-
公开(公告)号：CN108959461B
公开(公告)日：2021-07-27
申请号：CN201810627959.6
申请日：2018-06-15
Applicant: 东南大学
Abstract: 本发明公开了一种基于图模型的实体链接方法，主要用于处理非结构化文本的实体链接问题。本发明首先将同一文本中得到的所有实体指称项和相应的候选实体集合，构造出一张该文本的实体关联图，作为动态实体消歧算法的依据。然后利用基于图和PageRank的动态实体消歧算法，每轮挑选出最高得分的未消歧候选实体作为该实体指称的目标实体，逐步完成实体指称对应多个候选实体的消歧选择过程。最后使用机器学习领域中的XGBoost对实体指称的目标实体进行判断，将知识库中已登陆的目标实体正确链接，对知识库中未登录的目标实体正确识别。
-
公开(公告)号：CN115965765A
公开(公告)日：2023-04-14
申请号：CN202211534535.8
申请日：2022-12-02
Applicant: 东南大学 , 南京英麒智能科技有限公司
Abstract: 本发明公开了一种基于神经变形的可变形场景中人体运动捕捉方法，该方法首先使用三维人体姿态估计器初始化人体运动学模型的三维人体姿态，这产生了相对于根节点的三维姿态。接下来，估计三维人体姿态下的人体网格的接触概率图，获得与场景接触的人体网格顶点，并通过光线投射来找到场景网格上相应的接触点，利用人体网格和场景网格的接触点对优化获得全局三维人体姿态。然后，搭建基于Transformer的神经变形网络，根据当前人体网格和场景网格的交互状态对场景网格执行非刚性变形。最后，迭代交替优化全局人体姿态和执行场景网格非刚性变形，实现高质量的无标记单目三维人体运动捕捉和非刚性三维场景变形。
-
Patent Agency Ranking
公开(公告)号：CN116051648A
公开(公告)日：2023-05-02
申请号：CN202211534553.6
申请日：2022-12-02
Applicant: 东南大学 , 南京英麒智能科技有限公司
Abstract: 本发明公开了一种基于交叉视角多人体语义匹配的相机内外参数标定方法，该方法首先搭建多视角相机系统并采集多人体运动视频得到多人多视角视频序列；选取一段采集到的多人多视角视频序列，利用开源二维姿态估计方法获取人体二维关节点，使用开源三维姿态估计方法，对每个视角单独进行估计，获得相机坐标系下的所有人体三维关节点；然后分别进行初始相机内参估计以及初始相机外参估计；再构建姿态‑几何约束项，建立不同视角间二维关节点之间的匹配关系；再获得全局坐标系下的三维关节点；最后优化人体运动及相机参数，获得更精确的全局位置以及相机内外参数。本发明能够同时优化相机参数和人体姿态，对噪声输入更鲁棒。
-
公开(公告)号：CN113901813A
公开(公告)日：2022-01-07
申请号：CN202111178364.5
申请日：2021-10-09
Applicant: 东南大学
IPC: G06F40/289 , G06F40/30
Abstract: 本发明公开了一种基于主题特征和隐式句子结构的事件抽取方法，主要用于把含有事件信息的非结构化文本以结构化的形式呈现出来，在自动文摘、自动问答、信息检索等领域有着广泛的应用。本发明首先通过结合BERT和LDA获得文档的主题特征为句子级的事件抽取模型引入文档级的主题信息；其次抽取出BERT词嵌入表示中隐含的句法信息，并将该抽取过程与事件抽取进行联合建模，在避免了错误累积问题的同时为事件抽取引入重要的句法信息；最后模型使用基于Bi‑LSTM和级联式CRF的序列标注方法抽取单句中的多个触发词以及抽取实体在多个事件中的元素角色。
-
公开(公告)号：CN107193882B
公开(公告)日：2020-11-20
申请号：CN201710285751.6
申请日：2017-04-27
Applicant: 东南大学
IPC: G06F16/36
Abstract: 本发明公开了一种RDF数据上基于图匹配的why‑not查询回答方法，包括如下步骤：(1)离线数据结构处理；(2)将why‑not问题中的关键字映射到RDF数据上的实体；(3)从候选实体出发，构造一个局部图；(4)查询分解；(5)图匹配；(6)生成why‑not问题的解释。本发明的有益效果为：本发明采用的方法可以更好、更高效的确定导致用户感兴趣的项被筛选掉的原因，并且给出相应的比较具体的修改意见，方便用户更好的去探索用户期望得到的结果，通常可以让用户更加满意。
-
公开(公告)号：CN108959461A
公开(公告)日：2018-12-07
申请号：CN201810627959.6
申请日：2018-06-15
Applicant: 东南大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于图模型的实体链接方法，主要用于处理非结构化文本的实体链接问题。本发明首先将同一文本中得到的所有实体指称项和相应的候选实体集合，构造出一张该文本的实体关联图，作为动态实体消歧算法的依据。然后利用基于图和PageRank的动态实体消歧算法，每轮挑选出最高得分的未消歧候选实体作为该实体指称的目标实体，逐步完成实体指称对应多个候选实体的消歧选择过程。最后使用机器学习领域中的XGBoost对实体指称的目标实体进行判断，将知识库中已登陆的目标实体正确链接，对知识库中未登录的目标实体正确识别。
-
公开(公告)号：CN107193882A
公开(公告)日：2017-09-22
申请号：CN201710285751.6
申请日：2017-04-27
Applicant: 东南大学
IPC: G06F17/30
Abstract: 本发明公开了一种RDF数据上基于图匹配的why‑not查询回答方法，包括如下步骤：(1)离线数据结构处理；(2)将why‑not问题中的关键字映射到RDF数据上的实体；(3)从候选实体出发，构造一个局部图；(4)查询分解；(5)图匹配；(6)生成why‑not问题的解释。本发明的有益效果为：本发明采用的方法可以更好、更高效的确定导致用户感兴趣的项被筛选掉的原因，并且给出相应的比较具体的修改意见，方便用户更好的去探索用户期望得到的结果，通常可以让用户更加满意。
-
-
-
-
-
-
Search Results
7
records
(took 0.014 seconds)
