-
公开(公告)号：CN113111136B
公开(公告)日：2024-04-16
申请号：CN202110475291.X
申请日：2021-04-29
Applicant: 东南大学
IPC: G06F16/28 , G06N3/049 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于UCL知识空间的实体消歧方法及装置，首先构建基础知识库，完成UCL知识空间的构建；随后从UCL知识空间中获取待消歧实体相关的候选实体集合，利用词向量表示方法生成候选实体和待消歧实体的嵌入表示；接着抽取待消歧实体及其上下文的概念特征，抽取候选实体上下文的特征；最后利用之前生成的四个向量表示作为输入，采用基于深度结构化语义匹配模型DSSM的自注意力匹配网络，获得匹配度；根据匹配结果的排序得到最终消歧结果，完成文本中实体与UCL知识空间中实体的实体链接。本发明既能够解决短文本中实体相关信息较少的问题，还能提高实体消歧的准确度。
-
公开(公告)号：CN113111848B
公开(公告)日：2024-07-02
申请号：CN202110477075.9
申请日：2021-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于多尺度特征的人体图像解析方法。本发明首先利用残差网络对人体图像不断进行下采样；然后利用双线性插值和通道压缩的方法不断对人体特征图进行上采样；最后通过多尺度特征融合的方式将上采样和上采样过程中产生的人体特征图进行多尺度特征融合，以同时利用不同感受野大小的人体图像信息。本发明利用不同倍率的空洞卷积做多尺度特征融合，有效解决传统人体解析方法对于人体边缘检测像素精度不够的问题，相比现有特征融合方法能大幅提高效率和精度。
-
公开(公告)号：CN113111848A
公开(公告)日：2021-07-13
申请号：CN202110477075.9
申请日：2021-04-29
Applicant: 东南大学
Abstract: 本发明公开了一种基于多尺度特征的人体图像解析方法。本发明首先利用残差网络对人体图像不断进行下采样；然后利用双线性插值和通道压缩的方法不断对人体特征图进行上采样；最后通过多尺度特征融合的方式将上采样和上采样过程中产生的人体特征图进行多尺度特征融合，以同时利用不同感受野大小的人体图像信息。本发明利用不同倍率的空洞卷积做多尺度特征融合，有效解决传统人体解析方法对于人体边缘检测像素精度不够的问题，相比现有特征融合方法能大幅提高效率和精度。
-
公开(公告)号：CN113111136A
公开(公告)日：2021-07-13
申请号：CN202110475291.X
申请日：2021-04-29
Applicant: 东南大学
Abstract: 本发明提供了一种基于UCL知识空间的实体消歧方法及装置，首先构建基础知识库，完成UCL知识空间的构建；随后从UCL知识空间中获取待消歧实体相关的候选实体集合，利用词向量表示方法生成候选实体和待消歧实体的嵌入表示；接着抽取待消歧实体及其上下文的概念特征，抽取候选实体上下文的特征；最后利用之前生成的四个向量表示作为输入，采用基于深度结构化语义匹配模型DSSM的自注意力匹配网络，获得匹配度；根据匹配结果的排序得到最终消歧结果，完成文本中实体与UCL知识空间中实体的实体链接。本发明既能够解决短文本中实体相关信息较少的问题，还能提高实体消歧的准确度。
-
-
-
Search Results
4
records
(took 0.017 seconds)
