-
公开(公告)号：CN116186211A
公开(公告)日：2023-05-30
申请号：CN202211631371.0
申请日：2022-12-19
Applicant: 北京航空航天大学 , 中关村融智企业管理创新推广中心
IPC: G06F16/332 , G06F16/36 , G06F16/953 , G06F40/279
Abstract: 本发明公开了一种文本攻击性检测和转换的方法,包括：获取待处理文本数据，将所述待处理文本输入预训练BERT模型，获取序列词向量；构建双塔攻击性检测模型，将所述序列词向量输入所述双塔攻击性检测模型进行攻击性检测，获取攻击性词汇的位置；基于所述攻击性词汇的位置，确定攻击性语句的位置；构建攻击性文本转换模型，基于所述攻击性文本转换模型对所述攻击性语句进行去攻击性处理，生成无攻击性文本。本发明综合利用了文本向量化表示、召回模型、文本转换等技术，可以检测攻击性文本并识别出攻击性词汇，进而去攻击性转化得到目标文本，对进一步研究文本攻击性检测和转化提供了关键基础。
-
公开(公告)号：CN116186211B
公开(公告)日：2023-07-25
申请号：CN202211631371.0
申请日：2022-12-19
Applicant: 北京航空航天大学 , 中关村融智企业管理创新推广中心
IPC: G06F16/332 , G06F16/36 , G06F16/953 , G06F40/279
Abstract: 本发明公开了一种文本攻击性检测和转换的方法,包括：获取待处理文本数据，将所述待处理文本输入预训练BERT模型，获取序列词向量；构建双塔攻击性检测模型，将所述序列词向量输入所述双塔攻击性检测模型进行攻击性检测，获取攻击性词汇的位置；基于所述攻击性词汇的位置，确定攻击性语句的位置；构建攻击性文本转换模型，基于所述攻击性文本转换模型对所述攻击性语句进行去攻击性处理，生成无攻击性文本。本发明综合利用了文本向量化表示、召回模型、文本转换等技术，可以检测攻击性文本并识别出攻击性词汇，进而去攻击性转化得到目标文本，对进一步研究文本攻击性检测和转化提供了关键基础。
-
公开(公告)号：CN116187329A
公开(公告)日：2023-05-30
申请号：CN202211631598.5
申请日：2022-12-19
Applicant: 北京航空航天大学 , 中关村融智企业管理创新推广中心
IPC: G06F40/295 , G06F40/216 , G06N3/049 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种基于图卷积网络的联合抽取模型的分类方法，包括：初始化输入的语句，获取嵌入结果，将嵌入结果输入到神经网络中进行编码，获得语句的编码结果；通过编码结果计算注意力评分，基于注意力机制对注意力评分进行处理，使用门控机制获得语句整体表示结果；将整体表示结果针对特定关系进行解码，选择出最优标签，完成分类任务。本发明综合了图神经网络、注意力机制、命名实体识别、关系抽取等技术，提升了RSAN模型中句子特征的质量与整体模型效果，对联合抽取的研究有着重要意义。
-
公开(公告)号：CN116187329B
公开(公告)日：2024-09-27
申请号：CN202211631598.5
申请日：2022-12-19
Applicant: 北京航空航天大学 , 中关村融智企业管理创新推广中心
IPC: G06F40/295 , G06F40/216 , G06N3/049 , G06N3/08 , G06N3/0442
Abstract: 本发明涉及一种基于图卷积网络的联合抽取模型的分类方法，包括：初始化输入的语句，获取嵌入结果，将嵌入结果输入到神经网络中进行编码，获得语句的编码结果；通过编码结果计算注意力评分，基于注意力机制对注意力评分进行处理，使用门控机制获得语句整体表示结果；将整体表示结果针对特定关系进行解码，选择出最优标签，完成分类任务。本发明综合了图神经网络、注意力机制、命名实体识别、关系抽取等技术，提升了RSAN模型中句子特征的质量与整体模型效果，对联合抽取的研究有着重要意义。
-
公开(公告)号：CN119514678A
公开(公告)日：2025-02-25
申请号：CN202411524822.X
申请日：2024-10-30
Applicant: 中关村融智企业管理创新推广中心 , 北京大船科技有限公司
IPC: G06N5/04 , G06N5/022 , G06F18/214 , G06N3/045 , G06N3/08 , G06F40/205 , G06F40/289
Abstract: 本发明属于计算机科学技术领域，具体涉及一种基于思维链的网络安全知识推理方法，所述方法包括以下步骤：S1：筛选网络安全学术资料，将筛选得到的资料进行统一格式化处理，得到用于大模型预训练的网络安全数据语料；S2：进行网络安全语料训练；利用PEFT技术与FlashAttention2技术对基础大模型进行网络安全语料训练；S3：利用当前的思维链提示理论知识进行思维链提示样例设计；S4：思维链提示方法的设计。本发明能够在结合了现有大模型的基础上，将思维链的零样本推理与少样本推理方法相结合，训练精调一个性能较为优秀的网络安全大模型。
-
Patent Agency Ranking
公开(公告)号：CN119646130A
公开(公告)日：2025-03-18
申请号：CN202411524678.X
申请日：2024-10-30
Applicant: 中关村融智企业管理创新推广中心 , 北京大船科技有限公司
IPC: G06F16/3329 , G06F16/334 , G06N5/04 , G06F16/36 , G06N5/025
Abstract: 本发明属于机器学习技术领域，具体涉及一种基于知识增强大模型的问答系统设计方法，包括以下步骤：S1：领域内文本数据采集；S2：数据预处理；S3：构建知识图谱；S4：知识图谱增强大语言模型框架设计；S5：问答系统构建；采用该设计方法，我们得到一种基于知识增强大模型的问答系统，包括：数据采集模块，数据预处理模块、知识图谱构建模块、数据库、大语言模型层、展示层和前端UI，对于使用者，不需要了解复杂的架构，只需要输入想问的问题，系统便输出经知识图谱增强的大语言模型的回答。本发明通过知识图谱对大语言模型的知识增强，借助该大语言模型问答链可减少幻觉问题，提高回答领域内问题时的规范性与准确性。
-
公开(公告)号：CN118467903A
公开(公告)日：2024-08-09
申请号：CN202410516675.5
申请日：2024-04-28
Applicant: 北京航空航天大学
Abstract: 本发明提出了一种基于神经常微分方程的网格双射参数化方法，该方法包括：1)初始双射参数化。对待参数化的3D三角网格模型M采用Tutte嵌入将其映射到2D参数空间的给定凸域上，获取初始的双射参数化网格M0p；2)基于神经常微分方程(NeualODE)的网格优化。将在2D参数空间上移动M0p的顶点得到优化的网格MTp的迭代过程，建模为由微分方程控制的动力系统，并采用NeualODE实现，将Mtp与M之间的形变度量作为损失函数对NeualODE的神经网络参数进行优化求解；3)采用显式欧拉积分法对NeualODE进行积分求解得到MTp。本发明提出的参数化方法能够隐式地保证参数化后的网格局部无翻转和边界无自交。与传统参数化方法相比，该方法建模更简单，鲁棒性更强，具有较强的创新性和实用价值。
-
公开(公告)号：CN106557552A
公开(公告)日：2017-04-05
申请号：CN201610958001.6
申请日：2016-10-27
Applicant: 国家计算机网络与信息安全管理中心 , 北京航空航天大学
Abstract: 本发明公开了一种网络话题热度预测方法。它包括话题检测、热度预测建模、预测热度值计算三个步骤。话题检测部分负责从网络数据中获取与用户给定话题关键词相关的话题数据。预测建模部分按照用户设定的时间粒度大小统计话题检测结果中每个时间段内的话题热度值，并计算高斯过程模型关于话题热度统计时间点的协方差矩阵，构建基于高斯过程的预测模型。预测热度值计算部分针对用户给定的预测时间点，利用构建的高斯过程模型计算话题在给定时间点的热度值。本发明综合利用信息检索技术、分类技术进行话题检测，利用高斯过程模型来进行话题热度预测，提高了话题预测的实用性和有效性。
-
公开(公告)号：CN118051606A
公开(公告)日：2024-05-17
申请号：CN202410185452.5
申请日：2024-02-19
Applicant: 北京航空航天大学
IPC: G06F16/335 , G06F16/33 , G06F40/30
Abstract: 本申请涉及计算机科学和人工智能领域，公开了一种基于提示学习的多模态讽刺检测方法，包括以下步骤：S1、接收多模态输入数据；S2、生成与所述多模态输入数据对应的多模态提示向量；S3、生成讽刺提示向量和非讽刺提示向量；S4、计算所述多模态提示向量与所述讽刺提示向量以及所述非讽刺提示向量的余弦相似度；S5、根据所述余弦相似度计算所述多模态输入数据的讽刺概率值。本发明提供了一种有效的多模态讽刺检测方法，该方法通过引入可学习的提示向量和协同多模态提示，显著提升了讽刺检测的性能，尤其是在准确度和泛化能力方面。
-
公开(公告)号：CN113918702B
公开(公告)日：2022-07-01
申请号：CN202111239970.3
申请日：2021-10-25
Applicant: 北京航空航天大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/35 , G06F40/126 , G06F40/194 , G06F40/289 , G06F40/30 , G06Q50/18
Abstract: 本发明公开了一种基于语义匹配的在线法律自动问答方法及系统，方法包括以下步骤：基于若干种互联网渠道，获取法律咨询数据；通过采集法律咨询数据的第一特征信息、第二特征信息，构建特征数据集，基于特征数据集，依据FastText文本分类算法和BertSum语义优化算法，构建用户意图识别模型，用户意图识别模型用于通过采集用户提出的法律咨询问题的第三特征信息，获取第三特征信息对应的法律咨询数据；系统由若干功能模块构成，通过模块之间的逻辑联系，实现在线法律自动问答的方法，本发明克服了法律门户网站的站内检索系统技术过于简单和不适配等问题，对推进法律自动问答垂直领域发展具有重大意义。
-
-
-
-
-
-
-
-
-
Search Results
21
records
(took 0.122 seconds)
