-
公开(公告)号：CN113033206B
公开(公告)日：2022-04-22
申请号：CN202110357215.9
申请日：2021-04-01
Applicant: 重庆交通大学
IPC: G06F40/295 , G06F40/126 , G06F40/30 , G06F40/216 , G06F16/36 , G06F16/33 , G06N3/04
Abstract: 本发明公开了一种基于机器阅读理解的桥梁检测领域文本实体识别方法，包括：S1、获取问题文本及目标文本；S2、从问题文本及目标文本中提取字符嵌入、二元字嵌入和加权词嵌入；S3、将字符嵌入、二元字嵌入和加权词嵌入拼接得到联合特征表达；S4、将联合特征表达输入神经网络，完成实体识别。由于字符嵌入仅提取的是上下文字符级别的特征，为了能提取到语义更加丰富的特征，本发明有针对性的引入了外部辞典信息以增强模型输入的特征表达，即引入由大规模语料训练的二元字嵌入(Bigram Embedding)单元和加权词嵌入(Weighted Word Embedding)单元，从而使得实体识别的效果更好。
-
公开(公告)号：CN111709393B
公开(公告)日：2022-04-12
申请号：CN202010609544.3
申请日：2020-06-29
Applicant: 重庆交通大学
Abstract: 本发明公开了联合卷积与循环神经网络的结构损伤识别方法，包括：利用多个传感器采集待测目标不同位置的振动响应加速度数据；对振动响应加速度数据进行预处理形成时间序列数据矩阵；利用卷积神经网络从时间序列数据矩阵中提取空间相关性特征及短时间尺度依赖特征；利用门控循环网络基于空间相关性特征及短时间尺度依赖特征提取长时间尺度依赖性特征；利用长时间尺度依赖性特征对待测目标的损伤状态进行分类。本发明考虑监测数据在时间和空间上的联系，避免损伤状态识别中出现特征提取不足、鲁棒性差、模式分类能力较弱的情况，显著提高了结构损伤识别的精度，并能在合理的训练条件下节省更多的计算空间消耗，具有较好的计算时间和空间平衡性。
-
公开(公告)号：CN113407782A
公开(公告)日：2021-09-17
申请号：CN202110837126.4
申请日：2021-07-23
Applicant: 重庆交通大学
IPC: G06F16/81 , G06F16/27 , G06F16/182
Abstract: 本发明公开了一种基于MapReduce的分布式XSLT处理方法及处理系统，其先分解提取出XML数据文件中各个数据节点并归类，以及提取出XSLT规则样式表文件中各类型的转换模板规则，然后借助MapReduce框架先批量的匹配确定每一类的XML数据节点与XSLT转换模板规则之间的匹配关系，然后再分别对每个数据节点子集N‑XML中的各个XML数据节点按照相匹配的模板规则文件N‑XSLT所指示的转换模板规则进行批量的XSLT转换处理，完成对批量XML数据文件的分布式XSLT转换处理，减少了对处理系统的数据内存空间和处理资源的消耗，提高了对大批量XML数据文件的XSLT处理效率，有效避免了对处理系统的数据内存空间、系统处理资源的占用严重的问题，有利于提高XML数据文件进行批量XSLT转换处理成功率。
-
公开(公告)号：CN113392986A
公开(公告)日：2021-09-14
申请号：CN202110139183.5
申请日：2021-02-01
Applicant: 重庆交通大学
IPC: G06Q10/00 , G06Q50/08 , G06F16/36 , G06F40/242 , G06F40/295 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于大数据的公路桥梁信息抽取方法，采用字、词嵌入方式作为桥梁文本信息的向量输入，并且，考虑桥梁文本存在时序关联性采用双向长短期记忆网络提取桥梁文本的时序特征；考虑到字、词所处文本位置的不同与词性也有一定的关系，本发明额外对位置嵌入进行了特征提取，并选择了提取空间特性效果更好的卷积神经网络提取空间特征；还采用Attention层对时序特征及空间特征进行权重分配及特征融合得到融合特征；从而达到更好的特征提取效果。本发明还公开了一种基于大数据的公路桥梁信息管理养护系统，提出了以领域知识图谱为核心的大数据知识工程层次化模型，为计算机科学、桥梁工程等学科交叉研究提供了新的场景。
-
公开(公告)号：CN113191498A
公开(公告)日：2021-07-30
申请号：CN202110482360.X
申请日：2021-04-30
Applicant: 重庆交通大学
Abstract: 本发明公开了一种基于规则的Spark分布式弹性语义流推理方法，包括：S1、获取RDF图；S2、为RDF图的标识符构建双向字典；S3、对RDF图进行划分得到模式图模型和实例图模型；S4、利用双向字典基于模式图模型和实例图模型设计对应的键值模型；S5、基于规则的Spark分布式弹性语义流推理引擎模块读取模式图模型和实例图模型中的模式数据和实例数据，根据RDFS规则的优化顺序执行Spark作业。与现有技术相比，本发明采用分布式内存计算模型Spark，把面向分布式数据集的操作抽象成面向本地数据集的操作，进一步提高了大数据处理环境下迭代计算的效率，并且实现了分布式的内存RDFS推理，有助于进一步提升RDFS推理效率和可扩展性。
-
Patent Agency Ranking
公开(公告)号：CN112926448A
公开(公告)日：2021-06-08
申请号：CN202110209645.6
申请日：2021-02-24
Applicant: 重庆交通大学
Abstract: 本发明公开了一种相干斑模式起伏稳健的SAR图像分类方法，包括：获取待分类SAR图像；将待分类SAR图像输入训练后的SAR图像分类网络得到待分类SAR图像的分类结果，所述训练后的SAR图像分类网络对无相干斑噪声SAR图像以及对应的相干斑噪声SAR图像提取的特征描述矢量相似且分类结果相同。本发明通过正则约束对特征提取部分和分类器部分都做了约束，增强了对于相干斑噪声的鲁棒性。并且，与现有技术相比，无需进行数据增强，也无需设计特定的相干斑滤波方法。
-
公开(公告)号：CN118170912A
公开(公告)日：2024-06-11
申请号：CN202410280050.3
申请日：2024-03-12
Applicant: 重庆交通大学 , 重庆中科云从科技有限公司
Abstract: 本发明属于智能知识图谱技术领域，尤其涉及一种大语言模型驱动的桥梁管养领域知识图谱表示学习方法。本方法建立在大语言模型的文本编码能力基础之上，结合图神经网络的图结构编码能力，融合本体中丰富的复杂语义信息、异质属性信息、描述文本信息以及图谱中的图结构信息，使得实体和属性的嵌入结果能够包含更加丰富的语义信息，增强其泛化能力，更好的用于领域知识图谱补全等许多下游任务。与现有技术相比，本方法能够在充分考虑知识图谱结构信息的基础上，通过大语言模型利用OWL本体中的复杂语义信息以及文本信息，实现有效处理未见过的实体的和长尾关系，有助于桥梁管养领域知识图谱的自动化维护与补全，减少人力物力的消耗。
-
公开(公告)号：CN116737948A
公开(公告)日：2023-09-12
申请号：CN202310578312.X
申请日：2023-05-22
Applicant: 重庆交通大学
Abstract: 本发明属于自然语言处理技术领域，尤其涉及一种面向中文短文本的实体链接方法，包括以下步骤：S1、对知识库进行处理，构建候选实体字典和知识库实体字典；S2、构建候选实体集，用于为待消歧文本中的实体指称过滤掉知识库中的不相关实体；S3、使用预设的候选实体排序的底层模型，对候选实体集中的候选实体依次进行训练；S4、通过预设的阈值判断不可链接的实体指称。本发明可以提高中文短文本实体链接的准确率，推进实体链接任务的实际应用。
-
公开(公告)号：CN113312912B
公开(公告)日：2023-03-31
申请号：CN202110711212.0
申请日：2021-06-25
Applicant: 重庆交通大学
IPC: G06F40/289 , G06F40/216 , G06F40/30
Abstract: 本发明涉及人工智能技术领域，具体涉及一种用于交通基础设施检测文本的机器阅读理解方法，包括：获取问题文本和待检测的段落文本；阅读理解模型首先对问题文本和段落文本进行编码得到对应的待检测字符向量；然后将待检测字符向量和设置的交通基础设施检测领域词向量进行融合得到对应的嵌入融合表示，并对嵌入融合表示进行语义特征捕捉；最后根据嵌入融合表示和捕捉的语义特征计算对应答案在段落文本中的字符位置，并将对应答案的字符位置作为段落文本的机器阅读理解结果；输出段落文本对应的机器阅读理解结果。本发明中的机器阅读理解方法能够兼顾理解全面性和理解准确性，从而能够提升交通基础设施检测领域中文文本的理解效果。
-
公开(公告)号：CN115577086A
公开(公告)日：2023-01-06
申请号：CN202211275276.1
申请日：2022-10-18
Applicant: 重庆交通大学
IPC: G06F16/332 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明具体涉及基于层级交叉注意力机制的桥梁检测知识图谱问答方法，包括：获取桥梁检测领域的问题文本；将问题文本输入经过训练的深度网络问答模型中，输出对应的预测答案；首先通过神经网络提取问题文本的主题实体；然后根据问题文本的主题实体生成对应的结构化查询语句，并在桥梁检测知识图谱中进行查询操作；再将查询得到的所有知识三元组中的关系谓词和实体宾语作为候选答案，并通过层级交叉注意力机制计算得到候选答案和问题文本的相似度；最后将相似度最高的候选答案作为预测答案；将深度网络问答模型输出的预测答案作为对应问题文本的最终答案。本发明能够充分考虑桥梁检测领域问题文本和候选答案之间的语义特征和语义关联。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.023 seconds)
