-
公开(公告)号：CN113821571B
公开(公告)日：2024-04-26
申请号：CN202110702743.3
申请日：2021-06-24
Applicant: 华中农业大学
IPC: G06F16/28 , G06N3/045 , G06N3/0464 , G06N3/09
Abstract: 本发明提供了基于BERT和改进PCNN的食品安全关系抽取方法，针对收集到的食品安全领域数据集，利用BERT和PCNN模型的分段最大池化最大程度捕获句子的局部信息，并根据中文是以词而并非以字为基本单位的特性以及注意力机制的优点，结合多核处理、分词技术、注意力机制以及损失函数等方法提出改进的模型BERT‑PCNN‑ATT‑jieba的模型，实现了提高抽取食品安全领域关系的性能的功能，提升了食品安全领域的关系抽取的性能。本发明减少了手工对于食品安全数据标注的成本，为下一步工作奠定了基础。
-
公开(公告)号：CN113821571A
公开(公告)日：2021-12-21
申请号：CN202110702743.3
申请日：2021-06-24
Applicant: 华中农业大学
Abstract: 本发明提供了基于BERT和改进PCNN的食品安全关系抽取方法，针对收集到的食品安全领域数据集，利用BERT和PCNN模型的分段最大池化最大程度捕获句子的局部信息，并根据中文是以词而并非以字为基本单位的特性以及注意力机制的优点，结合多核处理、分词技术、注意力机制以及损失函数等方法提出改进的模型BERT‑PCNN‑ATT‑jieba的模型，实现了提高抽取食品安全领域关系的性能的功能，提升了食品安全领域的关系抽取的性能。本发明减少了手工对于食品安全数据标注的成本，为下一步工作奠定了基础。
-
公开(公告)号：CN113590837A
公开(公告)日：2021-11-02
申请号：CN202110864488.2
申请日：2021-07-29
Applicant: 华中农业大学
IPC: G06F16/36 , G06F16/35 , G06F16/33 , G06F40/295 , G06N3/08
Abstract: 本发明提供了一种基于深度学习的食品及健康知识图谱构建方法，从信息抽取、知识表示、知识融合、知识存储、知识推理和知识图谱应用六个方面构建和应用面向食品安全领域的知识图谱，实现了高效查询食品安全数据和科学分析食品安全问题的功能。本发明在信息抽取阶段，基于手动标注数据集应用的深度学习方法有：基于BiLSTM‑CRF模型实现了实体识别，基于Transformer模型实现了关系抽取。在此基础上，本发明采用(实体，关系，实体)的三元组类型作为知识图谱表示学习的输入，通过表示学习将高维度的知识进行Embedding，有效解决了数据稀疏性，提高了计算效率，可以应用到实体相似度计算以及关系预测。
-
公开(公告)号：CN110781315A
公开(公告)日：2020-02-11
申请号：CN201910981977.9
申请日：2019-10-16
Applicant: 华中农业大学
IPC: G06F16/36 , G06F16/34 , G06F16/332 , G06F40/295
Abstract: 本发明公开了一种食品安全知识图谱及相关智能问答系统的构建方法，所述的食品安全知识图谱整理了大量近年来官方发布的不合格食品的数据，让人们可以方便查询到自己想要了解的相关食品信息，通过设计食品安全本体，可以解决知识图谱中相关知识融合与知识推理的问题，本体整理了与食品生产和食品检测相关的概念、分类与关系，帮助人们分析不合格食品出现的原因和分布，并通过设计HACCP体系的本体模型，为实现以HACCP为基础的食品安全溯源提供推理机制，帮助人们为未来可能出现的食品问题提供溯源与预警，所述的基于食品安全知识图谱的智能问答系统，通过搭建web网站方便用户在线访问，用自然语言访问知识图谱。
-
公开(公告)号：CN119323252A
公开(公告)日：2025-01-17
申请号：CN202411876934.1
申请日：2024-12-19
Applicant: 华中农业大学
Abstract: 本发明公开一种用于羊类疾病诊断的大语言模型构建方法及装置，方法包括：构建羊类疾病问答数据集与知识图谱；基于LLaMA2‑13B‑Chinese预训练模型构建羊类疾病诊断模型，采用低秩适应方式结合构建的羊类疾病问答数据集，对所述羊类疾病诊断模型进行领域微调；基于构建的知识图谱，对微调后的羊类疾病诊断模型进行回答能力强化；对强化后的羊类疾病诊断模型进行评估，使模型召回率和精确度达到预设要求。本发明通过构建基于预训练模型的羊类疾病诊断模型，并依次进行领域微调和知识图谱强化，实现具有较高准确率和召回率的大语言模型用于羊类疾病诊断。
-
Patent Agency Ranking
公开(公告)号：CN105743611A
公开(公告)日：2016-07-06
申请号：CN201510998880.0
申请日：2015-12-25
Applicant: 华中农业大学
IPC: H04L1/00
CPC classification number: H04L1/0078
Abstract: 本发明公开了一种基于稀疏字典的无线传感器网络缺失数据重构方法，该方法包括以下步骤：1)根据缺失数据确定需重构的数据帧总数N；在历史数据中，选择M个数据帧作为训练数据，其中M为大于K的整数；2)调用K?SVD算法获得大小为K的字典D；3)对字典D，采用L1范数最小化算法获得每个字典原子di对应的稀疏系数αi；4)根据步骤2)和3)的计算结果重构当前时刻的数据帧；5)判断字典更新条件是否满足，若满足则调用字典更新方法更新字典中的数据；6)完成数据重构。本发明考虑了当前时刻重构数据帧对下个时刻待重构数据帧的影响，设置字典更新条件，自适应对稀疏字典进行更新，使重构数据帧整体更贴近真实数据，重构精度更高。
-
公开(公告)号：CN110378002B
公开(公告)日：2023-05-12
申请号：CN201910625340.6
申请日：2019-07-11
Applicant: 华中农业大学
Inventor： 赵良
IPC: G06F16/9536 , G06F16/9537 , G06Q50/00
Abstract: 本发明公开了一种基于移动轨迹的社会关系建模方法，该方法包括以下步骤：1)根据采集的用户的轨迹数据，在设定时间段内按照预设时间间隔记录用户的轨迹点，形成用户轨迹的时间戳序列；2)根据各用户轨迹的时间戳序列，判断用户是否相遇，若有相遇，则记录每两个用户之间的相遇记录向量；3)根据相遇记录向量构建基于移动轨迹的社会关系模型；4)根据社会关系模型计算用户之间的社会关系强度，划分用户所属的移动社区。本发明构建了一种通过计算不同移动用户之间的相遇次数和相遇时间来度量社会关系强度的计算方法，该方法将社会关系强度转换为带权的社会关系网络，从而构建不同的用户社区，为基于轨迹的更准确的位置服务提供帮助。
-
公开(公告)号：CN110781315B
公开(公告)日：2022-11-08
申请号：CN201910981977.9
申请日：2019-10-16
Applicant: 华中农业大学
IPC: G06F16/36 , G06F16/34 , G06F16/332 , G06F40/295
Abstract: 本发明公开了一种食品安全知识图谱及相关智能问答系统的构建方法，所述的食品安全知识图谱整理了大量近年来官方发布的不合格食品的数据，让人们可以方便查询到自己想要了解的相关食品信息，通过设计食品安全本体，可以解决知识图谱中相关知识融合与知识推理的问题，本体整理了与食品生产和食品检测相关的概念、分类与关系，帮助人们分析不合格食品出现的原因和分布，并通过设计HACCP体系的本体模型，为实现以HACCP为基础的食品安全溯源提供推理机制，帮助人们为未来可能出现的食品问题提供溯源与预警，所述的基于食品安全知识图谱的智能问答系统，通过搭建web网站方便用户在线访问，用自然语言访问知识图谱。
-
公开(公告)号：CN113590837B
公开(公告)日：2024-08-16
申请号：CN202110864488.2
申请日：2021-07-29
Applicant: 华中农业大学
IPC: G06F16/36 , G06F16/35 , G06F16/33 , G06F16/332 , G06F40/295 , G06N3/08 , G06N3/0442 , G06N3/0455
Abstract: 本发明提供了一种基于深度学习的食品及健康知识图谱构建方法，从信息抽取、知识表示、知识融合、知识存储、知识推理和知识图谱应用六个方面构建和应用面向食品安全领域的知识图谱，实现了高效查询食品安全数据和科学分析食品安全问题的功能。本发明在信息抽取阶段，基于手动标注数据集应用的深度学习方法有：基于BiLSTM‑CRF模型实现了实体识别，基于Transformer模型实现了关系抽取。在此基础上，本发明采用(实体，关系，实体)的三元组类型作为知识图谱表示学习的输入，通过表示学习将高维度的知识进行Embedding，有效解决了数据稀疏性，提高了计算效率，可以应用到实体相似度计算以及关系预测。
-
公开(公告)号：CN112735528A
公开(公告)日：2021-04-30
申请号：CN202110024450.4
申请日：2021-01-08
Applicant: 华中农业大学
Abstract: 本发明公开一种基因序列比对方法及系统，该方法包括：将参考基因组序列和查询基因组序列存储于分布式存储系统；在Spark异构分布式计算平台框架下：按行偏移量分割参考基因组序列，并进行预处理，得到多个预处理参考数据集；采用后缀数组算法为每一预处理参考数据集建立索引，并合并所有建立索引后的预处理参考数据集，得到参考序列索引文件；采用种子扩展算法将查询基因组序列中的各个片段与参考序列索引文件进行CUDA细粒度序列比对，确定每个片段在参考序列索引文件中的位置信息；合并所有片段在参考序列索引文件中的位置信息得到基因序列比对结果。本发明提高了大规模序列比对算法计算的速度和精度。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.021 seconds)
