-
公开(公告)号：CN114372443A
公开(公告)日：2022-04-19
申请号：CN202111499990.4
申请日：2021-12-09
Applicant: 西安理工大学
IPC: G06F40/166 , G06F40/279 , G06F40/205
Abstract: 本发明公开了计算机课程填空题自动生成方法，包括从教材大纲中选择文本作为训练集；将训练集中的文本送入TextRank算法中提取关键句；从出题文本集中抽取若干条数据，并将其标记为三元组形式，将标记后的数据放入TPLinker模型中，采用Handshaking tagging scheme方法进行词汇标注，完成TPLinker模型训练；将关键句输入训练后的TPLinker模型中，将输出的实体关系依据TF‑IDF算法操作筛选出高频师徒关系，并依照特定规则生成出对应的问题。解决了人力从海量文本中寻找指定知识点出题的弊端，消除了出题人因各种因素而发生的出题的差异化，水平不一的情况。
-
公开(公告)号：CN117524208A
公开(公告)日：2024-02-06
申请号：CN202311436869.6
申请日：2023-10-31
Applicant: 西安理工大学
Abstract: 本发明公开了一种用于智能语音系统的伪装攻击方法及系统，通过将原始信号调整为采样率为r1的信号；根据目标系统采样率，计算重采样算法的阻带，根据获取的阻带，构造频谱在阻带上的噪声信号，将采样率为r1的信号进行能量缩小后与生成的噪声信号进行相加，从而生成伪装后的信号，本发明只需要了解目标系统的采样率，就可以生成伪装攻击样本，能在不了解模型任何信息情况下即可完成攻击，这大大增加了攻击算法的应用范围，本发明能够将普通的语音信号伪装成电流噪声，达到伪装攻击的目的；本发明验证了所提出的伪装攻击算法对于多种采样算法的有效性和普适性，即只需了解目标算法的输入采样率就可以进行攻击。
-
公开(公告)号：CN112084329B
公开(公告)日：2024-02-02
申请号：CN202010762584.1
申请日：2020-07-31
Applicant: 西安理工大学
IPC: G06F16/35 , G06F16/33 , G06F40/30 , G06F40/295 , G06F40/205
Abstract: 本发明提供了一种针对实体识别和关系抽取任务的语义分析方法，包含三个模块的内容，建立地铁设计规范领域的概念分层体系和语义关系分类体系，分析规范文本的语言特点，以及获取细分领域任务的实体和关系类别信息。第一个模块，借助本体论的思想，和映射对标UMLS，得到概念分层体系和语义关系分类体系。第二个模块，通过规范文本的来源和构成、数据形式和所具备的子语言特性三个部分，由浅及深地分析规范文本的语言特性，以补充实体识别和关系抽取任务的规则提取。最后一个模块，将本体分类的思想渗入这一领域的研究任务细分过程中，实现任务和实体关系类别的对应，从而提高信息抽取的效率。
-
Patent Agency Ranking
公开(公告)号：CN116630267A
公开(公告)日：2023-08-22
申请号：CN202310591358.5
申请日：2023-05-24
Applicant: 西安理工大学
IPC: G06T7/00 , G01C5/00 , G01S17/88 , G06T7/80 , G06V20/17 , G06V10/42 , G06V10/44 , G06V10/80 , G06V10/82 , G06V10/764 , G06V10/766 , G06V10/774 , G06N3/0464 , E02D1/00
Abstract: 本发明公开了一种基于无人机与激光雷达数据融合的路基沉降监测方法，首先对无人机平台搭载的摄像头与激光雷达两种传感器进行标定，以消除畸变与时间空间不同步带来的误差影响；随后划定飞行路线；下一步无人机沿施工沿线飞行，采集数据；将收集到的点云数据与图像数据分别进行特征提取，点云数据使用point‑based网络，然后使用AFF‑注意力特征融合模块进行特征融合；将融合后的数据输入到目标检测网络生成包围框；将完成目标识别的图像数据进行拼接得到大铁施工场地的实景图；然后将多期点云数据拼接后作差，得到沉降数据，并根据数值大小进行赋色，得到地面沉降的可视化图，并与实景图进行图层融合。
-
公开(公告)号：CN112966512A
公开(公告)日：2021-06-15
申请号：CN202110218377.4
申请日：2021-02-26
Applicant: 西安理工大学
IPC: G06F40/295 , G06F40/30 , G06F40/211 , G06F40/242 , G06K9/62 , G06N3/02 , G06Q50/26
Abstract: 本发明公开了一种基于深度学习的地铁设计规范中实体关系联合抽取方法，利用词典文件构建名词哈希词典索引；将待处理《地铁设计规范》文本作为输入文本S1；对输入文本S1进行正向与逆向最大匹配算法处理并求二者结果的交集得到C1；将输入文本S1输入经过预训练的BERT模型进行编码，得到输入文本的字嵌入集合S2；对步骤4中得到的S2基于跨度选择文段进行实体抽取，对已存在于C1中的实体不进行处理；合并实体集合C1与C2，得到实体集合C3，对C3中的实体两两之间进行双向关系分类，得到实体关系集合C4。本发明的方法，识别准确率高，计算精简，便于应用。
-
公开(公告)号：CN112084329A
公开(公告)日：2020-12-15
申请号：CN202010762584.1
申请日：2020-07-31
Applicant: 西安理工大学
IPC: G06F16/35 , G06F16/33 , G06F40/30 , G06F40/295 , G06F40/205
Abstract: 本发明提供了一种针对实体识别和关系抽取任务的语义分析方法，包含三个模块的内容，建立地铁设计规范领域的概念分层体系和语义关系分类体系，分析规范文本的语言特点，以及获取细分领域任务的实体和关系类别信息。第一个模块，借助本体论的思想，和映射对标UMLS，得到概念分层体系和语义关系分类体系。第二个模块，通过规范文本的来源和构成、数据形式和所具备的子语言特性三个部分，由浅及深地分析规范文本的语言特性，以补充实体识别和关系抽取任务的规则提取。最后一个模块，将本体分类的思想渗入这一领域的研究任务细分过程中，实现任务和实体关系类别的对应，从而提高信息抽取的效率。
-
公开(公告)号：CN117830723A
公开(公告)日：2024-04-05
申请号：CN202311867017.2
申请日：2023-12-29
Applicant: 西安理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V10/74
Abstract: 本发明公开了基于空频域联合优化的白盒通用对抗扰动生成方法及系统，采用对抗扰动模型通过学习噪声向量的先验分布到通用对抗扰动的映射函数，生成通用对抗扰动；对扰动与原始样本结合生成的对抗样本以及原始样本的相似度进行判断，同时对生成的对抗样本进行类别预测，生成概率向量；当生成的对抗样本以及原始样本的相似度达到设定阈值，同时对生成的对抗样本进行类别预测生成的概率向量满足设定阈值，本发明基于生成对抗网络通过空域约束和频域约束对扰动进行空频域联合优化，将攻击范围限制在低频区域，通过空域约束和频域约束的联合优化，促进生成器更有效地生成微小的通用对抗扰动，使得生成的通用对抗扰动具有较好的攻击效果与迁移效果。
-
公开(公告)号：CN112966512B
公开(公告)日：2024-04-02
申请号：CN202110218377.4
申请日：2021-02-26
Applicant: 西安理工大学
IPC: G06F40/295 , G06F40/30 , G06F40/211 , G06F40/242 , G06F16/35 , G06N3/0464 , G06Q50/40 , G06Q50/08
Abstract: 本发明公开了一种基于深度学习的地铁设计规范中实体关系联合抽取方法，利用词典文件构建名词哈希词典索引；将待处理《地铁设计规范》文本作为输入文本S1；对输入文本S1进行正向与逆向最大匹配算法处理并求二者结果的交集得到C1；将输入文本S1输入经过预训练的BERT模型进行编码，得到输入文本的字嵌入集合S2；对步骤4中得到的S2基于跨度选择文段进行实体抽取，对已存在于C1中的实体不进行处理；合并实体集合C1与C2，得到实体集合C3，对C3中的实体两两之间进行双向关系分类，得到实体关系集合C4。本发明的方法，识别准确率高，计算精简，便于应用。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
