-
公开(公告)号：CN115858813B
公开(公告)日：2025-05-16
申请号：CN202211628660.5
申请日：2022-12-20
Applicant: 北京信息科技大学 , 北京市工程咨询股份有限公司
IPC: G06F16/36 , G06F18/22 , G06F18/214 , G06F16/35 , G06F16/3329 , G06F40/30
Abstract: 本发明涉及面向工程咨询报告的文本检索方法，以改善工程咨询报告撰写过程中人力成本大、编撰周期过长等问题，包括以下步骤：构建面向工程咨询报告的文本检索语料集，使用语料集微调simCSE对比学习模型，将得到的模型参数初始化Vanilla BERT模型，将语料的文本信息送入Vanilla BERT模型得到语义匹配分数。将文本信息和关键词信息通过SAT模型得到词级粒度的义原词向量表示并送入DRMM深度文本交互模型，得到关联匹配分数。将得到的语义匹配分数和关联匹配分数归一化后加权融合，得到最终的匹配分数，完成标题与段落之间的文本检索。本发明联合上下文向量表示和文本交互匹配方法，有效增强了文本检索的效果。
-
公开(公告)号：CN117710661B
公开(公告)日：2025-04-15
申请号：CN202410009296.7
申请日：2024-01-04
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种基于矩形可变形卷积的遥感图像目标检测方法，属于目标检测技术领域，包括利用遥感图像目标检测数据集训练改进的Oriented RCNN模型；其中，设计矩形可变形卷积替换卷积神经网络中的一般卷积，在特征金字塔网络中加入了高级和低级特征融合模块并应用子像素卷积生成高分辨率特征图，删除检测头的两个共享的全连接层并在分类和回归分支分别使用适配网络，得到改进的Oriented RCNN模型；将改进的Oriented RCNN模型用于遥感图像目标检测中。本发明使用了矩形可变形卷积能够更好地适应遥感图像目标的几何变换，特征融合模块用于检索尺度较小的目标。本发明可获得更好的目标检测精度。
-
公开(公告)号：CN117710661A
公开(公告)日：2024-03-15
申请号：CN202410009296.7
申请日：2024-01-04
Applicant: 北京信息科技大学
IPC: G06V10/25 , G06V20/10 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/764 , G06V10/766 , G06V10/774 , G06V10/776 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/084 , G06N3/048
Abstract: 本发明公开了一种基于矩形可变形卷积的遥感图像目标检测方法，属于目标检测技术领域，包括利用遥感图像目标检测数据集训练改进的Oriented RCNN模型；其中，设计矩形可变形卷积替换卷积神经网络中的一般卷积，在特征金字塔网络中加入了高级和低级特征融合模块并应用子像素卷积生成高分辨率特征图，删除检测头的两个共享的全连接层并在分类和回归分支分别使用适配网络，得到改进的Oriented RCNN模型；将改进的Oriented RCNN模型用于遥感图像目标检测中。本发明使用了矩形可变形卷积能够更好地适应遥感图像目标的几何变换，特征融合模块用于检索尺度较小的目标。本发明可获得更好的目标检测精度。
-
公开(公告)号：CN116029297A
公开(公告)日：2023-04-28
申请号：CN202310061847.X
申请日：2023-02-04
Applicant: 北京信息科技大学 , 复杂系统仿真总体重点实验室
IPC: G06F40/295 , G06V10/40 , G06V10/764 , G06V10/82 , G06N7/01 , G06N3/0464 , G06N3/045 , G06N3/048 , G06N3/08
Abstract: 本发明解决武器装备领域文本数据因其稀缺性，存在噪声大、句子短、质量差、不具备丰富的上下文语义等现象，利用多模态方法可有效提高实体识别的效果，包括以下步骤：由ResNet提取视觉特征，同时对图像进行分类；将分类标签在字典中的解释通过BERT得到向量信息，取到包含全部分类信息的[CLS]；由BERT提取整个文本特征，将含有分类信息的[CLS]替换文本向量的[CLS]部分，然后进行自注意力得到关注实体的特征向量；将两种模态处理好的特征向量进行跨模态注意，通过互注意力模块对两种特征向量进行交互感知；最后通过CRF层提取出实体。在武器装备多模态数据集上进行实验，表明本发明优于单文本模态和主流多模态模型，可实现对武器装备领域实体的有效识别。
-
公开(公告)号：CN112507080A
公开(公告)日：2021-03-16
申请号：CN202011482957.6
申请日：2020-12-16
Applicant: 北京信息科技大学
IPC: G06F16/33 , G06F40/289 , G06F40/232 , G06F40/166
Abstract: 本申请公开了一种文字识别矫正的方法，包括：构建专业词库；构建识别结果区域矩阵；矫正。本申请的文字识别矫正的方法，通过引入语言模型，统计条件概率预测最佳符合词库的识别结果，通过检测项对应关系，进行前后矫正，进一步提高识别精确度，最后通过融合编辑距离和最长公共子序列的识别方法匹配最佳的识别结果，提高了识别准确率，能够很好地满足实际应用的需要。
-
Patent Agency Ranking
公开(公告)号：CN110135493A
公开(公告)日：2019-08-16
申请号：CN201910400319.6
申请日：2019-05-15
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种新闻话题跟踪方法，将动态话题模型与BP神经网络相结合，先将时间-事件空间模型根据实际需要改变相应权值，再通过BP神经网络训练完成样本与结果的映射关系，并且通过将测试语料分为多份，动态地训练话题模型，不断更新模型中的关键词和它的权重，再重新训练神经网络，接着进行新的分类，完成事件跟踪。本发明在动态话题模型中引入自适应的更新策略，通过不断地更新话题模型解决了事件跟踪过程中出现的话题偏移造成的正确率下降的问题，能够达到较好的话题跟踪效果，可以很好地满足实际应用的需要。
-
公开(公告)号：CN110134925A
公开(公告)日：2019-08-16
申请号：CN201910404981.9
申请日：2019-05-15
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种一种中文专利文本相似度计算方法，基于SAO结构和向量空间模型相融合来计算文本相似度，包括：从专利文本中抽取出SAO三元组；计算SAO三元组中词语的相似度；计算SAO之间相似度；基于SAO计算专利文本相似度；把向量空间模型方法和基于SAO结构的方法进行融合。本发明提供的中文专利文本相似度计算方法，基于SAO结构和向量空间模型相融合的方法计算专利文本相似度，充分发挥了二者的优点，克服了二者的缺陷，得到了极佳的正确率、召回率和F值，可以很好地满足实际应用的需要。
-
公开(公告)号：CN109933804A
公开(公告)日：2019-06-25
申请号：CN201910236194.8
申请日：2019-03-27
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种融合主题信息与双向LSTM的关键词抽取方法，首先结合LDA与Skip-gram模型学习到词语的主题词向量表示，然后将词语的主题词向量作为双向LSTM模型的输入，充分利用双向LSTM模型的时间记忆特性同时对词语上文与下文主题语义信息建模，最终由softmax函数输出词语的标签预测概率，该方法能够充分利用不同距离的上下文语义信息对关键词进行预测，得到的正确率、召回率与F值均较好，取得了明显超越现有技术的关键词识别效果，可以很好地满足实际应用的需要。
-
公开(公告)号：CN109614038A
公开(公告)日：2019-04-12
申请号：CN201811403707.1
申请日：2018-11-23
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种多样化QoS约束的多速磁盘调度方法，根据不同的用户QoS要求，执行不同的调度算法；不同的调度算法分别对应为：基于时间优先的磁盘调度算法、基于代价优先的磁盘调度算法和基于效益函数的磁盘调度方法。本发明提供的多样化QoS约束的多速磁盘调度方法，包含了三种调度算法：基于时间优先的调度算法TPDS、基于代价优先的调度算法CPDS和基于效益函数的调度算法BFDS，具备多样化QoS约束的调度能力，能够在满足用户多样的服务质量要求的前提下，通过调度不同运行模式的磁盘进行数据存储，最大程度地降低系统的能耗，可以很好地满足实际应用的需要。
-
公开(公告)号：CN119807417A
公开(公告)日：2025-04-11
申请号：CN202411967701.2
申请日：2024-12-30
Applicant: 北京信息科技大学
Abstract: 本申请提供一种文本多标签分类方法、分类装置、电子设备及存储介质。该文本多标签分类方法，包括：将技术领域和需要分类的标签输入至大语言模型，以使大语言模型生成对应技术领域下每个标签的定义；使用大语言模型对文献数据进行标注，得到标注数据；使用所述标注数据对大语言模型进行LoRA微调，得到微调的模型，所述微调的模型用于多标签分类；基于每个标签的定义，利用所述微调后的模型，对文本进行多标签分类。该文本多标签分类方法，能够精准理解技术标签、学习文献中蕴含的知识，文献数据多标签分类任务的分类效果较好，大幅提高了文献数据多标签分类任务的分类准确性和分类效果。
-
-
-
-
-
-
-
-
-
Search Results
50
records
(took 0.049 seconds)
