-
公开(公告)号：CN111782769B
公开(公告)日：2022-07-08
申请号：CN202010628423.3
申请日：2020-07-01
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F16/35 , G06F40/295 , G06F40/30
Abstract: 本发明涉及一种基于关系预测的知识图谱智能问答方法，属于自然语言处理领域。该方法包括步骤：S1：输入问题Q，对问题进行预处理；S2：利用实体识别技术识别问题中的实体equestion,并将实体equestion映射到KGs中对应的实体eKGs；S3：查询KGs中实体eKGs的类别c，用类别c替换问题Q中的实体equestion，标记为Qc；S4：从Qc中映射出关系r；S5：在KGs中，如果实体eKGs和关系r之间缺少联系；S6：学习中心实体eKGs的新的向量表示；S7：基于已有的相关三元组推断KGs中隐藏的关系；S8：基于实体和关系的知识图推理，获得答案A。本发明能找到“问句实体‑‑知识图实体”的对应关系，以及“问句自然语言描述——知识图语义关系”的对应关系。
-
公开(公告)号：CN111984760A
公开(公告)日：2020-11-24
申请号：CN202010681826.4
申请日：2020-07-15
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多模态知识选择的对话生成方法，属于自然语言处理领域。该方法将双方的对话内容通过BERT模型嵌入，把回复内容的知识选择认为是序列决策过程，根据前面几轮对话的选择知识，联合推断出要选择的对话内容。本发明不仅能减少知识提取的多样性造成的歧义，还能够使回复过程选择更合适的知识，从而提高了回复的内容的合理性和准确性。
-
公开(公告)号：CN108009285B
公开(公告)日：2019-04-26
申请号：CN201711408324.9
申请日：2017-12-22
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F16/36 , G06N3/04
Abstract: 本发明涉及一种基于自然语言处理的林业生态环境人机交互方法，属于神经网络领域。该方法采用知识图的方法对林业生态环境中的自然语言的实体进行推理，使知识推理转化为通过构建深度神经网络处理自然语言问句的问题，从而找到对应关系，表示学习下的知识图深度学习推理，得到相应的结论。本发明在深度学习中引入知识图的概念，在构建知识图的基础上，将浅层语义理解结果注入知识图，通过相应的知识推理获得较为深层的语义理解。该发明解决林业生态环境中语音、文本信息交互问题，使多模态交互设备实现林区导航、局部天气咨询、生态保护宣传、景点推送等互动功能，改善用户体验效果。
-
公开(公告)号：CN107610224A
公开(公告)日：2018-01-19
申请号：CN201710874127.X
申请日：2017-09-25
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于弱监督与明确闭塞建模的3D汽车对象类表示算法，属于神经网络对汽车检测与定位的领域。该算法利用弱标签图片作为训练集，同时利用3D汽车闭塞模型能通过汽车零部件定位与遮挡评估来恢复与完善汽车3D信息的优点，解决目前汽车检测中存在汽车检测与定位不完整的问题。本发明采用3D汽车闭塞模型对仅有的2D汽车信息进行恢复与完善，使得被截断、遮挡和闭塞等不完整的2D汽车信息恢复为完成的3D汽车表示，解决了目前汽车检测代价大，汽车信息检测与汽车定位不完备的问题。3D汽车对象类表示因此采用基于弱监督与明确闭塞建模的算法对于汽车检测与定位的后续处理具有重要的理论意义和应用价值。
-
公开(公告)号：CN106224067A
公开(公告)日：2016-12-14
申请号：CN201610864280.X
申请日：2016-09-29
Applicant: 重庆邮电大学
IPC: F01N11/00
Abstract: 本发明涉及一种基于数据驱动的汽车三元催化器的故障诊断方法，属于汽车三元催化器故障诊断技术领域。该方法首先通过转鼓实验平台完成对三元催化器尾气的采集，得到故障尾气数据；然后利用FrFT(分数阶傅里叶变换)将采集的原始尾气信号映射到分数阶域并通过粒子群算法确定最优分数阶p值，完成对尾气信号的初步特征提取，进一步对初步得到的故障特征进行分形分析得到信号的分形维特征，利用KECA(核熵成分分析)对分形维特征数据降维便于可视化聚类；最后通过改进的FCM聚类算法进行聚类分析诊断出故障。本方法可以对汽车三元催化器进行有效地故障诊断，改善了现有的基于OBD诊断技术中模型简化单一、不能有机整合和通用性较差的问题。
-
Patent Agency Ranking
公开(公告)号：CN112131406A
公开(公告)日：2020-12-25
申请号：CN202011041999.6
申请日：2020-09-28
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于圆周卷积的知识图谱补全方法，属于自然语言处理领域。该方法包括：S1：对于三元组(ei,rk,ej)随机初始化得到它们对应的向量S2：把三元组按照设定比例分为合理三元组和扰乱三元组；S3：把关系向量 通过一个全连接层处理并重构得到卷积核Wg；S4：利用圆周填充方法，对实体向量 进行填充得到向量 S5：卷积核Wg对处理后的实体向量 进行卷积运算得到特征图M；S6：对特征图M进行处理后点积实体向量 得到分数pi；S7：计算损失函数。本发明简化了实体和关系之间的交互，大大提升了预测效果。
-
公开(公告)号：CN106224067B
公开(公告)日：2018-07-17
申请号：CN201610864280.X
申请日：2016-09-29
Applicant: 重庆邮电大学
IPC: F01N11/00
CPC classification number: Y02T10/47
Abstract: 本发明涉及一种基于数据驱动的汽车三元催化器的故障诊断方法，属于汽车三元催化器故障诊断技术领域。该方法首先通过转鼓实验平台完成对三元催化器尾气的采集，得到故障尾气数据；然后利用FrFT(分数阶傅里叶变换)将采集的原始尾气信号映射到分数阶域并通过粒子群算法确定最优分数阶p值，完成对尾气信号的初步特征提取，进一步对初步得到的故障特征进行分形分析得到信号的分形维特征，利用KECA(核熵成分分析)对分形维特征数据降维便于可视化聚类；最后通过改进的FCM聚类算法进行聚类分析诊断出故障。本方法可以对汽车三元催化器进行有效地故障诊断，改善了现有的基于OBD诊断技术中模型简化单一、不能有机整合和通用性较差的问题。
-
公开(公告)号：CN109885671B
公开(公告)日：2022-10-14
申请号：CN201910152570.5
申请日：2019-02-28
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明涉及一种基于多任务学习的问答方法，属于人工智能领域，包括步骤：S1：为每个任务配备特定于任务的siamese编码器，将预处理后的句子编码为分布式向量表示；S2：利用一个共享的表示学习层在不同的任务之间共享高级信息；S3：特定于任务的softmax层分类，对于第k个任务中的问答对及其标签最后的特征表示形式被输入特定于任务的softmax层进行二进制分类；S4：多任务学习：训练多任务学习模型，使交叉熵损失函数最小化。本发明利用从不同角度学习到的多视图注意力，使这些任务能够相互作用，学习更全面的句子表示，多视角注意方案还可以有效地从不同的表征视角收集注意信息，提高表征学习的整体水平。
-
公开(公告)号：CN112015868B
公开(公告)日：2022-08-26
申请号：CN202010937656.1
申请日：2020-09-07
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识图谱补全的问答方法，属于自然语言处理领域，包括以下步骤：S1：将输入的Q划分为词或短语；S2：利用字向量模型BERT将词表征为向量，得到矩阵作为模型输入；S3：利用实体识别技术识别Q中的实体，获取候选实体集；S4：查询eKGs的类别，用c替换Q中的实体；S5：构建声明式查询cyher，获取候选三元组集，从而获取到候选关系集；S6：基于Qc和rij的关系链接；S7：在KGs中，如果eKGs和rij之间缺少关系；S8：学习实体eKGs和eKGs邻域内实体的新的向量表示；S9：估计中心实体邻域内实体的重要性；S10：基于现存的相关的三元组执行关系预测；S11：基于实体和关系的知识图推理，获得答案A。
-
公开(公告)号：CN111782769A
公开(公告)日：2020-10-16
申请号：CN202010628423.3
申请日：2020-07-01
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/36 , G06F16/35 , G06F40/295 , G06F40/30
Abstract: 本发明涉及一种基于关系预测的知识图谱智能问答方法，属于自然语言处理领域。该方法包括步骤：S1：输入问题Q，对问题进行预处理；S2：利用实体识别技术识别问题中的实体equestion,并将实体equestion映射到KGs中对应的实体eKGs；S3：查询KGs中实体eKGs的类别c，用类别c替换问题Q中的实体equestion，标记为Qc；S4：从Qc中映射出关系r；S5：在KGs中，如果实体eKGs和关系r之间缺少联系；S6：学习中心实体eKGs的新的向量表示；S7：基于已有的相关三元组推断KGs中隐藏的关系；S8：基于实体和关系的知识图推理，获得答案A。本发明能找到“问句实体--知识图实体”的对应关系，以及“问句自然语言描述——知识图语义关系”的对应关系。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.02 seconds)
