-
公开(公告)号：CN113626215A
公开(公告)日：2021-11-09
申请号：CN202110830708.X
申请日：2021-07-22
Applicant: 武汉大学
IPC: G06F9/54 , G06F40/211 , G06F40/284 , G06F40/295
Abstract: 本发明公开了一种基于短语识别的气象场景服务图谱构建方法及系统，涉及人工智能技术领域，该方法包括构建得到原始数据集；确定问题对应的气象服务场景；基于问题和回答之间的对应关系，并基于短语识别模型提取出同一气象服务场景下，气象服务相关问答的回答和气象服务相关文章中的服务语句；基于确定的气象服务场景和提取的服务语句，将同一气象服务场景下相似的服务语句归类为同一服务语句实体；根据确定的气象服务相关实体类型、确定的气象服务场景和归类得到的服务语句实体，基于OWL标准建立相关三元组，得到原子建议组，完成气象场景服务图谱构建。本发明能够减轻气象服务的重复性劳动。
-
公开(公告)号：CN112883175A
公开(公告)日：2021-06-01
申请号：CN202110184707.2
申请日：2021-02-10
Applicant: 武汉大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06F40/186 , G06N3/04
Abstract: 本发明公开了一种结合预训练模型及模板生成的气象服务交互方法及系统，首先通过模板结合网络爬取的数据生成训练数据集，之后通过预训练模型识别用户问题中气象服务实体，并基于词向量的文本相似度将识别的实体链接至气象图谱，确定用户问题中的服务场景，进而查询面向场景的气象服务数据库中与该场景相关的建议组，并依据气象建议与用户问题的语义相似度，选择合适的气象建议填回模板，生成气象服务语句返回给用户。本发明提供的气象服务交互系统可以为用户提供个性化的场景服务，并生成灵活多样化的服务语句。
-
公开(公告)号：CN112883175B
公开(公告)日：2022-06-14
申请号：CN202110184707.2
申请日：2021-02-10
Applicant: 武汉大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06F40/186 , G06N3/04
Abstract: 本发明公开了一种结合预训练模型及模板生成的气象服务交互方法及系统，首先通过模板结合网络爬取的数据生成训练数据集，之后通过预训练模型识别用户问题中气象服务实体，并基于词向量的文本相似度将识别的实体链接至气象图谱，确定用户问题中的服务场景，进而查询面向场景的气象服务数据库中与该场景相关的建议组，并依据气象建议与用户问题的语义相似度，选择合适的气象建议填回模板，生成气象服务语句返回给用户。本发明提供的气象服务交互系统可以为用户提供个性化的场景服务，并生成灵活多样化的服务语句。
-
Patent Agency Ranking
公开(公告)号：CN113626215B
公开(公告)日：2023-08-18
申请号：CN202110830708.X
申请日：2021-07-22
Applicant: 武汉大学
IPC: G06F9/54 , G06F40/211 , G06F40/284 , G06F40/295
Abstract: 本发明公开了一种基于短语识别的气象场景服务图谱构建方法及系统，涉及人工智能技术领域，该方法包括构建得到原始数据集；确定问题对应的气象服务场景；基于问题和回答之间的对应关系，并基于短语识别模型提取出同一气象服务场景下，气象服务相关问答的回答和气象服务相关文章中的服务语句；基于确定的气象服务场景和提取的服务语句，将同一气象服务场景下相似的服务语句归类为同一服务语句实体；根据确定的气象服务相关实体类型、确定的气象服务场景和归类得到的服务语句实体，基于OWL标准建立相关三元组，得到原子建议组，完成气象场景服务图谱构建。本发明能够减轻气象服务的重复性劳动。
-
公开(公告)号：CN113392216A
公开(公告)日：2021-09-14
申请号：CN202110699269.3
申请日：2021-06-23
Applicant: 武汉大学
IPC: G06F16/35 , G06F40/216 , G06N3/08 , G06N5/02
Abstract: 本发明提供一种基于一致性文本增强的远程监督关系抽取方法及装置，该方法包括：按实体对和关系标签对多个句子实例进行划分，得到多个句子包；对每个句子包中的每个句子实例采用不同的文本增强方法，得到每个句子包中的每个句子实例对应的强增强样本以及弱增强样本；确定噪声样例，并通过无关系句子实例以及噪声样例的强增强样本和弱增强样本对关系预测模型进行训练，得到训练好的关系预测模型；利用训练好的关系预测模型对待预测的句子包进行预测，获得与其对应的关系标签。通过本发明，通过一致性文本增强，能够增加数据集规模，增强模型的泛化学习能力，让“NA”类别和噪音样例约束模型学习更多的监督信息。
-
公开(公告)号：CN113449076B
公开(公告)日：2022-08-30
申请号：CN202110697410.6
申请日：2021-06-23
Applicant: 武汉大学
IPC: G06F16/33 , G06F40/289 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于全局信息和局部信息的代码搜索嵌入方法及装置。本发明中设计了一个共享的线性层和卷积层接在ON‑LSTM后面，利用共享的网络参数，能够将“双塔”ON‑LSTM模型输出后的顺序信息融合增强，加强对全局信息的利用；巧妙地应用ON‑LSTM的结构特性，选择其中的结构信息并使用CNN增强，通过曼哈顿距离的计算，加强对局部信息的利用；通过将各个模块输出的交互向量、结构向量、全局信息向量拼接成特征向量，再计算相似度，平衡全局信息和局部信息。
-
公开(公告)号：CN113392216B
公开(公告)日：2022-06-17
申请号：CN202110699269.3
申请日：2021-06-23
Applicant: 武汉大学
IPC: G06F16/35 , G06F40/216 , G06N3/08 , G06N5/02
Abstract: 本发明提供一种基于一致性文本增强的远程监督关系抽取方法及装置，该方法包括：按实体对和关系标签对多个句子实例进行划分，得到多个句子包；对每个句子包中的每个句子实例采用不同的文本增强方法，得到每个句子包中的每个句子实例对应的强增强样本以及弱增强样本；确定噪声样例，并通过无关系句子实例以及噪声样例的强增强样本和弱增强样本对关系预测模型进行训练，得到训练好的关系预测模型；利用训练好的关系预测模型对待预测的句子包进行预测，获得与其对应的关系标签。通过本发明，通过一致性文本增强，能够增加数据集规模，增强模型的泛化学习能力，让“NA”类别和噪音样例约束模型学习更多的监督信息。
-
公开(公告)号：CN113449076A
公开(公告)日：2021-09-28
申请号：CN202110697410.6
申请日：2021-06-23
Applicant: 武汉大学
IPC: G06F16/33 , G06F40/289 , G06K9/62 , G06N3/04
Abstract: 本发明提供一种基于全局信息和局部信息的代码搜索嵌入方法及装置。本发明中设计了一个共享的线性层和卷积层接在ON‑LSTM后面，利用共享的网络参数，能够将“双塔”ON‑LSTM模型输出后的顺序信息融合增强，加强对全局信息的利用；巧妙地应用ON‑LSTM的结构特性，选择其中的结构信息并使用CNN增强，通过曼哈顿距离的计算，加强对局部信息的利用；通过将各个模块输出的交互向量、结构向量、全局信息向量拼接成特征向量，再计算相似度，平衡全局信息和局部信息。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.129 seconds)
