-
公开(公告)号：CN112528019B
公开(公告)日：2025-01-10
申请号：CN202011388845.4
申请日：2020-12-01
Applicant: 清华大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明提供一种文本中实体关系处理方法、装置、电子设备及存储介质，该方法包括：获取目标文本；将目标文本输入到预设的实体关系处理模型中，得到目标文本中实体关系的类别；实体关系处理模型为将训练文本的特征信息和实体关系的类别作为输入，通过机器学习训练得到的，用于确定文本中实体关系的类别的模型；实体关系处理模型包括编码层、参数优化层和分类层，编码层用于根据目标文本确定特征信息，分类层用于根据目标文本的特征信息和分类参数确定目标文本中实体关系的类别，参数优化层用于对分类参数进行优化；分类参数由文本的类别的元信息确定，实现将类别的元信息作为文本的特性信息的判断指引，使文本中实体关系的分类更准确和高效。
-
公开(公告)号：CN117349433A
公开(公告)日：2024-01-05
申请号：CN202311140837.1
申请日：2023-09-05
Applicant: 清华大学
IPC: G06F16/35 , G06F40/295 , G06F40/186 , G06N5/02 , G06N3/0895 , G16C20/10
Abstract: 本发明提供一种知识增强的弱监督酶促反应抽取方法和装置，包括：根据提示模板和大规模语言模型对大规模酶促反应原始文本进行酶促反应标注、酶实体标注和化合物实体标注；基于酶促反应知识库以及每一条所述酶促反应原始文本的酶实体标注和化合物实体标注，对每一条酶促反应原始文本的酶促反应标注进行降噪；利用由大规模酶促反应原始文本及其降噪后的酶促反应标注构成的第一数据集训练酶促反应抽取模型；利用酶促反应抽取模型实现酶促反应抽取。本发明利用大规模语言模型生成弱监督酶促反应标注数据，并利用酶促反应知识库对弱监督酶促反应标注数据进行降噪，以生成高质量的酶促反应标注数据，从而高精确率的完成酶促反应抽取任务。
-
公开(公告)号：CN117217858A
公开(公告)日：2023-12-12
申请号：CN202311133410.9
申请日：2023-08-31
Applicant: 腾讯科技(深圳)有限公司 , 清华大学
IPC: G06Q30/0601 , G06F40/30 , G06F16/9535
Abstract: 本申请公开了一种基于人工智能的物品推荐方法、装置、设备及存储介质。该方法包括：获取至少一个第一训练样本和至少一个第二训练样本；基于第一训练样本对预训练语言模型进行训练，得到训练后的预训练语言模型；基于第二训练样本对训练后的预训练语言模型进行调整，得到调整后的预训练语言模型，调整后的预训练语言模型用于物品推荐。由于第二训练样本包括一个用户的至少两个历史选取物品的第二文本表示，而第二文本表示既包括在多个领域的泛化性属性的文本表示，也包括在特定领域的个性化属性的文本表示，因此，调整后的预训练语言模型能够从多个历史选取物品的第二文本表示中，较好地学习到用户的偏好，从而为用户进行更准确地物品推荐。
-
公开(公告)号：CN115080736A
公开(公告)日：2022-09-20
申请号：CN202210567681.4
申请日：2022-05-23
Applicant: 清华大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明提供一种判别式语言模型的模型调整方法及装置，所述方法包括以下步骤：获取预训练的判别式语言模型和下游任务的训练数据集；响应于任务请求，根据所述任务请求的类型和所述训练数据集，对所述预训练的语言模型进行调整；其中，所述判别式语言模型是通过文本样本训练得到的。通过对判别式语言模型在不同的下游任务阶段进行模型参数的调整，消除判别式语言模型在模型预训练阶段与下游任务之间的差别，提高模型的整体效果。
-
公开(公告)号：CN113505231A
公开(公告)日：2021-10-15
申请号：CN202110492335.X
申请日：2021-05-06
Applicant: 清华大学 , 腾讯科技(深圳)有限公司
Abstract: 本发明提供一种开放层次结构关系的发现方法、装置和电子设备，包括：基于新的语料库确定待测语句；将每一个所述待测语句输入关系表征模型，输出对应的关系表征向量；对所有待测语句的关系表征向量进行聚类，确定新的关系类型；基于预设规则将所述新的关系类型插入所述原层次结构关系中；其中，所述关系表征模型是基于所述原层次结构关系中的样本语句和对应的关系类型标签进行训练得到的，所述关系表征模型训练过程中使用的损失函数基于动态层级三元组损失构建。本发明提供的方法、装置和电子设备，实现了更好理解原层次结构关系中的关系类型，将发现出的新关系自动加入已有的原层次结构关系中。
-
Patent Agency Ranking
公开(公告)号：CN109556759A
公开(公告)日：2019-04-02
申请号：CN201811355452.6
申请日：2018-11-14
Applicant: 广东电网有限责任公司惠州供电局 , 清华大学
Inventor： 余占清 , 王铁柱 , 关永刚 , 王晓蕊 , 夏昊天 , 蔡素雄 , 彭兆伟 , 高士森 , 施理成 , 陈锦鹏 , 欧阳旭东 , 邓惠华 , 袁晓杰 , 郭琳 , 李少逸 , 姚远
IPC: G01K13/00
Abstract: 本发明公开了一种探究开关柜温升规律的实验方法，所述方法包括：首先，选择监测点；其次，对所述监测点进行负荷电流影响测试、环境温度影响测试、通风设备影响测试、回路电阻影响测试；然后，基于所述测试，获取监测点温升数据以及变化趋势的检测结果；最后，基于温升数据与检测结果，分析、得出温升规律。所述方法根据各个影响因素的温升实验数据比较分析得出开关柜的温升分布规律，所述温升分布规律既给研究人员提供了开关柜研究依据，也增强了对开关柜温升问题的有效控制。
-
公开(公告)号：CN112307130A
公开(公告)日：2021-02-02
申请号：CN202011135229.8
申请日：2020-10-21
Applicant: 清华大学 , 腾讯科技(深圳)有限公司
IPC: G06F16/28 , G06F16/215 , G06F40/284 , G06N3/08
Abstract: 本发明实施例提供一种文档级远程监督关系抽取方法及系统，该方法包括：获取远程监督数据；基于训练好的预降噪模型，对所述远程监督数据进行降噪处理，得到目标远程监督数据，所述训练好的预降噪模型是由标注为正样例的样本远程监督数据和标注为负样例的样本远程监督数据训练得到的；将所述目标远程监督数据输入到训练好的文本编码器模型中，得到文档级关系抽取结果，所述训练好的文本编码器模型是由降噪后的样本文档级远程监督数据训练得到的。本发明实施例通过预训练方式对远程监督数据进行降噪，能够有效地滤除远程监督数据中的噪音，并利用大规模的降噪后数据对模型进行预训练，从而实现文档级远程监督关系抽取，提升文档级关系抽取效果。
-
公开(公告)号：CN109802445A
公开(公告)日：2019-05-24
申请号：CN201811622728.2
申请日：2018-12-28
Applicant: 国网山西省电力公司电力科学研究院 , 华北电力大学 , 清华大学
Abstract: 本发明属于电力系统调度自动化技术领域，尤其涉及一种考虑输电区段容量限制的多机组协调调度方法，包括：以输电断面TTC限制下的发电量最大为目标，建立梯级水电站协调优化调度模型，并基于复杂的溢水电模型，引入传输段传输容量约束的大中型水电站运行约束条件；将水电转换关系和水位-容量关系进行线性化，模型中非线性约束转换为线性约束，将基于INLP问题的原模型转换为ILP模型，并输出计算结果。本发明充分考虑了输电容量对水电吸收的限制，利用大中型水电站调整蓄水量有效提高水电吸收率；可以提高干旱期大型水电对小水电的补偿效益从而增加总发电量；可以用于梯级水电发电规划的制定，为输电线路扩展的效益分析提供指导。
-
公开(公告)号：CN100581756C
公开(公告)日：2010-01-20
申请号：CN200810114873.X
申请日：2008-06-13
Applicant: 清华大学
Abstract: 双联锥齿轮欠驱动机器人手指装置，属于拟人机器人技术领域，包括基座、电机、减速器、第一齿轮、主动锥齿轮、近关节轴、中部指段、远关节轴和末端指段。该装置还包括双联锥齿轮、从动锥齿轮和簧件；中部指段套接在近关节轴上，簧件的两端分别连接中部指段和末端指段。该装置利用一组双联锥齿轮机构、套接活动的中部指段以及簧件所具有的解耦作用综合实现了双关节欠驱动手指弯曲抓取物体的特殊效果，结构简单、可靠，成本较低，便于安装维护，与人手指相似，体积小，特别适合作为拟人机器人手的拇指或其他手指的一部分，以较少的驱动器驱动较多的转动关节，自动适应抓取不同形状大小的物体。
-
公开(公告)号：CN115080736B
公开(公告)日：2024-09-20
申请号：CN202210567681.4
申请日：2022-05-23
Applicant: 清华大学 , 腾讯科技(深圳)有限公司
IPC: G06F16/35 , G06F18/214
Abstract: 本发明提供一种判别式语言模型的模型调整方法及装置，所述方法包括以下步骤：获取预训练的判别式语言模型和下游任务的训练数据集；响应于任务请求，根据所述任务请求的类型和所述训练数据集，对所述预训练的语言模型进行调整；其中，所述判别式语言模型是通过文本样本训练得到的。通过对判别式语言模型在不同的下游任务阶段进行模型参数的调整，消除判别式语言模型在模型预训练阶段与下游任务之间的差别，提高模型的整体效果。
-
-
-
-
-
-
-
-
-
Search Results
40
records
(took 0.021 seconds)
