-
公开(公告)号：CN118600472A
公开(公告)日：2024-09-06
申请号：CN202410830818.X
申请日：2024-06-26
Applicant: 北京工业大学
IPC: C25B11/091 , C25B1/04
Abstract: 本发明公开了一种H2分子原位调控Co‑WS2电解水析氢催化剂及其制备方法和应用。本发明在聚四氟乙烯内衬中加入钨源、硫源、钴源和N,N‑二甲基甲酰胺，搅拌形成溶液后将内衬移入高压反应釜，然后通入一定压力的H2，在170℃的条件下反应24h，收集反应液中的固体沉淀，得到Co‑WS2催化剂，所述催化剂的表面积为比68.9m2/g，并且含有丰富的硫空位。本发明合成方法简便，所述催化剂丰富的硫空位可以有效提升催化剂在碱性条件下的电解水析氢催化活性。
-
公开(公告)号：CN116393149B
公开(公告)日：2024-06-07
申请号：CN202310296350.6
申请日：2023-03-24
Applicant: 北京工业大学
Abstract: 本发明涉及一种加氢脱硫催化剂及其制备方法和应用，利用气体小分子CO作为结构导向剂，使现有技术中的Co‑MoS2催化剂由传统的球形结构变为比表面积更大，活性位点更多的非球形结构，所述1T相MoS2在催化剂中的摩尔占比为62.6‑77.6％，所述催化剂中的MoS2为二维层状材料，每层均由MoS2组成，层与层之间的距离为层间距，所述层间距的范围为#imgabs0#Co元素均匀分布在MoS2中，所述催化剂比表面积为65.9‑142.4m2/g，所述催化剂的活性位点在催化剂中的摩尔占比为62.3‑63.9％，1T相的高占比、MoS2的高层间距及高活性位点相互结合，共同提升所述催化剂加氢脱硫的性能。
-
公开(公告)号：CN113705197B
公开(公告)日：2024-04-02
申请号：CN202111000430.X
申请日：2021-08-30
Applicant: 北京工业大学
IPC: G06F40/211 , G06F40/289 , G06F40/30 , G06F18/214 , G06N3/044 , G06F16/33
Abstract: 本发明提出了一种基于位置增强的细粒度情感分析方法，用于解决现有技术对文本进行细粒度情感分析导致的精度低的问题。首先将文本进行预处理，再通过细粒度情感分析模型进行情感分析。模型包括嵌入层、语义表征层、信息交互层和输出层。嵌入层将句子映射为上下文词嵌入和方面词嵌入，语义表征层通过位置强化注意力机制来增强模型的文本语义表征能力，信息交互层通过使用记忆网络增强方面词与其上下文的交互性，将基于方面的上下文语义增强表示作为与方面交互的外部记忆单元，使得外部存储记忆单元能够学习到复杂文本中的语义信息，最后输出层进行情感预测。本发明通过合理界定对方面进行情感表达的上下文范围，提高了细粒度情感分析准确度。
-
公开(公告)号：CN111061873B
公开(公告)日：2022-03-15
申请号：CN201911191475.2
申请日：2019-11-28
Applicant: 北京工业大学
IPC: G06F16/35 , G06F40/242 , G06F40/289
Abstract: 本发明涉及一种基于Attention机制的多通道的文本分类方法，首先将由固定的预训练词向量和随机初始化的词向量构建的句子嵌入矩阵分别作为一个文本通道，其次在每层通道上单独引入Attention机制为每个词创建上下文向量，然后将上下文向量和词向量进行拼接，从而得到多通道的句子嵌入矩阵。最后使用不同尺寸的卷积核对多通道的句子嵌入矩阵在多个通道上进行卷积操作，得到卷积后的文本特征向量，再使用最大池化层从特征向量中提取文本主要特征，最后经过Softmax层输出所属类别的概率分布，从而构建基于Attention机制的多通道的文本分类模型。提高了模型的泛化能力和训练速度，解决了非连续词之间相关性的问题。
-
公开(公告)号：CN107102983B
公开(公告)日：2020-12-04
申请号：CN201710259663.9
申请日：2017-04-20
Applicant: 北京工业大学
IPC: G06F40/216 , G06F40/289 , G06F40/30 , G06F40/247
Abstract: 本发明公开一种基于网络知识源的中文概念的词向量表示方法，首先对获取的百科知识源进行预处理得到知识源G，其次根据G构建语义特征词典；最后，根据语义特征词典构建概念的词向量表示。采用本发明的技术方案，有效降低了一词多义和同义词问题对概念相似性度量的影响。
-
Patent Agency Ranking
公开(公告)号：CN111897949A
公开(公告)日：2020-11-06
申请号：CN202010740782.8
申请日：2020-07-28
Applicant: 北京工业大学
IPC: G06F16/34 , G06F40/126 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于Transformer的引导性文本摘要生成方法，属于信息处理技术领域。本发明结合深度学习算法和机器学习算法来解决大数据条件下自动获取文本摘要的问题。首先构建了一种文本关键语义特征提取方法，并用该方法来获取文本的关键语义特征。其次结合抽取式摘要方法将长文本转换为关键短文本，作为摘要模型的输入。最后利用提取的文本关键语义特征来构建基于Transformer的文本摘要生成模型。在摘要生成模型中，利用关键语义特征来修正注意力机制，使得生成模型能够生成较多富含关键信息的摘要内容，并增加了指针与覆盖机制，使得摘要生成模型能够更好地解决摘要生成过程中遇到的OOV问题与重复片段生成问题。
-
公开(公告)号：CN110990530A
公开(公告)日：2020-04-10
申请号：CN201911190558.X
申请日：2019-11-28
Applicant: 北京工业大学
Abstract: 本发明针对人物性格分析问题，提出了一种基于深度学习的微博博主性格分析方法。主要内容包括：采集微博博主和博文数据，进行数据预处理；通过性格预标注策略，构建微博博主性格语料库；以深度学习技术为基础，训练和构建性格分析模型，用模型输出的大五人格权重表示博主性格，给出人物性格对应的大五人格雷达图。通过实施步骤的实验分析，证明了方法的有效性。本发明可以帮助相关公司、企业及政府部门有效地分析社交用户的性格特点。
-
公开(公告)号：CN110543557A
公开(公告)日：2019-12-06
申请号：CN201910841535.4
申请日：2019-09-06
Applicant: 北京工业大学
Abstract: 本发明提出了一种基于注意力机制的医疗智能问答系统的构建方法。首先采集医疗问答数据，并用Word2vec技术进行向量化表示，对每个问题，从回答数据中选取语义相似度最大的句子作为标准答案，构建医疗知识问答训练库。然后构建基于注意力机制的医疗智能问答系统的深度学习模型：包括利用双向LSTM将问题和回答数据进行语义编码和拼接，并增加注意力机制；拼接后的语义编码输入到双向LSTM中进行特征融合，最后由softmax函数输出标准答案。
-
公开(公告)号：CN110287320A
公开(公告)日：2019-09-27
申请号：CN201910553755.7
申请日：2019-06-25
Applicant: 北京工业大学
Abstract: 本发明涉及一种结合注意力机制的深度学习多分类情感分析模型，属于自然语言处理技术领域，本发明分析了现有CNN网络和LSTM网络在文本情感分析方面的弱点，提出了一种结合注意力机制的深度学习多分类情感分析模型。该模型运用注意力机制将CNN网络提取的局部特征和LSTM模型提取的语序特征相融合，并在分类层采用集成模型的思想，分别将CNN网络和LSTM网络提取的情感特征拼接，作为模型最终提取的情感特征。通过对比实验，发现该模型的准确率有了显著的提高。
-
公开(公告)号：CN107688630A
公开(公告)日：2018-02-13
申请号：CN201710719716.0
申请日：2017-08-21
Applicant: 北京工业大学
Abstract: 本发明公开一种基于语义的弱监督微博多情感词典扩充方法，包括：建立候选种子词典；通过词频权重和熵权重对候选种子情感词过滤；以word2vec算法获取候选情感词，并通过统计方法验证；用基于规则方法补充情感词典。本发明方法有效扩充了多情感词典，并减少了多情感词典中情感词的数量不平衡问题。
-
-
-
-
-
-
-
-
-
Search Results
48
records
(took 0.032 seconds)
