-
公开(公告)号：CN115034229B
公开(公告)日：2025-03-14
申请号：CN202210779228.X
申请日：2022-07-01
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/289 , G06F40/211 , G06N3/0455 , G06N3/08
Abstract: 本发明提出了一种基于信息抽取和图模型的法律长文本相似度计算方法，所述方法包括以下步骤：从法律文本中抽取出实体和行为；用文本分类从行为中筛选出过错行为；将两个长文本中抽取出的实体和过错行为构成图模型；根据图模型中的结构和语义信息求出两个长文本的相似度。类案类判的目的为法官手头正在处理的案件寻找相似甚至相同的案件，提高判案的速度和准确性。本发明旨在更好地求解法律案件之间的相似度，解决传统方法中无法抓住案件要点的问题，为实现类案检索提供算法基础。
-
公开(公告)号：CN116629243A
公开(公告)日：2023-08-22
申请号：CN202310465470.4
申请日：2023-04-26
Applicant: 电子科技大学
IPC: G06F40/258 , G06F40/295 , G06N3/048 , G06N3/08
Abstract: 本发明在中文新闻领域文本语法复杂，语句精炼，专有名词多但摘要简洁明了的特征基础上，选用生成能力较强的机器学习模型GPT‑2，结合了改进的连续Copy机制，并且选择了GSG和MLM训练目标相结合的训练方法，提出了一种面向新闻突发事件的自动摘要生成方法——GC‑GPT。最后通过对比实验验证了其可行性和效果提升。
-
公开(公告)号：CN114637827A
公开(公告)日：2022-06-17
申请号：CN202111471323.5
申请日：2021-12-04
Applicant: 电子科技大学长三角研究院(湖州)
IPC: G06F16/332 , G06F16/951 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q40/04
Abstract: 本发明公开了一种基于图神经网络的碳交易事件抽取方法，属于自然语言处理技术领域。本发明首先定向爬取中文碳交易文本，对文本进行清洗和预处理，获取相应的数据集；然后通过预处理模型BERT和BiGRU网络，融合词性特征，提取长距离语义信息，获得词级特征和句级特征；再者，通过CRF模型提取句子中的候选触发词和候选论元；然后基于候选事件元素构建图神经网络节点，根据句级特征相似度构建图神经网络边，加入多头注意力机制，通过图神经网络学习事件触发词和事件论元的依赖关系；最后基于全连接层和Sigmoid层分类事件候选元素。本发明针对中国新兴的碳交易市场的非结构化信息，可理解深层语义信息，关注句子中重要的词，有效提取结构化的碳交易事件信息。
-
公开(公告)号：CN118190222A
公开(公告)日：2024-06-14
申请号：CN202410291330.4
申请日：2024-03-14
Applicant: 西安电子科技大学广州研究院
IPC: G01L5/16 , G01L5/171 , F16F15/08 , G06F30/20 , G06F119/14
Abstract: 本发明公开了一种基于压强传感器的三维力传感器及其建模方法，涉及传感器设计技术领域，所述基于压强传感器的三维力传感器包括底板，顶板，使用橡胶浇筑的偶数组传感器模块，所述传感器模块至少为4组，传感器模块包括压强传感器；传感器模块安装于底板和顶板之间；偶数组传感器模块两两在同一方向上，且每一传感器模块到底板中心位置的距离相同；采用本发明实施例能够通过压强传感器测量三维应力，并有效地使用橡胶作为三维力传感器的弹性体，使得传感单元不易被过载的压力破坏，从而获得更高的抗过载能力。
-
公开(公告)号：CN114722194B
公开(公告)日：2023-05-09
申请号：CN202210250569.8
申请日：2022-03-15
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/34 , G06F40/211 , G06F40/289 , G06F40/30 , G06F40/216
Abstract: 本发明提供了一种基于摘要生成算法的突发事件时间序列自动构建的方法，将事件文档输入后，即可获得事件发生经过的详细且简洁的描述。该方法通过文本聚类、摘要生成技术以及消除冗余等自然语言处理技术，将互联网上繁杂冗长的事件报道，以简练的且有时间逻辑组织的事件序列呈现给用户，极大地减少了用户了解某一事件消耗的时间和精力。因突发事件对人类社会通常有着直接的影响，所需时间成本小的事件时序信息，也更利于传播，利于群众了解状况的同时做好相应的举措。
-
Patent Agency Ranking
公开(公告)号：CN114626530A
公开(公告)日：2022-06-14
申请号：CN202210244258.0
申请日：2022-03-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于双边路径质量评估的强化学习知识图谱推理方法。该发明针对传统知识图谱强化学习推理算法未明确定义推理路径质量的问题所导致的虚假路径及对长路径推理效果差的问题，设置双边路径质量评估模块，通过爬取维基百科作为外部辅助信息，对头尾实体描述信息关键词集合与路径实体分别计算语义相似度，拟合后代替原来的奖励模块反馈给智能体，激励其选择高质量路径。该方法将智能体在环境中游走得到的路径映射到LSTM策略网络，以双边路径质量评估器的输出作为奖励反馈给智能体，最终实现较为准确的实体关系路径学习，对长路径有着更高的适应性和敏感度。
-
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
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：CN114691858B
公开(公告)日：2023-10-03
申请号：CN202210250558.X
申请日：2022-03-15
Applicant: 电子科技大学
IPC: G06F16/34 , G06F16/35 , G06F40/289 , G06N3/0455 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提出了一种基于改进的UNILM摘要生成方法，针对生成式摘要算法现存的问题，如生成细节不准确，语义不通顺的问题，选用在语义特征提取，对文章的理解上优于传统RNN、LSTM的基于Transformer的UNILM模型，融合COPY机制来改善，并且利用稀疏的softmax替代传统softmax，以避免传统softmax过度学习的问题。最后在模型整体损失函数加入coverage损失，达到避免生成重复结果的目的。
-
公开(公告)号：CN114722194A
公开(公告)日：2022-07-08
申请号：CN202210250569.8
申请日：2022-03-15
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/34 , G06F40/211 , G06F40/289 , G06F40/30 , G06F40/216
Abstract: 本发明提供了一种基于摘要生成算法的突发事件时间序列自动构建的方法，将事件文档输入后，即可获得事件发生经过的详细且简洁的描述。该方法通过文本聚类、摘要生成技术以及消除冗余等自然语言处理技术，将互联网上繁杂冗长的事件报道，以简练的且有时间逻辑组织的事件序列呈现给用户，极大地减少了用户了解某一事件消耗的时间和精力。因突发事件对人类社会通常有着直接的影响，所需时间成本小的事件时序信息，也更利于传播，利于群众了解状况的同时做好相应的举措。
-
公开(公告)号：CN114662693A
公开(公告)日：2022-06-24
申请号：CN202210244316.X
申请日：2022-03-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于动作采样的强化学习知识图谱推理方法。该发明针对传统知识图谱强化学习推理算法中表征能力不足、无效冗余动作选取以及无记忆组件问题，根据表示学习方法在数据集上的原始事实预测评分，针对性地选取适应性更强的表示学习方法来表示强化学习环境以增强算法表征能力；设计动作采样器以减少智能体在游走过程中的无效冗余动作选择；以LSTM为记忆组件，将历史信息进行编码以增加模型精度，这使得本算法可以在摆脱预训练的情况下取得优于基于路径的推理算法的效果。该方法将智能体在环境中游走得到的路径映射到三层LSTM策略网络，通过动作采样促进智能体选择更有意义的路径，最终实现较为准确的实体关系路径学习。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
