-
公开(公告)号：CN114417839A
公开(公告)日：2022-04-29
申请号：CN202210060118.8
申请日：2022-01-19
Applicant: 北京工业大学
IPC: G06F40/253 , G06F40/295 , G06F40/30 , G06N3/04
Abstract: 本发明公开了基于全局指针网络的实体关系联合抽取方法，通过将实体首尾位置视为一个整体进行判别来解决目标不一致问题。引入了条件层归一化融合头实体信息以指导模型捕捉三元组方向特征；并增添了关系分类任务抽取出句子潜在语义关系以过滤掉部分预测错误的三元组。本发明在公开数据集CMeIE上的实验结果表明本发明构建的模型能有效地识别句子中的关系三元组。设计了全局指针网络，作为解码器对输入语句进行关系和尾实体的抽取。全局指针网络将实体首尾位置视为一个整体进行判别，实现了训练与预测目标的一致性，增强了实体关系抽取模型的性能，提高模型抽取三元组的精确率。
-
公开(公告)号：CN108388560B
公开(公告)日：2021-08-20
申请号：CN201810221339.2
申请日：2018-03-17
Applicant: 北京工业大学
IPC: G06F40/295 , G06F40/216 , G06N3/08 , G06N3/04
Abstract: 本发明公开了基于语言模型的GRU‑CRF会议名称识别方法，本方法分为两部分，一部分是基于GRU的语言模型，另一部分是基于GRU‑CRF的识别模型。使用有标注的监督数据训练标注模型GRU‑CRF，得到一个不需要特征工程和领域知识的端到端的识别模型。使用大量无标注数据对LM进行无监督训练，从无监督训练得到的LM中获取字向量作为GRU‑CRF的输入，可以提升监督训练的效果，提高识别模型的泛化能力，使得从少量标语料上训练有较好效果的命名实体识别模型成为可能。实验结果表明，LM‑GRU‑CRF方法在自建语料库上得到了最好的效果，对于其他缺乏标注预料的命名实体识别任务而言，可以使用该方法提高模型的效果。
-
公开(公告)号：CN107066553B
公开(公告)日：2021-01-01
申请号：CN201710181062.0
申请日：2017-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于卷积神经网络与随机森林的短文本分类方法，属于文本分类与深度学习领域。针对采用Softmax作为卷积神经网络分类器导致泛化能力不足的问题，提出了一种结合卷积神经网络与随机森林的短文本分类算法(CNN‑RF)。本方法首先提出一种双重词向量卷积神经网络用来充分提取短文本高阶特征，然后采用随机森林作为高阶特征分类器，从而提高短文本分类效果。在三个公开实验数据集上的结果表明，与其他算法相比CNN‑RF在多个评价指标上均有明显优势。
-
公开(公告)号：CN109713369A
公开(公告)日：2019-05-03
申请号：CN201811639196.3
申请日：2018-12-29
Applicant: 北京工业大学
IPC: H01M10/0568 , H01M10/0569 , H01M10/054
Abstract: 一种低成本含铝电解液及其铝电池应用，属于电化学储能技术领域。电解液为卤化铝-A和酰胺基化合物以及一定量的添加剂形成的类离子液体，所述卤化铝-A优选氯化铝，酰胺基化合物优选乙酰胺，添加剂包括卤化铝-B(当添加剂为卤化铝-B时，卤化铝-B的取物与卤化铝-A不同)、双三氟甲烷磺酰亚胺铝(Al(TFSI)3)、双三氟甲基磺酰亚胺钠(Na(TFSI))、双三氟甲烷磺酰亚胺镁(Mg(TFSI)2)、双三氟甲烷磺酰亚胺锌(Zn(TFSI)2)、高氯酸铝(Al(ClO4)3)、氯铝酸盐、溴铝酸盐、尿素、三氟甲磺酸铝(Al(OTF)3)、苯、甲苯、氯苯、1,1,2,2-四氟乙基2,2,3,3-四氟丙醚(HFE)中的一种或几种，可用在铝离子电池、铝硫电池等领域。使用本发明提供的电解液组装成的铝硫电池容量高、循环稳定性好、倍率性能优良。同时，该铝硫电池成本低，不含重金属等高污染物质，组装简易，安全性高，具有良好的工业应用前景。
-
Patent Agency Ranking
公开(公告)号：CN108388560A
公开(公告)日：2018-08-10
申请号：CN201810221339.2
申请日：2018-03-17
Applicant: 北京工业大学
IPC: G06F17/27
Abstract: 本发明公开了基于语言模型的GRU-CRF会议名称识别方法，本方法分为两部分，一部分是基于GRU的语言模型，另一部分是基于GRU-CRF的识别模型。使用有标注的监督数据训练标注模型GRU-CRF，得到一个不需要特征工程和领域知识的端到端的识别模型。使用大量无标注数据对LM进行无监督训练，从无监督训练得到的LM中获取字向量作为GRU-CRF的输入，可以提升监督训练的效果，提高识别模型的泛化能力，使得从少量标语料上训练有较好效果的命名实体识别模型成为可能。实验结果表明，LM-GRU-CRF方法在自建语料库上得到了最好的效果，对于其他缺乏标注预料的命名实体识别任务而言，可以使用该方法提高模型的效果。
-
公开(公告)号：CN114417839B
公开(公告)日：2025-03-21
申请号：CN202210060118.8
申请日：2022-01-19
Applicant: 北京工业大学
IPC: G06F40/253 , G06F40/295 , G06F40/30 , G06N3/045 , G06N3/09
Abstract: 本发明公开了基于全局指针网络的实体关系联合抽取方法，通过将实体首尾位置视为一个整体进行判别来解决目标不一致问题。引入了条件层归一化融合头实体信息以指导模型捕捉三元组方向特征；并增添了关系分类任务抽取出句子潜在语义关系以过滤掉部分预测错误的三元组。本发明在公开数据集CMeIE上的实验结果表明本发明构建的模型能有效地识别句子中的关系三元组。设计了全局指针网络，作为解码器对输入语句进行关系和尾实体的抽取。全局指针网络将实体首尾位置视为一个整体进行判别，实现了训练与预测目标的一致性，增强了实体关系抽取模型的性能，提高模型抽取三元组的精确率。
-
公开(公告)号：CN117911926A
公开(公告)日：2024-04-19
申请号：CN202410089375.3
申请日：2024-01-22
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于多模态特征交互的视频问答方法，包括：对视频提取目标级、帧级、片段级特征，对问题提取词向量序列特征；通过交替注意力网络和交叉注意力网络分别对视频、问题特征进行编码，得到各自增强的全局及局部特征；利用多粒度层级交互进一步增强问题和视频的局部特征表示；整合问题和视频的全局和局部特征并利用多模态双线性矩阵分解池化方法融合文本和视觉特征表示，生成答案。本发明通过对问题和视频进行不同形式的交互提高了预测问题答案的准确性。
-
公开(公告)号：CN109742320A
公开(公告)日：2019-05-10
申请号：CN201811644587.4
申请日：2018-12-29
Applicant: 北京工业大学
IPC: H01M4/13 , H01M10/054
Abstract: 本发明属于新能源电池技术领域，提供一种三维多孔铝负极的制备及其铝电池构筑。三维多孔铝负极包括：沉积于非金属三维基体上的多孔铝、沉积于金属三维基体上的多孔铝、表面具有保护层包覆的三维多孔铝、合金化三维多孔铝材料。通过对三维多孔铝的空间结构、孔道结构及比表面积调控、界面保护及合金化改性，优化电池电化学反应效率及动力学，提高铝负极的电化学稳定性，从而提升典型铝电池的比容量、倍率性能及循环寿命等关键性能。
-
公开(公告)号：CN107066553A
公开(公告)日：2017-08-18
申请号：CN201710181062.0
申请日：2017-03-24
Applicant: 北京工业大学
Abstract: 本发明公开了一种基于卷积神经网络与随机森林的短文本分类方法，属于文本分类与深度学习领域。针对采用Softmax作为卷积神经网络分类器导致泛化能力不足的问题，提出了一种结合卷积神经网络与随机森林的短文本分类算法(CNN‑RF)。本方法首先提出一种双重词向量卷积神经网络用来充分提取短文本高阶特征，然后采用随机森林作为高阶特征分类器，从而提高短文本分类效果。在三个公开实验数据集上的结果表明，与其他算法相比CNN‑RF在多个评价指标上均有明显优势。
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.025 seconds)
