一种文档衔接连贯性的评测方法、装置、设备及存储介质

    公开(公告)号:CN116562263A

    公开(公告)日:2023-08-08

    申请号:CN202310511318.5

    申请日:2023-05-08

    Applicant: 华侨大学

    Abstract: 本发明提供了一种文档衔接连贯性的评测方法、装置、设备及存储介质,通过先调用预训练语言模型并以掩码预测的方式将事件论元逐个进行填充,将事件实例还原为事件描述语句,接着,将两个事件描述语句之间的事件关系映射为关联词集合,选取置信度最高的关联词作为事件关系预测结果,事件关系预测结果包括事件论元连贯性与事件关系衔接性,最后,根据事件论元连贯性与事件关系衔接性的度量和融合,生成文档衔接连贯性的评测结果,通过文档衔接连贯性评测,拓宽自动作文评测的适用题型与应用场景。

    事件知识图谱的表示向量的生成方法、装置、设备和介质

    公开(公告)号:CN115510856A

    公开(公告)日:2022-12-23

    申请号:CN202211322970.4

    申请日:2022-10-27

    Applicant: 华侨大学

    Abstract: 本发明提供事件知识图谱的表示向量的生成方法、装置、设备和介质,涉及知识图谱表示向量学习领域。生成方法包含S1获取实体的描述语句,采用BERT编码模型进行向量表示,获取实体描述向量。S2获取实体的类型信息,采用加权层次编码模型进行向量表示,获取实体类型向量。S3获取实体的词向量,采用Word2vec词向量模型进行向量表示,获取实体的实体语义向量。S4根据实体描述向量、实体类型向量和实体语义向量,获取实体初始向量。S5获取实体对之间的所有多跳关系路径,通过路径资源约束算法,获取关系初始向量。S6根据实体初始向量和关系初始向量,获取三元组集合。S7根据三元组集合,采用transE模型进行表示向量学习,获取实体学习表示向量和关系学习表示向量。

    一种基于信息融合的太阳能负载调节方法和装置

    公开(公告)号:CN112311078A

    公开(公告)日:2021-02-02

    申请号:CN202011215257.0

    申请日:2020-11-04

    Applicant: 华侨大学

    Abstract: 本发明提供一种基于信息融合的太阳能负载调节方法和装置,方法包括:通过通信接口向服务器发送数据请求;基于所述请求,通过通信接口获取服务器提供的天气预报数据和实时天气数据;根据获取的天气预报数据生成数据矩阵,实时天气数据生成行向量;将所述数据矩阵和所述行向量分别进行向量归一化;基于归一化的天气预报数据矩阵和实时天气数据向量生成目标状态的控制权值向量;根据所述目标状态的控制权值向量和当前目标状态确定下一时刻目标状态进而控制输出值,以实现对负载的调节。本发明实现太阳能负载的合理持续供电,以尽可能避免未来几天阴雨天气无可用太阳能时对负载供电的间断,实现负载的科学合理调配。

    一种基于深度学习和边缘计算的视觉行车测距算法

    公开(公告)号:CN111292366A

    公开(公告)日:2020-06-16

    申请号:CN202010094884.7

    申请日:2020-02-17

    Applicant: 华侨大学

    Abstract: 本发明涉及智能汽车的自动驾驶领域,尤其涉及一种基于深度学习和边缘计算的视觉行车测距算法,包括以下步骤:S1、构建带行车测距数据集并进行标注;S2、利用构建的标准数据集,生成适用于行车测距的深度模型;S3、联合边缘设备和传感设备自动对网络进行分割加速推断;S4、用测试数据集进行实验,预测行车距离,本发明使用单目摄像头采集行车数据集,节省了成本。且通过多种数据增强的方法对数据集进行了有效扩充,不仅增加了数据量,有效避免了网络过拟合,提高了行车测距的准确率。

    一种基于强化学习算法的实体关系联合抽取模型构建方法

    公开(公告)号:CN110807069A

    公开(公告)日:2020-02-18

    申请号:CN201911011199.7

    申请日:2019-10-23

    Applicant: 华侨大学

    Abstract: 本发明公开了一种基于强化学习算法的实体关系联合抽取模型构建方法,包括:输入文本,采用联合抽取标注策略对原始语料中的每条语句的词语进行实体关系标注;将文本转化为word2vec向量;预训练LSTM联合抽取器;初始化训练器网络并打乱袋子顺序;计算当前语句奖励值;计算总期望奖励值;利用优化函数更新模型参数;如果模型已收敛,对模型进行超参数的调优训练;如果超参数为最优解,生成最终的实体关系联合抽取方案。本发明基于策略梯度优化算法构建强化学习模型,能对复杂的自然语言类型原始语料的语句实体关系联合抽取问题进行有效求解,并能有效提高实体关系抽取的准确率和F1值。

    基于大规模评分数据对用户进行商品在线实时推荐的方法

    公开(公告)号:CN108154380A

    公开(公告)日:2018-06-12

    申请号:CN201710292884.6

    申请日:2017-04-28

    CPC classification number: G06Q30/0282 G06Q30/0631

    Abstract: 本发明涉及一种基于大规模评分数据对用户进行商品在线实时推荐的方法,是一种基于并行朴素贝叶斯回归模型的协同过滤推荐方法。首先,将数据存储于Hadoop的HDFS上,并行读取用户对项目的评分数据,对评分进行四舍五入的取整和离散化;其次,将用户和项目作为独立属性,离散化后的各评分作为类别,利用MapReduce框架实现的并行朴素贝叶斯分类模型计算用户对商品各评分类别的概率;最后,通过求期望来预测用户对商品的评分,应用于商品推荐。本方法解决了传统协同过滤算法时空效率低,预测成功率低和实时性不佳的问题,提高了推荐的时空效率、准确率和成功率,适合于大规模评分数据上对用户进行商品在线实时推荐。

    基于传递函数的多点振动响应频域预测的实验装置及方法

    公开(公告)号:CN107256204A

    公开(公告)日:2017-10-17

    申请号:CN201710235714.4

    申请日:2017-04-12

    Applicant: 华侨大学

    Abstract: 本发明涉及一种载荷未知条件下多点振动响应频域预测的实验装置、两种传递函数获取方法、以及利用该实验装置在不相关多源未知载荷联合激励工况环境下根据系统已知测点的频域振动响应预测未知测点的频域振动响应的方法。基于传递函数和载荷识别的振动响应预测方法步骤:首先利用历史载荷和测点振动响应求解所有载荷点到已知测点和未知测点的传递函数;然后利用工况环境下已知测点的振动响应和所有载荷点到已知测点的传递函数识别工况环境下不相关多源频域载荷;最后利用识别的工况环境下不相关多源频域载荷和载荷到未知测点的传递函数来预测工况环境下未知测点的频域振动响应。本发明可用于多源不相关载荷未知情况下,利用已知测点的频域振动响应对未知结点频域振动响应进行预测。

Patent Agency Ranking