-
公开(公告)号：CN119739375B
公开(公告)日：2025-05-16
申请号：CN202510258424.6
申请日：2025-03-06
Applicant: 武汉览山科技有限公司 , 武汉科技大学
IPC: G06F8/30 , G06F8/41 , G06N3/0455 , G06N3/09
Abstract: 本发明提供一种基于节点语义增强的编译器优化方法及系统，属于编码器优化领域，包括：获取优化前的中间表示代码，并对所述优化前的中间表示代码进行处理，得到待优化目标代码；对所述待优化目标代码进行数据标注，生成包含操作类型信息的密集数据流图；将所述待优化目标代码和密集数据流图输入至训练好的代码优化模型，所述训练好的代码优化模型的压缩还原模块和结构特征提取模块提取代码静态特征，所述训练好的代码优化模型的节点语义增强模块基于代码静态特征进行代码优化，得到优化后的目标代码。本发明在去除代码中的冗余信息同时保留必要的结构信息，并提高编码器优化能力。
-
公开(公告)号：CN117473040A
公开(公告)日：2024-01-30
申请号：CN202310771118.3
申请日：2023-06-28
Applicant: 武汉览山科技有限公司 , 武汉科技大学
IPC: G06F16/33 , G06F16/35 , G06F16/953
Abstract: 本发明公开了一种基于双层交互联合模型的情绪分析方法及系统，进行数据集采集与预处理，包括收集时事热点相关的网络舆情数据，去除文本无效信息；数据标注，包括构建标注平台，按照标注规范进行有效性及情绪标签标注，交叉检验后存入数据集；文本特征提取，包括将文本转成单词序列并输入到BERT模型得到文本字编码，经过GRU获得用于方面提取和情感分类两个子任务的隐藏状态；语义级交互，包括不同特定任务特征进行有选择性地组合，通过学习共最佳组合，实现两个任务在语义级上的浅层交互；任务级交互，包括使用线性分类器预测方面项，引入AOA模型实现情感分类，再利用交互信息最大化，使方面提取和情感分类在输出层共享信息，实现任务级的交互平衡。
-
公开(公告)号：CN117273685A
公开(公告)日：2023-12-22
申请号：CN202311255012.4
申请日：2023-09-26
Applicant: 武汉唯一智慧科技有限公司 , 武汉科技大学
IPC: G06Q10/109 , G06Q50/20 , G06Q10/063
Abstract: 本发明公开一种基于冲突检测算子的高维空间自动排课方法及系统，包括：初始化排课单元以及冲突检测算子；根据输入条件生成排课单元和排课时间表，并使用冲突检测算子筛选出无法自动排课或信息异常课程；对所有课程按可排入位置数量以及排入复杂度进行排序，动态地从所有未排入课程中选择最难排入的课程尝试排入课表，并使用冲突检测算子记录课程排入后对其他排课位置的影响；若无法排入则记录课程无法排入的信息，直至所有课程全部被排入；最后针对无法排入课程，分析无法排入原因并推荐修改方案。本发明在将自动排课算法拓展至高维空间的同时，允许为算法添加多种约束条件，极大的缩减了算法的时间复杂度，能够直接应用于实际的复杂排课场景中。
-
公开(公告)号：CN116992832A
公开(公告)日：2023-11-03
申请号：CN202310770216.5
申请日：2023-06-28
Applicant: 武汉科技大学
IPC: G06F40/166 , G06F16/953 , G06V10/774 , G06F40/295 , G06V10/764 , G06F18/214 , G06V10/762
Abstract: 本发明提供一种基于图聚类与多图文交互的新闻图集描述生成方法及系统，包括数据采集与数据标注，从新闻图集网站采集新闻图集数据，去除文本中的无效信息，标注校对后存入数据集；数据预处理，对生成的数据集中的图像进行归一化处理；对生成的数据集中的文本进行命名实体识别处理并生成对应实体词列表；图文特征提取与图集图像间隐含关系探索，图聚类模块探索图集图像间隐含关系，对提取的图像粗粒度特征进行主成分分析降维及聚类分析，挖掘出图集图像间的结构化信息，得到图像分类簇及多个聚类中心；图文信息交互，模型训练，使用端到端的方式进行模型训练，采用交叉熵损失函数。本发明支持对包含外部文本信息的新闻图集进行描述生成。
-
公开(公告)号：CN119739375A
公开(公告)日：2025-04-01
申请号：CN202510258424.6
申请日：2025-03-06
Applicant: 武汉览山科技有限公司 , 武汉科技大学
IPC: G06F8/30 , G06F8/41 , G06N3/0455 , G06N3/09
Abstract: 本发明提供一种基于节点语义增强的编译器优化方法及系统，属于编码器优化领域，包括：获取优化前的中间表示代码，并对所述优化前的中间表示代码进行处理，得到待优化目标代码；对所述待优化目标代码进行数据标注，生成包含操作类型信息的密集数据流图；将所述待优化目标代码和密集数据流图输入至训练好的代码优化模型，所述训练好的代码优化模型的压缩还原模块和结构特征提取模块提取代码静态特征，所述训练好的代码优化模型的节点语义增强模块基于代码静态特征进行代码优化，得到优化后的目标代码。本发明在去除代码中的冗余信息同时保留必要的结构信息，并提高编码器优化能力。
-
Patent Agency Ranking
公开(公告)号：CN114360731A
公开(公告)日：2022-04-15
申请号：CN202111497990.0
申请日：2021-12-09
Applicant: 武汉科技大学
IPC: G16H50/70 , G06F40/295 , G06F40/30
Abstract: 本发明提供一种面向老年照护的医养结合知识服务系统构建方法，结合跨媒体知识统一表征、跨媒体知识实体抽取、语义分析和人机协同的知识图谱审核，支持提供高精准度老年照护知识图谱，提供风险分级、智能问答、方案制定、应急预警、康复和照护推荐的“端到端”老年照护知识服务。本发明用跨媒体知识图谱取代灵活性不足、规模小的传统关系型数据库，产生老年照护生态圈内全方位知识数据集。与现有的基于传统数据库的医养服务系统相比，本发明在多源多维信息基础上提供更全面、准确、灵活的领域知识集成，提供基于知识工程技术的信息与服务管理方案，提供更自动化、个性化、智能化的老年照护解决方案，能有效降低成本并提高功效。
-
公开(公告)号：CN114357127A
公开(公告)日：2022-04-15
申请号：CN202111375793.1
申请日：2021-11-19
Applicant: 武汉科技大学
IPC: G06F16/332 , G06F40/289 , G06F40/30 , G06F16/338 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于机器阅读理解及常用问题解答模型的智能问答方法，进行问答对采集，包括基于系统文档生成问答对，整理过滤后形成数据库；模型预训练，包括使用步骤1中的数据库对MRC模型以及FAQ模型进行训练；用户登录验证；用户问题信息采集，包括从前端获取用户输入的问题信息并输入预训练后的模型；答案生成，采用FAQ模型基于语义相似度匹配生成答案，若结果不理想则将用户问题文本输入MRC模型获取问题答案并返回前端展示。本发明支持多种模式检索，能在常见问题解答模型效果不理想的情况下，智能化深入理解文档提供答案，使生成答案更具针对性，为用户疑问解决提供更多参考，同时可为常见问题解答数据集提供补充，实现问答冷启动机制。
-
公开(公告)号：CN104063874A
公开(公告)日：2014-09-24
申请号：CN201410324856.4
申请日：2014-07-09
Applicant: 武汉科技大学
IPC: G06T7/00
Abstract: 本发明涉及一种基于权值模型的灰度图像二值化算法定量评估方法。其技术方案为：先对灰度图像A使用n(n为7~20的自然数)种灰度图像二值化算法进行二值化处理，再对生成的二值图像集进行处理，得到灰度图像A的前景点权值矩阵和背景点权值矩阵；然后用待评估灰度图像二值化算法对灰度图像A进行处理，得到灰度图像A的转换矩阵Ⅰ和Ⅱ；然后根据待评估的灰度图像二值化算法的加权正确率P的数学模型，得到待评估的灰度图像二值化算法的加权正确率P，定量评估待评估灰度图像二值化算法。本发明不仅适用性强，独立于参照集，且能对灰度图像二值化算法进行有效的定量评估。
-
公开(公告)号：CN113918694B
公开(公告)日：2024-04-16
申请号：CN202111170907.9
申请日：2021-10-08
Applicant: 武汉科技大学
IPC: G06F16/332 , G06F16/35 , G06F16/36 , G06N5/022 , G06F40/211 , G06F40/30 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/09
Abstract: 本发明涉及一种面向医疗知识图谱问答的问句解析方法。其技术方案是：采用分类器对医疗问题进行分类，采用识别器对医疗问题进行实体识别和属性识别；再将识别的实体与知识图谱中的所有实体逐个进行匹配，与所述知识图谱中匹配度最高的实体为标准实体；将识别的属性与知识图谱中所有属性逐个进行匹配，与知识图谱中匹配度最高的属性为标准属性；然后将标准实体、标准属性和标准属性值转化为查询语句，知识图谱中查询模块收到查询语句后，即得到医疗问题的答案。本发明具有识别精准度高和问句分析错误率低的特点，能有效缓解医疗资源的失衡，降低医疗成本。
-
公开(公告)号：CN113918694A
公开(公告)日：2022-01-11
申请号：CN202111170907.9
申请日：2021-10-08
Applicant: 武汉科技大学
IPC: G06F16/332 , G06F16/35 , G06F16/36 , G06F40/211 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种面向医疗知识图谱问答的问句解析方法。其技术方案是：采用分类器对医疗问题进行分类，采用识别器对医疗问题进行实体识别和属性识别；再将识别的实体与知识图谱中的所有实体逐个进行匹配，与所述知识图谱中匹配度最高的实体为标准实体；将识别的属性与知识图谱中所有属性逐个进行匹配，与知识图谱中匹配度最高的属性为标准属性；然后将标准实体、标准属性和标准属性值转化为查询语句，知识图谱中查询模块收到查询语句后，即得到医疗问题的答案。本发明具有识别精准度高和问句分析错误率低的特点，能有效缓解医疗资源的失衡，降低医疗成本。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.019 seconds)
