i个句子基于字通过词典映射成句子id，并将句子通过第一个字的Embedding矩阵，然后输入BERT，取其最后一层的编码得到句子中的每个token的编码并得到特征向量C；根据每个事件类型获取对应的t，获取文档级上下文表示eglobal；将每个token的hi,j拼接C、t和eglobal；最后基于前馈神经网络和CRF得到标注结果并最终得到主体对。主要用于金融领域的文档级事件主体对抽取。

公开(公告)号：CN115545018B

公开(公告)日：2023-07-28

申请号：CN202211263174.8

申请日：2022-10-14

Applicant: 人民网股份有限公司 ,  哈尔滨工业大学

Inventor： 赵森栋 ,  蔡沐祯 ,  秦兵

IPC: G06F40/279

Abstract: 一种多模态多粒度实体识别系统及实体识别方法，本发明涉及实体识别系统及实体识别方法。本发明的目的是为了解决当前多模态实体抽取模型中缺少对细粒度图文匹配的建模，导致部分实体识别错误，实体识别准确率低的问题。系统包括：训练集获取模块用于获取训练集；实体识别模型构建模块用于构建实体识别模型；实体识别模型包括多模态多粒度实体识别模型、VGTR模型和CLIP模型；实体识别模型训练模块用于得到训练好的实体识别模型；预测模块用于将待测的匹配图片和文本输入训练好的实体识别模型中的多模态多粒度实体识别模型中，输出标注序列，获得待测的匹配图片和文本中的实体。本发明用于新闻、医疗、军事、农业实体识别领域。

公开(公告)号：CN115186683B

公开(公告)日：2023-05-23

申请号：CN202210836512.6

申请日：2022-07-15

Applicant: 哈尔滨工业大学

Inventor： 赵妍妍 ,  杨浩 ,  车万翔 ,  秦兵

IPC: G06F40/58 ,  G06F18/2415 ,  G06V40/16 ,  G06V40/70

Abstract: 一种基于跨模态翻译的属性级多模态情感分类方法，涉及自然语言处理技术领域，针对现有技术在属性级多模态情感分析任务上预测准确率低的问题，本申请提出了一种简单但有效的人脸敏感的跨模态翻译方法，在不需要额外训练图像情感描述生成模型的情况下，通过引入人脸信息生成人脸表情描述补全图片情感信号，实现了更精准的属性级多模态情感预测。

公开(公告)号：CN111400489B

公开(公告)日：2022-12-02

申请号：CN202010269479.4

申请日：2020-04-08

Applicant: 科大讯飞股份有限公司 ,  哈尔滨工业大学

Inventor： 冯骁骋 ,  孙卓 ,  秦兵 ,  刘挺 ,  王栋 ,  王士进 ,  陈志刚 ,  胡国平

IPC: G06F16/34

Abstract: 本发明实施例提供一种对话文本摘要生成方法、装置、电子设备和存储介质，其中方法包括：确定对话文本；将所述对话文本中每一发言人对应的分句输入至对话文本摘要模型中，得到所述对话文本摘要模型输出的所述对话文本对应的摘要；所述对话文本摘要模型用于确定所述对话文本中每一发言人的先验发言人特征表示，并基于所述对话文本中每一发言人对应的分句和先验发言人特征表示，生成所述对话文本对应的摘要；所述对话文本摘要模型是基于样本对话文本中每一发言人对应的样本分句，以及所述样本对话文本的样本摘要训练得到的。本发明实施例提供的对话文本摘要生成方法、装置、电子设备和存储介质，提高了对话文本摘要生成的准确性。