公开(公告)号：CN113553850A

公开(公告)日：2021-10-26

申请号：CN202110338079.9

申请日：2021-03-30

Applicant: 电子科技大学

Inventor： 贾海涛 ,  邢增传 ,  张博阳 ,  黄超 ,  耿昊天 ,  曾靓 ,  刘桐 ,  李嘉豪

IPC: G06F40/295 ,  G06F40/253 ,  G06F40/211 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出一种基于有序结构编码指针网络解码的实体关系抽取方法，该方法包括：在输入层利用BERT预训练模型训练词向量进行Word Embedding，然后加入对抗训练生成句子向量表示的负例，构建句子初始向量；在编码层使用Bi‑OnLSTM捕获文本的全局语义信息；在解码层使用指针网络的解码思想，分别进行头实体抽取、尾实体和关系抽取，使用Sigmoid代替Softmax预测输入，完成实体关系三元组抽取任务。由于解码层采用了指针网络的解码方式，可以很好地解决实体关系重叠问题和句子包含三元组个数较多的有效提取的问题，从而提高实抽取实体和关系的准确率。

公开(公告)号：CN114723875A

公开(公告)日：2022-07-08

申请号：CN202111472948.3

申请日：2021-12-04

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 贾海涛 ,  袁丁 ,  张博阳 ,  刘博文 ,  陈璐 ,  孙靖哲 ,  许文波

IPC: G06T17/00 ,  G06T7/10

Abstract: 本发明公开了一种融合了语义分割网络的改进三维场景重建技术。该发明主要针对动态场景下尤其是存在运动物体的室内动态场景下的定位与建图。针对场景重建过程中运动物体会影响三维重建效果的问题，在ORB‑SLAM2框架中加入了目前较为先进的语义分割网络DeeplabV3+，选择MSCOCO数据集训练语义分割网络，将静态特征点和潜在的动态特征点进行区分。而后利用前后帧之间匹配特征点和对应极线的关系进行筛选，确定潜在特征点中处于运动状态的目标特征点并将其剔除，用以得到准确的三维场景地图。加入了语义分割网络的ORB‑SLAM2模型能够一定程度上减少动态场景下运动目标对定位与建图的干扰，且得到的三维地图融合了部分语义信息。

公开(公告)号：CN115186090A

公开(公告)日：2022-10-14

申请号：CN202210811645.8

申请日：2022-07-11

Applicant: 电子科技大学

Inventor： 孙靖哲 ,  许文波 ,  贾海涛 ,  张博阳 ,  李家伟 ,  高源

IPC: G06F16/34 ,  G06F16/35 ,  G06F40/216 ,  G06F40/242 ,  G06F40/289 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种优化Seq2Seq模型的降低文本摘要参数量的方法。首先通过遍历训练集内容，和BERT原生词典取交集，并根据数据集情况选定合适的阈值，将低频词过滤，降低词表数量，降低分类数量；其次通过共享BART模型中Encoder和Decoder部分的词嵌入层的参数，进一步降低参数量。使用BART模型，使得Encoder在理解原文时，可以结合上下文的语义信息，语义理解效果更好；在生成摘要时，Decoder通过Mask机制单向生成，符合文本续写的逻辑。

公开(公告)号：CN115186088A

公开(公告)日：2022-10-14

申请号：CN202210810574.X

申请日：2022-07-11

Applicant: 电子科技大学

Inventor： 孙靖哲 ,  许文波 ,  贾海涛 ,  张博阳 ,  张民 ,  任金胜

IPC: G06F16/34 ,  G06F16/35 ,  G06F16/215 ,  G06N3/04 ,  G06F40/30

Abstract: 本发明公开了一种融合篇章信息的摘要自动生成方法，通过One‑Hot编码，再进行平移变换等操作，构造篇章信息先验分布，再将其与原始分布融合，使得生成时，模型更倾向于选择文章中出现过的词，提高摘要生成的准确率。使用UniLM模型，使得在理解原文时可以结合上下文的语义信息，语义理解效果更好；在生成摘要时，通过Mask机制单向生成，符合文本续写的逻辑；且UniLM模型通过多任务进行预训练，拥有更强的泛化能力。

公开(公告)号：CN114548547A

公开(公告)日：2022-05-27

申请号：CN202210152190.3

申请日：2022-02-18

Applicant: 电子科技大学

Inventor： 吴俊男 ,  许文波 ,  贾海涛 ,  王子彦 ,  刘博文 ,  孙靖哲 ,  曾靓 ,  张博阳

IPC: G06Q10/04 ,  G06N3/04 ,  G06K9/62 ,  G06F16/215

Abstract: 本发明公开了一种基于VMD‑LSTM的时间序列滑坡位移数据预测方法。该发明在时间序列数据上具有一定的通用性，该专利以滑坡数据为说明案例。针对滑坡位移数据的预测，其传统的LSTM预测模型准确度比较低的情况，使用VMD‑LSTM模型对某地区的滑坡位移数据进行了预测，其所开发的模型相比于传统的LSTM模型具有更高的精度和稳定性，并且VMD降低了序列复杂度，增强了降噪能力。