公开(公告)号：CN119810531A

公开(公告)日：2025-04-11

申请号：CN202411873784.9

申请日：2024-12-19

Applicant: 北京工业大学

Inventor： 陈建辉 ,  马莲芳 ,  唐志义 ,  张紫童 ,  杨浩楠 ,  陈诗韵

IPC: G06V10/764 ,  G06N3/045 ,  G06N3/094 ,  G06V10/774

Abstract: 本发明公开了一种基于深度学习的神经影像事件属性联合抽取方法。本发明通过融合先进的对抗学习技术与深度学习算法，提出了一种轻量级的神经影像事件抽取联合模型，该模型由双向长短时记忆网络(BiLSTM)、条件随机场(CRF)、Sigmoid激活函数以及自由对抗训练(FreeAT)策略组成。鉴于神经影像事件论元的复杂性较高，而事件结构相对简洁的特点，本模型采用了BiLSTM+CRF+Sigmoid的架构，实现了“重点识别论元、简化角色抽取”的设计理念。该架构通过精简模型参数使得模型在小规模训练集上迅速达到收敛。本发明引入了基于FreeAT的对抗训练机制，缓解了过拟合问题。本发明提升了准确性，增强了模型在资源受限条件下的泛化能力。

公开(公告)号：CN119577152A

公开(公告)日：2025-03-07

申请号：CN202411503844.8

申请日：2024-10-25

Applicant: 北京工业大学

Inventor： 陈建辉 ,  唐志义 ,  马莲芳 ,  杨浩楠 ,  张紫童

IPC: G06F16/36 ,  G06N3/0442 ,  G06N3/045 ,  G06F40/151

Abstract: 本发明公开了一种基于加权联合约束学习的脑连接事件因果关系提取方法，针对事件级神经影像中的文本挖掘任务——脑连接事件的因果关系提取。本发明利用加权联合约束学习，开发了一种名为脑连接事件关系挖掘器的新型模型。通过整合双向长短期记忆(BiLSTM)网络和多层感知器(MLP)，开发出了一种轻量级模型，用于从脑连接文献中联合提取多个事件因果关系。鉴于注释脑连接语料库的稀缺性，提出了一个加权联合约束学习框架。该框架整合了双重一致性约束，包括常识约束和领域约束，并将其与自适应权重学习相结合，以增强模型的小样本学习能力。