基于BlendMask的实体识别、知识图谱生成方法及系统

    公开(公告)号:CN114998702B

    公开(公告)日:2024-08-02

    申请号:CN202210466825.7

    申请日:2022-04-29

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于BlendMask的实体识别、知识图谱生成方法及系统,其中,采用BlendMask改进模型对每张图像依次进行图像预处理、特征融合、图像分割和实体识别操作,从而得到图像中各个实体的分割区域、实体名和精确度;另外,本发明将从文本中提取的实体、类别以及关系信息,与从图像中识别的实体信息结合,以类别和实体作为节点,并以关系为边生成对应的知识图谱。由于本发明对现有的BlendMask模型进行了改进:在特征融合操作中采用7*7的空洞卷积核;空洞卷积核能够在扩大感受野的同时不降低图像分辨率,因此本发明提供的实体识别方法更加精准,对应的图谱生成方法也更加全面。

    一种基于中文仿生文献摘要的句子分类方法及系统

    公开(公告)号:CN114860937A

    公开(公告)日:2022-08-05

    申请号:CN202210535985.2

    申请日:2022-05-17

    Applicant: 海南大学

    Abstract: 本发明提供了一种基于中文仿生文献摘要的句子分类方法及系统,属于文本分类领域,方法为:对句子数据库中未进行人工标注句子类别的句子分别采用词频分析方法和输入初始Bert模型中进行分类;将第一分类结果集和第二分类结果集中分类结果一致的句子存入分类数据库;在第一分类结果集中剔除分类数据库中的句子,采用本次迭代后的Bert模型对第一分类结果集再次分类,更新第一分类结果集;采用较上次迭代更小的分词粒度的词频分析方法对第二分类结果集再次分类,更新第二分类结果集;依次类推,实现句子分类。本发明减少实体抽取和关系抽取中的人工标注,可减少人力和时间的成本。

    基于密度峰值聚类的耕地监测方法、系统、设备及介质

    公开(公告)号:CN118711060A

    公开(公告)日:2024-09-27

    申请号:CN202410832451.5

    申请日:2024-06-26

    Abstract: 本发明公开了一种基于密度峰值聚类的耕地监测方法、系统、设备及介质,所述方法包括:确定待监测耕地区域,并选择耕地环境协变量要素;选取环境因子,并获取对应的耕地环境特征数据;基于密度峰值聚类方法进行聚类分析,获取若干个目标聚类中心;将若干个目标聚类中心设置为目标监测点,在目标监测点上设置监测设备,并基于监测设备对待监测耕地区域的耕地资源数据进行采集;对监测设备采集到的待监测耕地区域的耕地资源数据进行准确性评估。本发明通过密度峰值聚类算法确定聚类中心,设计为监测点,无需耗费大量人力物力获取时效性较好的耕地质量数据,同时设置相似性评价,使设计的监测点具有区域代表性,提高耕地质量的监测效率和精度。

    基于BlendMask的实体识别、知识图谱生成方法及系统

    公开(公告)号:CN114998702A

    公开(公告)日:2022-09-02

    申请号:CN202210466825.7

    申请日:2022-04-29

    Applicant: 海南大学

    Abstract: 本发明公开了一种基于BlendMask的实体识别、知识图谱生成方法及系统,其中,采用BlendMask改进模型对每张图像依次进行图像预处理、特征融合、图像分割和实体识别操作,从而得到图像中各个实体的分割区域、实体名和精确度;另外,本发明将从文本中提取的实体、类别以及关系信息,与从图像中识别的实体信息结合,以类别和实体作为节点,并以关系为边生成对应的知识图谱。由于本发明对现有的BlendMask模型进行了改进:在特征融合操作中采用7*7的空洞卷积核;空洞卷积核能够在扩大感受野的同时不降低图像分辨率,因此本发明提供的实体识别方法更加精准,对应的图谱生成方法也更加全面。

    基于深度学习的耕地保护文本知识抽取方法及系统

    公开(公告)号:CN120011559A

    公开(公告)日:2025-05-16

    申请号:CN202510111079.3

    申请日:2025-01-23

    Applicant: 海南大学

    Abstract: 本发明涉及一种基于深度学习的耕地保护文本知识抽取方法及系统。所述方法包括:基于层次聚类算法和信息熵的数据清洗方法进行数据预处理,得到待抽取多模态数据;通过融合规则先验和膨胀门卷积神经网络对待抽取多模态数据中的文本数据进行处理;通过图神经网络对待抽取多模态数据中的遥感影像进行处理;获取待抽取多模态数据中的地理信息并构建图像与文本之间的关系;构建非结构化耕地文本语义提取网络进行实体识别,并根据实体信息、耕地属性信息提取出实体‑属性‑属性值三元组、实体‑关系‑属性信息三元组。使用融合规则先验和膨胀门卷积神经网络进行实体抽取和关系构建,可以实现高效、准确的关系抽取和属性抽取。

    一种基于中文仿生文献摘要的句子分类方法及系统

    公开(公告)号:CN114860937B

    公开(公告)日:2024-08-06

    申请号:CN202210535985.2

    申请日:2022-05-17

    Applicant: 海南大学

    Abstract: 本发明提供了一种基于中文仿生文献摘要的句子分类方法及系统,属于文本分类领域,方法为:对句子数据库中未进行人工标注句子类别的句子分别采用词频分析方法和输入初始Bert模型中进行分类;将第一分类结果集和第二分类结果集中分类结果一致的句子存入分类数据库;在第一分类结果集中剔除分类数据库中的句子,采用本次迭代后的Bert模型对第一分类结果集再次分类,更新第一分类结果集;采用较上次迭代更小的分词粒度的词频分析方法对第二分类结果集再次分类,更新第二分类结果集;依次类推,实现句子分类。本发明减少实体抽取和关系抽取中的人工标注,可减少人力和时间的成本。

    一种不确定性引导的视网膜血管图像分割方法及系统

    公开(公告)号:CN116934777A

    公开(公告)日:2023-10-24

    申请号:CN202310933413.4

    申请日:2023-07-26

    Applicant: 海南大学

    Abstract: 本发明公开了一种不确定性引导的视网膜血管图像分割方法及系统,属于医学图像处理领域。本发明首先构建不确定性网络来量化眼底图像中的不确定性得到不确定性映射矩阵,并将所述不确定性网络输出的均值作为先验映射矩阵;再构建基于UNet的分割网络,将编码阶段得到的特征图与不确定性映射矩阵进行多次特征融合,以学习眼底图像中不确定性区域;分割网络的损失函数由先验损失函数和交叉熵损失函数结合组成,其中先验损失函数基于先验映射矩阵构建;再将眼底图像训练集输入至所述分割网络训练所述分割网络;最后将眼底图像输入训练完成的分割网络后即可得到视网膜血管分割图像,本发明有效提高了视网膜血管分割性能,具有实际的临床价值。

Patent Agency Ranking