-
公开(公告)号：CN115062139A
公开(公告)日：2022-09-16
申请号：CN202210508935.5
申请日：2022-05-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种对话文本摘要模型自动搜索方法，方法先将完整的对话文本按照主题信息划分为若干个离散段落，使用文本聚类算法聚类描述相同一主题内容的段落；基于可微的NAS算法和生成对抗网络构建对话文本摘要生成模型，并分别设计生成器和判别器的搜索空间，联合优化对话摘要生成模型；将聚类获得的主题段落输入对话文本摘要模型中，生成对应主题的子摘要，并对子摘要进行排序构成最后的对话摘要。本发明考虑了生成器和判别器在对抗过程中的相关性和平衡性，以可微NAS方法设计了它们各自的搜索空间，实现了模型参数和架构参数的联合优化，能够有效避免曝光偏差的积累，能确保其生成的文本摘要能鲜明地体现主题信息。
-
Patent Agency Ranking
公开(公告)号：CN115203402A
公开(公告)日：2022-10-18
申请号：CN202210507663.7
申请日：2022-05-10
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/216 , G06F40/30 , G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于神经网络架构搜索技术的对话文本情景划分方法，方法包括：对话文本句向量转换，构建句向量模型将对话文本语句转换为同一维度的句向量特征；将对话文本按照语义特征划分为若干段落，构建分段模型，将对话文本分段作为序列标注任务，使用三个分段符号标识一个文本段落；在模型中使用CRF约束最后输出分段符号之间的先后顺序，并基于神经网络架构搜索技术搜索循环神经网络RNN结构；将离散的文本段落按照对话情景划分和对话文本聚类，并调整最后的聚类效果形成聚类簇。本发明解决了训练样本短缺的问题，对于对话文本领域一些下游任务能提供更好的支持，有着更强的对话语义捕获能力，可以更好地将对话文本按照情景进行划分。
-
公开(公告)号：CN115062139B
公开(公告)日：2024-06-11
申请号：CN202210508935.5
申请日：2022-05-10
Applicant: 电子科技大学
IPC: G06F16/34 , G06F16/35 , G06F40/216 , G06F40/30 , G06N3/0442 , G06N3/0455 , G06N3/0475 , G06N3/0464 , G06N3/094 , G06N3/0985 , G06N3/092 , G06N3/006
Abstract: 本发明公开了一种对话文本摘要模型自动搜索方法，方法先将完整的对话文本按照主题信息划分为若干个离散段落，使用文本聚类算法聚类描述相同一主题内容的段落；基于可微的NAS算法和生成对抗网络构建对话文本摘要生成模型，并分别设计生成器和判别器的搜索空间，联合优化对话摘要生成模型；将聚类获得的主题段落输入对话文本摘要模型中，生成对应主题的子摘要，并对子摘要进行排序构成最后的对话摘要。本发明考虑了生成器和判别器在对抗过程中的相关性和平衡性，以可微NAS方法设计了它们各自的搜索空间，实现了模型参数和架构参数的联合优化，能够有效避免曝光偏差的积累，能确保其生成的文本摘要能鲜明地体现主题信息。
-
公开(公告)号：CN116050524A
公开(公告)日：2023-05-02
申请号：CN202310054764.8
申请日：2023-02-03
Applicant: 电子科技大学
IPC: G06N5/04 , G06N5/022 , G06F16/36 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/084 , G06N3/09
Abstract: 本发明公开了一种基于图计算的辣椒病理推理方法，包括静态辣椒病理知识图谱的构建；时序辣椒病理知识图谱的构建；时序辣椒病理推理模型的构建；时序辣椒病理推理模型的应用等四步。所述静态辣椒病理知识图谱的构建将所有节点分为辣椒病害节点和辣椒病害所表现的特征节点，再将辣椒病害节点与辣椒病害所表现的特征节点进行相连；所述时序辣椒病理知识图谱的构建，以时序知识图谱的方式来描述辣椒患病过程中特征的演变过程；所述时序辣椒病理知识图谱推理模型的构建采用四个图卷积神经网络，还包括VAE模块和XL‑VAE模块；所述时序辣椒病理推理模型的应用推断该辣椒所患病害；本发明能应用于辣椒病理推理，有较好的准确性和实际应用价值。
-
公开(公告)号：CN115830005A
公开(公告)日：2023-03-21
申请号：CN202310029875.3
申请日：2023-01-09
Applicant: 电子科技大学
Abstract: 本发明公开了一种融合3D特征计算的前列腺切缘阳性预测方法，包括前列腺医学图像预处理；图像生成模型训练；生成前列腺3D数据；训练3D深度学习模型的四个步骤。所述的医学图像预处理，用于将医学图像转换成适用于深度学习的数据集；所述图像生成模型训练，通过数据集训练能生成医学图像的图像生成模型；所述生成前列腺3D数据，通过部分医学图像，生成完整的可用于3D恢复的医学图像；所述训练3D深度学习模型，训练前列腺3D模型特征提取深度神经网络，最终得到神经网络和机器学习参数。本发明能用于前列腺癌术后切缘阳性预测，具有较好准确性。
-
公开(公告)号：CN116414719A
公开(公告)日：2023-07-11
申请号：CN202310448064.7
申请日：2023-04-24
Applicant: 电子科技大学
Abstract: 本发明公开了一种企业数据库系统合标性评价方法，包括：1.根据企业的不同数据描述源进行对应关系集的定义，分别建立数据标准文档关系集和数据库系统关系集，对业务字段间的关系进行定义和表示；2.分别基于数据标准文档关系集和数据库系统关系集提取对应的三元组，并分别构建数据标准文档知识图谱和数据库系统知识图谱；3.将企业数据标准文档知识图谱和数据库系统知识图谱进行图谱对齐；4.基于图谱实体对齐结果，结合训练过程中实体相似度衡量，筛选出异常业务字段；5.定义企业数据库系统合标性评价指标，并基于实体对齐结果及异常业务字段筛选结果，计算系统合标性评价。具有较好的准确性和全面性，有效地降低了时间成本和人力成本。
-
-
-
-
-
Search Results
6
records
(took 0.036 seconds)
