-
公开(公告)号：CN113239663B
公开(公告)日：2022-07-12
申请号：CN202110309085.1
申请日：2021-03-23
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F40/126 , G06F40/216 , G06F40/242 , G06F40/284 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知网的多义词中文实体关系识别方法，其步骤包括：1)对中文网事数据中的每一条语料样本基于知网进行字颗粒度的向量化，得到每一个字对的字颗粒度向量；然后对每一字颗粒度向量所在的位置信息进行编码，得到语料中每个字与预标注的待识别实体关系对的相对位置编码；2)根据步骤1)所得结果生成每一语料样本的字颗粒度语义向量集合；3)基于知网生成每一语料的词颗粒度语义向量集合；4)利用各语义向量及其对应位置编码训练深度自注意力神经网络，得到深度自注意力神经网络编码器；5)生成待处理语料中字和词汇的语义向量及其对应位置编码输入深度自注意力神经网络编码器，得到该待处理语料中的实体关系。
-
公开(公告)号：CN103716201B
公开(公告)日：2017-01-18
申请号：CN201310683276.X
申请日：2013-12-12
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种开放型的无线传感网测试方法及系统，具体涉及高精度的延迟、丢包率、拓扑结构等性能的测量，所述平台由上位机、下位机、测试背板、烧写模块和被测节点构成；测试背板之间用时钟同步信号线连接起来，采用软硬件协同配合的方式完成高精度的时间同步；被测节点测量其空中接口和低速有线接口传输过程中的可变延迟，用于修订数据包的传输延迟；测试背板对测试数据包采用的定长分割方法，把可变延迟转化为固定延迟；采用参数定位文件的方式实现灵活的远程烧写；采用链路关联度的方法，获得稳定的传感网拓扑结构；采用顺序号映射算法，解决顺序号溢出问题，实现准确的丢包率计算。
-
Patent Agency Ranking
公开(公告)号：CN103716201A
公开(公告)日：2014-04-09
申请号：CN201310683276.X
申请日：2013-12-12
Applicant: 中国科学院信息工程研究所
Abstract: 本发明涉及一种开放型的无线传感网测试方法及系统，具体涉及高精度的延迟、丢包率、拓扑结构等性能的测量，所述平台由上位机、下位机、测试背板、烧写模块和被测节点构成；测试背板之间用时钟同步信号线连接起来，采用软硬件协同配合的方式完成高精度的时间同步；被测节点测量其空中接口和低速有线接口传输过程中的可变延迟，用于修订数据包的传输延迟；测试背板对测试数据包采用的定长分割方法，把可变延迟转化为固定延迟；采用参数定位文件的方式实现灵活的远程烧写；采用链路关联度的方法，获得稳定的传感网拓扑结构；采用顺序号映射算法，解决顺序号溢出问题，实现准确的丢包率计算。
-
公开(公告)号：CN113239663A
公开(公告)日：2021-08-10
申请号：CN202110309085.1
申请日：2021-03-23
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F40/126 , G06F40/216 , G06F40/242 , G06F40/284 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知网的多义词中文实体关系识别方法，其步骤包括：1)对中文网事数据中的每一条语料样本基于知网进行字颗粒度的向量化，得到每一个字对的字颗粒度向量；然后对每一字颗粒度向量所在的位置信息进行编码，得到语料中每个字与预标注的待识别实体关系对的相对位置编码；2)根据步骤1)所得结果生成每一语料样本的字颗粒度语义向量集合；3)基于知网生成每一语料的词颗粒度语义向量集合；4)利用各语义向量及其对应位置编码训练深度自注意力神经网络，得到深度自注意力神经网络编码器；5)生成待处理语料中字和词汇的语义向量及其对应位置编码输入深度自注意力神经网络编码器，得到该待处理语料中的实体关系。
-
公开(公告)号：CN112069312A
公开(公告)日：2020-12-11
申请号：CN202010806716.6
申请日：2020-08-12
Applicant: 中国科学院信息工程研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F40/295 , G06F40/30 , G06F16/9535
Abstract: 本发明提供一种基于实体识别的文本分类方法，包括：对待检测文本进行切词，得到情感词与实体词，并通过一实体及情感类别已标注数据集判断实体词的情感类别；对待检测文本进行断句，通过情感词与标注情感类别的实体词在每一句子中的词性、否定词及标点符号内容，获取各句子的情感类别；依据各句子的情感类别，得到待检测文本的情感类别。本发明利用半监督学习的方式，通过协同训练加主动学习的方式，结合学习加情感规则的方式，确定指向性实体集；通过识别指定方向实体，结合情感词进行倾向性判断；生成指定类别实体集，结合情感规则，实现对文本更深层次的分析。
-
公开(公告)号：CN112069312B
公开(公告)日：2023-06-20
申请号：CN202010806716.6
申请日：2020-08-12
Applicant: 中国科学院信息工程研究所 , 国家计算机网络与信息安全管理中心
IPC: G06F16/35 , G06F40/295 , G06F40/30 , G06F16/9535
Abstract: 本发明提供一种基于实体识别的文本分类方法，包括：对待检测文本进行切词，得到情感词与实体词，并通过一实体及情感类别已标注数据集判断实体词的情感类别；对待检测文本进行断句，通过情感词与标注情感类别的实体词在每一句子中的词性、否定词及标点符号内容，获取各句子的情感类别；依据各句子的情感类别，得到待检测文本的情感类别。本发明利用半监督学习的方式，通过协同训练加主动学习的方式，结合学习加情感规则的方式，确定指向性实体集；通过识别指定方向实体，结合情感词进行倾向性判断；生成指定类别实体集，结合情感规则，实现对文本更深层次的分析。
-
公开(公告)号：CN114077838A
公开(公告)日：2022-02-22
申请号：CN202010825717.5
申请日：2020-08-17
Applicant: 国家计算机网络与信息安全管理中心 , 中国科学院信息工程研究所
IPC: G06F40/295 , G06F40/284
Abstract: 本发明提供一种基于词表示特征的命名实体识别方法及电子装置，包括：对待检测文本进行分词，获取各词语的基础特征；将各词语组成一词语序列，并对每一词语进行编码，提取编码结果的词嵌入特征；根据词语序列的设定权重与设定主题，生成一词向量序列，提取词向量序列的词表示特征；将基础特征、词嵌入特征及词表示特征输入一实体识别模型，获取待检测文本中的命名实体。本发明采用了word2vec训练的词嵌入及LSTM训练的词表示，捕获了语句的长期依赖性，充分的利用了长距离上下文信息对命名实体进行识别，相对于传统模型有较好的改进，提高了微博命名实体的识别的准确率。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
