公开(公告)号：CN111061935B

公开(公告)日：2022-04-12

申请号：CN201911292337.3

申请日：2019-12-16

Applicant: 北京理工大学

Inventor： 黄河燕 ,  高小燕 ,  毛先领 ,  迟泽闻 ,  余厚金 ,  兰天

IPC: G06F16/951 ,  G06F16/9035 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于自注意力机制的科技写作推荐方法，属于计算机自然语言处理以及社交媒体技术领域。所述科技写作推荐方法，首先利用已有的段落写作内容，挖掘作者写作主题与意图，并以此初步筛选候选段落；其次设计了基于自注意力机制的深度科技写作推荐模型，用于获取上下文语境的深度语义表示，以对候选段落进行排序；通过将预测排序结果与真实排序结果进行比较，获取召回率和归一化折损累积增益，以评价写作推荐方法的好坏。所述方法与传统的基于内容的引文推荐方法相比，在一个真实的科技论文写作推荐中进行推荐预测，取得最高的召回率和归一化折损累积增益。

公开(公告)号：CN111061935A

公开(公告)日：2020-04-24

申请号：CN201911292337.3

申请日：2019-12-16

Applicant: 北京理工大学

Inventor： 黄河燕 ,  高小燕 ,  毛先领 ,  迟泽闻 ,  余厚金 ,  兰天

IPC: G06F16/951 ,  G06F16/9035 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于自注意力机制的科技写作推荐方法，属于计算机自然语言处理以及社交媒体技术领域。所述科技写作推荐方法，首先利用已有的段落写作内容，挖掘作者写作主题与意图，并以此初步筛选候选段落；其次设计了基于自注意力机制的深度科技写作推荐模型，用于获取上下文语境的深度语义表示，以对候选段落进行排序；通过将预测排序结果与真实排序结果进行比较，获取召回率和归一化折损累积增益，以评价写作推荐方法的好坏。所述方法与传统的基于内容的引文推荐方法相比，在一个真实的科技论文写作推荐中进行推荐预测，取得最高的召回率和归一化折损累积增益。

公开(公告)号：CN110751038A

公开(公告)日：2020-02-04

申请号：CN201910875019.3

申请日：2019-09-17

Applicant: 北京理工大学

Inventor： 毛先领 ,  迟泽闻 ,  徐恒达

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明涉及一种基于图注意力机制的PDF表格结构识别方法，属于数据挖掘技术中的文档分析技术领域；包括以下步骤：一、预处理：获取表格中的所有单元格以及它们的位置坐标；二、图构建：对得到的单元格建立无向图；三、关系预测：通过对构建的无向图上的边进行分类，使用神经网络模型预测出单元格之间的邻接关系。对比现有技术，本发明首次提出解决PDF中复杂表格结构的识别方法，在两个表格结构识别数据集上都取得了最好的效果，尤其在复杂表格结构识别上，效果有明显的提高。