一种用于法律判决文书的长文本生成式摘要方法

    公开(公告)号:CN117891936A

    公开(公告)日:2024-04-16

    申请号:CN202410081176.8

    申请日:2024-01-19

    Abstract: 本发明公开了一种用于法律判决文书的长文本生成式摘要方法,首先,对原始法律判决文书数据集进行语料转换;其次,将转换过的文本输入到RoBERTa模型中进行处理,使用编码器对文本进行法律文本摘要特征提取;最后,利用UniLM的seq2seqLM,生成法律判决文书的精炼摘要。为了克服模型解码时无法生成表中未包含字词的问题,引入了复制机制。同时为解决生成判决文本摘要中的重复性,采用了覆盖机制。这一创新方法为法律领域的文书摘要生成提供了高效、准确的解决方案。本发明方法能够自动生成法律判决文书摘要,具备简便易用的特点,减少了对人工干预的需求,其高度应用性使其在判决文书处理、文案处理等领域展现出广泛的适用性。

    一种用于生物质颗粒机的拍打疏孔装置

    公开(公告)号:CN110773081A

    公开(公告)日:2020-02-11

    申请号:CN201911279222.0

    申请日:2019-12-13

    Abstract: 一种用于生物质颗粒机的拍打疏孔装置。生物质颗粒机中环模使用后的清理疏通难度大且操作繁琐。本发明包括外侧壁弧板、内侧壁弧板、支撑框、滚轮、握持部、外连接杆和内连接杆,所述握持部设置在支撑框的顶部,所述滚轮设置在支撑框内,滚轮的两侧外壁上分别设置有数个第一垫块和数个第二垫块,所述外侧壁弧板通过外连接杆铰接在支撑框的一侧,外连接杆的内侧壁上设置有与第一垫块相配合的第一凸块,所述内侧壁弧板通过内连接杆铰接在支撑框的另一侧,外连接杆的内侧壁上设置有与第二垫块相配合的第二凸块,外侧壁弧板和内侧壁弧板的弯曲方向同向。本发明用于生物质颗粒机。

    改进的全卷积神经网络的陶瓷材质件序列图像分割方法

    公开(公告)号:CN106920243A

    公开(公告)日:2017-07-04

    申请号:CN201710141353.7

    申请日:2017-03-09

    Abstract: 本发明提出了一种改进的全卷积神经网络的陶瓷材质件序列图像分割方法,包括步骤:S10:对采集的原始图像进行手工标注,将目标和背景用不同的类别区分,得到训练标签,采用索引模式来表示训练样本的标签图;S20:构建改进的基于全卷积神经网络的网络模型,进行训练;S30:依据梯度下降算法计算损失函数和反向传播计算损失函数,对网络进行训练学习,学习速率在验证准确率停止增加时减小为原来的十分之一。全卷积神经网络是基于卷积神经网络的改进结构,在保持CNN 良好的分类性能的基础上,更好的保持了像素矩阵之间的空间位置关系,更有利于全局的特征提取,能全面学习物体的视觉特征,抗干扰性好,可自动将目标物体从背景中分割开,实现智能分割。

    基于用户评分的项目推荐方法

    公开(公告)号:CN105740444A

    公开(公告)日:2016-07-06

    申请号:CN201610072088.7

    申请日:2016-02-02

    CPC classification number: G06F16/9535

    Abstract: 本发明公开了一种基于用户评分的项目推荐方法,首先针对推荐系统中用户兴趣的动态性和多样性,综合时间因子对用户兴趣的全局影响,基于用户项目评分有效融入保持量函数,采用概率主题模型完成用户潜在兴趣的全局学习;然后针对其学习过程对潜在情景变化的敏感性,再次综合时间因子对用户潜在兴趣局部的影响,基于概念漂移问题的对兴趣进行面向用户个性化的二次更新学习,最后通过分析用户兴趣计算其对项目的支持度,并进行排序生成项目推荐列表。本发明能够在充分挖掘用户潜在兴趣的条件下,有效避免概念漂移问题对推荐性能的影响,提高系统的整体推荐质量。

    一种基于RML-YOLOv8的轻量级多尺度绝缘子缺陷检测方法

    公开(公告)号:CN119131628A

    公开(公告)日:2024-12-13

    申请号:CN202411195291.4

    申请日:2024-08-29

    Inventor: 邓珍荣 李晓明

    Abstract: 本发明公开了一种基于RML‑YOLOv8的轻量级多尺度绝缘子缺陷检测方法,包括以下步骤:采集绝缘子及缺陷数据集;数据增强及划分;构建RML‑YOLOv8模型;训练RML‑YOLOv8模型;结果预测。构建RML‑YOLOv8模型,具体是:将YOLOv8中主干网络中各特征层的标准卷积Conv,修改为结合了CA注意力机制的RFCAConv,通过RFA得到的特征图为“调整形状”后不重叠的感受野空间特征;在YOLOv8的Neck层,使用多尺度特征融合金字塔网络MSFFPN来弥补原YOLOv8网络中FPN在对多尺度目标处理能力不够和信息融合不够充分的缺点;在YOLOv8的Head层,使用LPSP检测头。本发明检测方法为绝缘子检测提供了一个方向,在轻量化模型的同时提高了模型的检测精度。

    一种基于SDE_YOLOv8的高压导线断散股检测方法

    公开(公告)号:CN118675067A

    公开(公告)日:2024-09-20

    申请号:CN202410678278.8

    申请日:2024-05-29

    Abstract: 本发明公开了一种基于SDE_YOLOv8的高压导线断散股检测方法,包括如下步骤:采集高压导线断散股数据收集;数据集扩容与整合;增强对数据特征的学习;引入EMA注意力机制提高SDE_YOLOv8提取和关注特征信息的;改进YOLOv8损失函数,将YOLOv8中的损失函数替换成Shape‑IOU损失函数,使得模型增强对目标形状和尺寸的关注,提高检测性能;结果预测,并输出检测结果。本发明方法,将DCNv4_Net嵌入YOLOv8可以提高模型对不规则变化的学习和归纳,提高模型检测精确度,SDE_YOLOv8模型能够精准高效检测高压导线断散股故障。本发明方法为小样本目标检测提供了一个方向,提高了模型学习的速度以及目标检测的质量,检测效果更加精确。

Patent Agency Ranking