-
公开(公告)号：CN111222000B
公开(公告)日：2023-05-26
申请号：CN201911420143.7
申请日：2019-12-31
Applicant: 中国地质大学(武汉)
IPC: G06F16/55 , G06F16/583 , G06F16/951 , G06F40/284 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/042 , G06N3/08
Abstract: 本发明提供一种基于图卷积神经网络的图像分类方法及系统，具体包括：用爬虫根据图像标签在网络上爬取图像对应一段文本信息；对所述文本信息预处理，得到词语；计算词语与词语之间的PMI值、图像与词语之间的TF‑IDF值；根据所述PMI值和TF‑IDF成图，构成图像与词语作为结点的图结构数据；利用图卷积神经网络对图结构数据进行处理，得到图像分类结果；本发明的有益效果是：在原有的图像数据上，为每张图像添加对应的文本描述信息，利用图卷积神经网络提高图像分类准确率。
-
公开(公告)号：CN109325224B
公开(公告)日：2022-03-11
申请号：CN201810883567.6
申请日：2018-08-06
Applicant: 中国地质大学(武汉)
IPC: G06F40/284 , G06F40/30
Abstract: 本发明涉及一种基于语义元语的词向量表征学习方法，包括以下三个步骤：输入预设英语词典，获得预设英语词典中所有词汇所对应的语义元语词汇；根据获得的语义元语词汇得到与其对应的基础词向量；在预设英语词典中选取目标词汇，根据目标词汇在原语句或段落中的释义及基础词向量获取目标词汇的目标词向量。获取目标词汇的目标词向量的具体步骤是：将每个词的各个释义代替这个词本身替换到原语句中，并保留语句意义与原语句最接近的一种释义，即得到了目标词汇的准确释义，用准确释义对应的语义元语词汇的词向量来适当地表达目标词，就能得到目标词汇的目标词向量。
-
公开(公告)号：CN109325224A
公开(公告)日：2019-02-12
申请号：CN201810883567.6
申请日：2018-08-06
Applicant: 中国地质大学(武汉)
IPC: G06F17/27
Abstract: 本发明涉及一种基于语义元语的词向量表征学习方法，包括以下三个步骤：输入预设英语词典，获得预设英语词典中所有词汇所对应的语义元语词汇；根据获得的语义元语词汇得到与其对应的基础词向量；在预设英语词典中选取目标词汇，根据目标词汇在原语句或段落中的释义及基础词向量获取目标词汇的目标词向量。获取目标词汇的目标词向量的具体步骤是：将每个词的各个释义代替这个词本身替换到原语句中，并保留语句意义与原语句最接近的一种释义，即得到了目标词汇的准确释义，用准确释义对应的语义元语词汇的词向量来适当地表达目标词，就能得到目标词汇的目标词向量。
-
公开(公告)号：CN111209410B
公开(公告)日：2023-04-18
申请号：CN201911380039.X
申请日：2019-12-27
Applicant: 中国地质大学(武汉)
IPC: G06F16/36 , G06F16/38 , G06F40/284
Abstract: 本发明提供一种基于锚点的动态知识图谱表示学习方法及系统，首先找到已有知识图谱中对全局信息起支撑作用的关键实体，利用这些实体的向量构建基坐标系统；其次，将新增知识与已有知识图谱进行语义对齐，包括实体对齐、关系融合；最后，在基坐标系统下进行表征学习，只需联合新增知识与已有知识图谱的相关局部知识进行训练，将新知识实体摆放在知识空间中合适的位置，实现动态知识图谱的自适应增长。本发明的有益效果：将实体及关系的文本信息作为语义基础，提供了知识融合的信息基础，使得实体对齐和关系融合更加全面充分；利用word2vec向量生成模型，将实体及关系的文本信息转化为向量形式，从而用于数学运算。
-
Patent Agency Ranking
公开(公告)号：CN111768024B
公开(公告)日：2023-03-24
申请号：CN202010430900.5
申请日：2020-05-20
Applicant: 中国地质大学(武汉)
IPC: G06Q10/04 , G06Q50/18 , G06F40/30 , G06F40/289 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06F18/24
Abstract: 本发明提供了一种基于注意力机制的刑期预测方法、设备及存储设备，首先，根据每个犯罪事实的罪名标签查到相应的罪名量刑标准；其次，将犯罪事实和罪名量刑标准转为词向量矩阵；然后，将词向量矩阵输入长短时记忆网络，输出包含上下文语义特征的向量；之后，通过注意力机制选取重要部分的特征向量，并将两部分向量进行拼接；最后，将拼接后的特征矩阵输入到卷积神经网络中，经过全连接层后进行分类预测。一种基于注意力机制的刑期预测设备及存储设备，用于实现基于注意力机制的刑期预测方法。本发明的有益效果是：本发明的技术方案，方法简单，能够快速的预测某一犯罪事实的刑期，且预测精度较高。
-
公开(公告)号：CN111768024A
公开(公告)日：2020-10-13
申请号：CN202010430900.5
申请日：2020-05-20
Applicant: 中国地质大学(武汉)
IPC: G06Q10/04 , G06Q50/18 , G06F40/30 , G06F40/289 , G06N3/04
Abstract: 本发明提供了一种基于注意力机制的刑期预测方法、设备及存储设备，首先，根据每个犯罪事实的罪名标签查到相应的罪名量刑标准；其次，将犯罪事实和罪名量刑标准转为词向量矩阵；然后，将词向量矩阵输入长短时记忆网络，输出包含上下文语义特征的向量；之后，通过注意力机制选取重要部分的特征向量，并将两部分向量进行拼接；最后，将拼接后的特征矩阵输入到卷积神经网络中，经过全连接层后进行分类预测。一种基于注意力机制的刑期预测设备及存储设备，用于实现基于注意力机制的刑期预测方法。本发明的有益效果是：本发明的技术方案，方法简单，能够快速的预测某一犯罪事实的刑期，且预测精度较高。
-
公开(公告)号：CN111209410A
公开(公告)日：2020-05-29
申请号：CN201911380039.X
申请日：2019-12-27
Applicant: 中国地质大学(武汉)
IPC: G06F16/36 , G06F16/38 , G06F40/284
Abstract: 本发明提供一种基于锚点的动态知识图谱表示学习方法及系统，首先找到已有知识图谱中对全局信息起支撑作用的关键实体，利用这些实体的向量构建基坐标系统；其次，将新增知识与已有知识图谱进行语义对齐，包括实体对齐、关系融合；最后，在基坐标系统下进行表征学习，只需联合新增知识与已有知识图谱的相关局部知识进行训练，将新知识实体摆放在知识空间中合适的位置，实现动态知识图谱的自适应增长。本发明的有益效果：将实体及关系的文本信息作为语义基础，提供了知识融合的信息基础，使得实体对齐和关系融合更加全面充分；利用word2vec向量生成模型，将实体及关系的文本信息转化为向量形式，从而用于数学运算。
-
公开(公告)号：CN109885669A
公开(公告)日：2019-06-14
申请号：CN201910090349.1
申请日：2019-01-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/332
Abstract: 本发明提供了一种基于复杂网络的文本关键词获取方法及系统，其方法包括：首先，对待提取关键词的文本用NLP工具进行预处理；然后，采用文本成图的方法将预处理后的文本转化为网络结构表示；最后，采用复杂网络中的k-core分解方法对网络结构表示的文本的网络结构进行分解，得到网络结构表示的文本中的最核心词汇，也就是所需要的关键词，进而获取待提取关键词的文本的所有关键词。本发明的有益效果是：本发明所提出的技术方案从文本结构出发，利用文本的网络结构提高了获取文本关键词的准确性。
-
公开(公告)号：CN111222000A
公开(公告)日：2020-06-02
申请号：CN201911420143.7
申请日：2019-12-31
Applicant: 中国地质大学(武汉)
IPC: G06F16/55 , G06F16/583 , G06F16/951 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于图卷积神经网络的图像分类方法及系统，具体包括：用爬虫根据图像标签在网络上爬取图像对应一段文本信息；对所述文本信息预处理，得到词语；计算词语与词语之间的PMI值、图像与词语之间的TF-IDF值；根据所述PMI值和TF-IDF成图，构成图像与词语作为结点的图结构数据；利用图卷积神经网络对图结构数据进行处理，得到图像分类结果；本发明的有益效果是：在原有的图像数据上，为每张图像添加对应的文本描述信息，利用图卷积神经网络提高图像分类准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.022 seconds)
