-
公开(公告)号：CN115034213A
公开(公告)日：2022-09-09
申请号：CN202210976821.3
申请日：2022-08-15
Applicant: 苏州大学
IPC: G06F40/284 , G06F40/274 , G06N20/20
Abstract: 本发明公开了一种基于联合学习的前后缀否定词识别方法，包括：将目标前后缀否定词输入训练好的主任务模型，并输出英文预测输出序列中英文标签描述词对应的英文预测输出向量；将目标前后缀否定词输入训练好的辅助任务模型，并输出中文预测输出序列中中文标签描述词对应的中文预测输出向量；将英文预测输出向量和中文预测输出向量输入训练好的联合学习模型，联合学习模型将英文预测输出向量和中文预测输出向量进行融合，得到融合向量序列，并向融合向量序列中添加不同向量之间的关联性，最后输出目标前后缀否定词的预测标签，预测标签包括否定词和非否定词。本发明的识别方法可以有效提升前后缀否定词的识别准确率。
-
公开(公告)号：CN115048924A
公开(公告)日：2022-09-13
申请号：CN202210976289.5
申请日：2022-08-15
Applicant: 苏州大学
IPC: G06F40/211 , G06F40/279 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于否定前后缀信息的否定句识别方法，本发明基于否定前后缀信息的否定句识别方法首先利用单词训练集训练辅助任务模型，用于获取带有否定前后缀的单词的信息；然后利用句子训练集训练主任务模型，用于否定句的识别，在主任务模型训练过程中，利用训练好的辅助任务模型得到句子中带有否定前后缀的单词的第一隐层特征表示，并将其插入至所在句子的第二隐层特征表示中更新整个句子的隐层特征表示，进行主任务模型的训练；最后利用训练好的主任务模型和辅助任务模型对目标句子进行识别。本发明将否定词识别建模为匹配模型，通过对句子中的带有否定前后缀的单词进行识别并更新句子的隐层特征表示，可以大幅提升否定句识别准确率。
-
公开(公告)号：CN115034213B
公开(公告)日：2022-12-30
申请号：CN202210976821.3
申请日：2022-08-15
Applicant: 苏州大学
IPC: G06F40/284 , G06F40/274 , G06N20/20
Abstract: 本发明公开了一种基于联合学习的前后缀否定词识别方法，包括：将目标前后缀否定词输入训练好的主任务模型，并输出英文预测输出序列中英文标签描述词对应的英文预测输出向量；将目标前后缀否定词输入训练好的辅助任务模型，并输出中文预测输出序列中中文标签描述词对应的中文预测输出向量；将英文预测输出向量和中文预测输出向量输入训练好的联合学习模型，联合学习模型将英文预测输出向量和中文预测输出向量进行融合，得到融合向量序列，并向融合向量序列中添加不同向量之间的关联性，最后输出目标前后缀否定词的预测标签，预测标签包括否定词和非否定词。本发明的识别方法可以有效提升前后缀否定词的识别准确率。
-
公开(公告)号：CN115081436A
公开(公告)日：2022-09-20
申请号：CN202210831553.6
申请日：2022-07-15
Applicant: 苏州大学
IPC: G06F40/279 , G06F40/268 , G06F40/284 , G06F40/44 , G06K9/62
Abstract: 本发明公开了一种否定焦点的识别方法及系统，将待识别文本转换成词序列输入已经训练好的模型中，将词序列生成编码向量和特征向量，再基于给定的否定条件利用编码向量、特征向量及之前生成的所有否定焦点的起始标记和结束标记，计算生成下一个否定焦点的起始标记或结束标记；相比于现有的序列标注模型，对待识别文本中每个词进行标注，本发明生成标记为每个否定焦点的起始和结束，最终得到的是否定焦点范围，在计算下一个否定焦点时不需要根据词序列中每个词再计算，一定程度上减少了计算量，提高了计算效率，同时也能满足在单一否定条件下的否定焦点识别，计算量减少了，计算效率也提高了。
-
Patent Agency Ranking
公开(公告)号：CN112364926A
公开(公告)日：2021-02-12
申请号：CN202011283381.0
申请日：2020-11-17
Applicant: 苏州大学
Abstract: 本申请公开了一种基于ResNet‑50时间压缩的胃镜图片分类方法、装置和存储介质，涉及医学图像智能处理技术领域，所述方法包括：获取胃镜图片；对所述胃镜图片进行预处理；将预处理后的所述胃镜图片输入至ResNet‑50网络模型中，所述ResNet‑50网络模型的前三种残差结构中每种残差结构之后设置有分支分类器，最后一种残差结构之后设置有主干分类器；依次获取所述ResNet‑50网络模型中每个分类器的分类结果，根据获取到的分类结果确定所述胃镜图片的最终分类结果。解决了现有技术中人眼观察胃镜图片时由于医生经验水平等影响导致人为判断会存在误诊并且需要耗费大量时间的问题，达到了将胃镜图片输入至ResNet‑50网络模型之后即可自动输出分类结果，在基本不影响分类准确度的情况下节省测试时间的效果。
-
公开(公告)号：CN115081436B
公开(公告)日：2022-12-30
申请号：CN202210831553.6
申请日：2022-07-15
Applicant: 苏州大学
IPC: G06F40/279 , G06F40/268 , G06F40/284 , G06F40/44 , G06K9/62
Abstract: 本发明公开了一种否定焦点的识别方法及系统，将待识别文本转换成词序列输入已经训练好的模型中，将词序列生成编码向量和特征向量，再基于给定的否定条件利用编码向量、特征向量及之前生成的所有否定焦点的起始标记和结束标记，计算生成下一个否定焦点的起始标记或结束标记；相比于现有的序列标注模型，对待识别文本中每个词进行标注，本发明生成标记为每个否定焦点的起始和结束，最终得到的是否定焦点范围，在计算下一个否定焦点时不需要根据词序列中每个词再计算，一定程度上减少了计算量，提高了计算效率，同时也能满足在单一否定条件下的否定焦点识别，计算量减少了，计算效率也提高了。
-
公开(公告)号：CN115048924B
公开(公告)日：2022-12-23
申请号：CN202210976289.5
申请日：2022-08-15
Applicant: 苏州大学
IPC: G06F40/211 , G06F40/279 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于否定前后缀信息的否定句识别方法，本发明基于否定前后缀信息的否定句识别方法首先利用单词训练集训练辅助任务模型，用于获取带有否定前后缀的单词的信息；然后利用句子训练集训练主任务模型，用于否定句的识别，在主任务模型训练过程中，利用训练好的辅助任务模型得到句子中带有否定前后缀的单词的第一隐层特征表示，并将其插入至所在句子的第二隐层特征表示中更新整个句子的隐层特征表示，进行主任务模型的训练；最后利用训练好的主任务模型和辅助任务模型对目标句子进行识别。本发明将否定词识别建模为匹配模型，通过对句子中的带有否定前后缀的单词进行识别并更新句子的隐层特征表示，可以大幅提升否定句识别准确率。
-
公开(公告)号：CN114896971B
公开(公告)日：2022-09-30
申请号：CN202210831562.5
申请日：2022-07-15
Applicant: 苏州大学
IPC: G06F40/284 , G06F40/242 , G06F40/211 , G06F40/30
Abstract: 本发明在少样本学习的基础上，提出了一种输入扩展方式，将该提示输入模板应用于否定词识别方法中，实现了面向单词级别的否定词识别，不需要利用上下文信息，节省了资源；并且，本发明涉及的提示输入模板，一部分受输入内容的动态影响，根据输入的单词，去除其特定前后缀，利用了输入单词本身蕴含的词内信息，输入模板中的文本描述是同输入相关的，组成的提示模板句子更容易与输入单词语义接近，能更好地引出语言模型在预训练时学到的知识；同时预测选定的标签描述词是否应该存在于当前这个位置，使其组成更合理的句子，使语义通顺，进而依据此对输入的待测单词进行识别，提高了特定前后缀否定词的识别准确率。
-
公开(公告)号：CN114896971A
公开(公告)日：2022-08-12
申请号：CN202210831562.5
申请日：2022-07-15
Applicant: 苏州大学
IPC: G06F40/284 , G06F40/242 , G06F40/211 , G06F40/30
Abstract: 本发明在少样本学习的基础上，提出了一种输入扩展方式，将该提示输入模板应用于否定词识别方法中，实现了面向单词级别的否定词识别，不需要利用上下文信息，节省了资源；并且，本发明涉及的提示输入模板，一部分受输入内容的动态影响，根据输入的单词，去除其特定前后缀，利用了输入单词本身蕴含的词内信息，输入模板中的文本描述是同输入相关的，组成的提示模板句子更容易与输入单词语义接近，能更好地引出语言模型在预训练时学到的知识；同时预测选定的标签描述词是否应该存在于当前这个位置，使其组成更合理的句子，使语义通顺，进而依据此对输入的待测单词进行识别，提高了特定前后缀否定词的识别准确率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
