公开(公告)号：CN107102989B

公开(公告)日：2020-09-29

申请号：CN201710373502.2

申请日：2017-05-24

Applicant: 南京大学

Inventor： 张雷 ,  高扬 ,  唐驰 ,  谢俊元

IPC: G06F40/247 ,  G06F40/30 ,  G06N3/08

Abstract: 本发明提供一种基于词向量、卷积神经网络的实体消歧方法，包括实体识别阶段、实体语义表示阶段、神经网络学习训练阶段和实体分类阶段等四个阶段。本方法依托word2vec训练的词向量和卷积神经网络，分别针对待消歧实体上下文和知识库中候选实体摘要信息构造语义特征向量。在实体分类阶段计算特征向量的余弦相似度，取相似度最大的候选实体作为待消歧实体的最终目标实体。通过本发明的方法，大大提高了实体的语义表示能力，进而提高了后续消歧的准确率。

公开(公告)号：CN107102989A

公开(公告)日：2017-08-29

申请号：CN201710373502.2

申请日：2017-05-24

Applicant: 南京大学

Inventor： 张雷 ,  高扬 ,  唐驰 ,  谢俊元

IPC: G06F17/27 ,  G06N3/08

Abstract: 本发明提供一种基于词向量、卷积神经网络的实体消歧方法，包括实体识别阶段、实体语义表示阶段、神经网络学习训练阶段和实体分类阶段等四个阶段。本方法依托word2vec训练的词向量和卷积神经网络，分别针对待消歧实体上下文和知识库中候选实体摘要信息构造语义特征向量。在实体分类阶段计算特征向量的余弦相似度，取相似度最大的候选实体作为待消歧实体的最终目标实体。通过本发明的方法，大大提高了实体的语义表示能力，进而提高了后续消歧的准确率。

公开(公告)号：CN106027414A

公开(公告)日：2016-10-12

申请号：CN201610353612.8

申请日：2016-05-25

Applicant: 南京大学

Inventor： 吴骏 ,  刘勇 ,  汤兆亮 ,  高扬 ,  吴和生 ,  李宁

IPC: H04L12/861 ,  H04L29/08

CPC classification number: H04L49/9042 ,  H04L67/1097

Abstract: 本发明提供一种面向HDFS的网络报文并行读取方法，包括网络数据捕获与pcap报文解析两个阶段。本方法依托Hadoop平台的分布式框架MapReduce与分布式文件系统HDFS，将捕获的网络数据包写入HDFS，并通过本发明实现的二进制pcap流解析方法将pcap报文并行的解析出来，形成key‑value对然后交由MapReduce框架进行分析处理。通过本发明中的方法大大提高了HDFS下pcap格式文件的并行读取能力，进而提高了后续网络数据包的并行分析与处理效率。