-
公开(公告)号：CN111581392A
公开(公告)日：2020-08-25
申请号：CN202010350991.1
申请日：2020-04-28
Applicant: 电子科技大学
IPC: G06F16/36 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于语句通顺度的自动作文评分计算方法，该方法包括S1：句向量分布式表示；S2：句子特征提取；S3：句子间关系特征提取；S4：多层感知机模型训练预测。本发明提出了将语句通顺度指标应用到自动作文评分领域，用于实现检测发现作文中语义不通顺语句的功能，并且对作文中出现的语义无关词语和病句有更低的打分。
-
Patent Agency Ranking
公开(公告)号：CN112767377A
公开(公告)日：2021-05-07
申请号：CN202110113305.3
申请日：2021-01-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种级联医学图像增强方法，包括以下步骤：清晰医学图像和随机噪声联合输入，用深度学习模型1处理联合输入的特征，得到带血污图像；用深度学习模型2处理生成的带血污的图像和纯血污原图像，判断两张图像是否相似；若不相似，则更新深度学习模型2的神经网络梯度；若相似则进入下一步；将带血污图像输入级联神经网络模型，输出最终清晰图像结果。本发明通过深度学习中的生成对抗网络来模拟生成血污图像，通过使用改进后的变分自编码网络来消除血污图像中的血污，解决了医学图像中血液污染影响视觉的问题，较好的模拟医学图像中的血污和消除医学图像中的血污，使医学图像的清晰度更高、信噪比峰值更大。
-
公开(公告)号：CN111639175B
公开(公告)日：2023-05-02
申请号：CN202010475376.3
申请日：2020-05-29
Applicant: 电子科技大学
IPC: G06F16/34 , G06F16/35 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种自监督的对话文本摘要方法及系统，方法包括：文本预处理，将文本字符序列转化为单词序列，并通过词嵌入模型将文本单词转化成语义向量编码；时序自监督编码，训练出将对话句子编码为语义向量的自监督编码模型；自监督分段，训练出将对话文本分割为若干段落的自监督分段模型；无监督主题聚类，将相同主题的段落聚到同一类别集合中；编解码生成式摘要，将主题段落编解码生成文本摘要。本发明还提供一种自监督的对话文本摘要系统。本方案利用自监督和无监督模型进行建模，结合了生成式模型的优点，经过分段和主题聚类处理后进行生成式摘要，对完备对话集进行编解码，获得了质量较好的摘要，克服了人工标注样本短缺的问题。
-
公开(公告)号：CN112767377B
公开(公告)日：2022-07-05
申请号：CN202110113305.3
申请日：2021-01-27
Applicant: 电子科技大学
Abstract: 本发明公开了一种级联医学图像增强方法，包括以下步骤：清晰医学图像和随机噪声联合输入，用深度学习模型1处理联合输入的特征，得到带血污图像；用深度学习模型2处理生成的带血污的图像和纯血污原图像，判断两张图像是否相似；若不相似，则更新深度学习模型2的神经网络梯度；若相似则进入下一步；将带血污图像输入级联神经网络模型，输出最终清晰图像结果。本发明通过深度学习中的生成对抗网络来模拟生成血污图像，通过使用改进后的变分自编码网络来消除血污图像中的血污，解决了医学图像中血液污染影响视觉的问题，较好的模拟医学图像中的血污和消除医学图像中的血污，使医学图像的清晰度更高、信噪比峰值更大。
-
公开(公告)号：CN111581392B
公开(公告)日：2022-07-05
申请号：CN202010350991.1
申请日：2020-04-28
Applicant: 电子科技大学
IPC: G06F16/36 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于语句通顺度的自动作文评分计算方法，该方法包括S1：句向量分布式表示；S2：句子特征提取；S3：句子间关系特征提取；S4：多层感知机模型训练预测。本发明提出了将语句通顺度指标应用到自动作文评分领域，用于实现检测发现作文中语义不通顺语句的功能，并且对作文中出现的语义无关词语和病句有更低的打分。
-
公开(公告)号：CN111639175A
公开(公告)日：2020-09-08
申请号：CN202010475376.3
申请日：2020-05-29
Applicant: 电子科技大学
IPC: G06F16/34 , G06F16/35 , G06F40/289 , G06F40/30
Abstract: 本发明公开了一种自监督的对话文本摘要方法及系统，方法包括：文本预处理，将文本字符序列转化为单词序列，并通过词嵌入模型将文本单词转化成语义向量编码；时序自监督编码，训练出将对话句子编码为语义向量的自监督编码模型；自监督分段，训练出将对话文本分割为若干段落的自监督分段模型；无监督主题聚类，将相同主题的段落聚到同一类别集合中；编解码生成式摘要，将主题段落编解码生成文本摘要。本发明还提供一种自监督的对话文本摘要系统。本方案利用自监督和无监督模型进行建模，结合了生成式模型的优点，经过分段和主题聚类处理后进行生成式摘要，对完备对话集进行编解码，获得了质量较好的摘要，克服了人工标注样本短缺的问题。
-
-
-
-
-
Search Results
6
records
(took 0.017 seconds)
