公开(公告)号：CN111222000B

公开(公告)日：2023-05-26

申请号：CN201911420143.7

申请日：2019-12-31

申请人： 中国地质大学(武汉)

发明人： 李旦 ,  梁庆中 ,  孙晨鹏 ,  赵东阳 ,  陈仁谣

IPC分类号： G06F16/55 ,  G06F16/583 ,  G06F16/951 ,  G06F40/284 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/042 ,  G06N3/08

摘要： 本发明提供一种基于图卷积神经网络的图像分类方法及系统，具体包括：用爬虫根据图像标签在网络上爬取图像对应一段文本信息；对所述文本信息预处理，得到词语；计算词语与词语之间的PMI值、图像与词语之间的TF‑IDF值；根据所述PMI值和TF‑IDF成图，构成图像与词语作为结点的图结构数据；利用图卷积神经网络对图结构数据进行处理，得到图像分类结果；本发明的有益效果是：在原有的图像数据上，为每张图像添加对应的文本描述信息，利用图卷积神经网络提高图像分类准确率。

公开(公告)号：CN111222000A

公开(公告)日：2020-06-02

申请号：CN201911420143.7

申请日：2019-12-31

申请人： 中国地质大学(武汉)

发明人： 李旦 ,  梁庆中 ,  孙晨鹏 ,  赵东阳 ,  陈仁谣

IPC分类号： G06F16/55 ,  G06F16/583 ,  G06F16/951 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

摘要： 本发明提供一种基于图卷积神经网络的图像分类方法及系统，具体包括：用爬虫根据图像标签在网络上爬取图像对应一段文本信息；对所述文本信息预处理，得到词语；计算词语与词语之间的PMI值、图像与词语之间的TF-IDF值；根据所述PMI值和TF-IDF成图，构成图像与词语作为结点的图结构数据；利用图卷积神经网络对图结构数据进行处理，得到图像分类结果；本发明的有益效果是：在原有的图像数据上，为每张图像添加对应的文本描述信息，利用图卷积神经网络提高图像分类准确率。

公开(公告)号：CN111209410A

公开(公告)日：2020-05-29

申请号：CN201911380039.X

申请日：2019-12-27

申请人： 中国地质大学(武汉)

发明人： 赵东阳 ,  董理君 ,  李旦 ,  孙晨鹏 ,  陈仁谣

IPC分类号： G06F16/36 ,  G06F16/38 ,  G06F40/284

摘要： 本发明提供一种基于锚点的动态知识图谱表示学习方法及系统，首先找到已有知识图谱中对全局信息起支撑作用的关键实体，利用这些实体的向量构建基坐标系统；其次，将新增知识与已有知识图谱进行语义对齐，包括实体对齐、关系融合；最后，在基坐标系统下进行表征学习，只需联合新增知识与已有知识图谱的相关局部知识进行训练，将新知识实体摆放在知识空间中合适的位置，实现动态知识图谱的自适应增长。本发明的有益效果：将实体及关系的文本信息作为语义基础，提供了知识融合的信息基础，使得实体对齐和关系融合更加全面充分；利用word2vec向量生成模型，将实体及关系的文本信息转化为向量形式，从而用于数学运算。

公开(公告)号：CN111209410B

公开(公告)日：2023-04-18

申请号：CN201911380039.X

申请日：2019-12-27

申请人： 中国地质大学(武汉)

发明人： 赵东阳 ,  董理君 ,  李旦 ,  孙晨鹏 ,  陈仁谣

IPC分类号： G06F16/36 ,  G06F16/38 ,  G06F40/284

摘要： 本发明提供一种基于锚点的动态知识图谱表示学习方法及系统，首先找到已有知识图谱中对全局信息起支撑作用的关键实体，利用这些实体的向量构建基坐标系统；其次，将新增知识与已有知识图谱进行语义对齐，包括实体对齐、关系融合；最后，在基坐标系统下进行表征学习，只需联合新增知识与已有知识图谱的相关局部知识进行训练，将新知识实体摆放在知识空间中合适的位置，实现动态知识图谱的自适应增长。本发明的有益效果：将实体及关系的文本信息作为语义基础，提供了知识融合的信息基础，使得实体对齐和关系融合更加全面充分；利用word2vec向量生成模型，将实体及关系的文本信息转化为向量形式，从而用于数学运算。

公开(公告)号：CN111768024B

公开(公告)日：2023-03-24

申请号：CN202010430900.5

申请日：2020-05-20

申请人： 中国地质大学(武汉)

发明人： 孙晨鹏 ,  李新川 ,  李旦 ,  赵东阳 ,  陈仁谣

IPC分类号： G06Q10/04 ,  G06Q50/18 ,  G06F40/30 ,  G06F40/289 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/045 ,  G06F18/24

摘要： 本发明提供了一种基于注意力机制的刑期预测方法、设备及存储设备，首先，根据每个犯罪事实的罪名标签查到相应的罪名量刑标准；其次，将犯罪事实和罪名量刑标准转为词向量矩阵；然后，将词向量矩阵输入长短时记忆网络，输出包含上下文语义特征的向量；之后，通过注意力机制选取重要部分的特征向量，并将两部分向量进行拼接；最后，将拼接后的特征矩阵输入到卷积神经网络中，经过全连接层后进行分类预测。一种基于注意力机制的刑期预测设备及存储设备，用于实现基于注意力机制的刑期预测方法。本发明的有益效果是：本发明的技术方案，方法简单，能够快速的预测某一犯罪事实的刑期，且预测精度较高。

公开(公告)号：CN111768024A

公开(公告)日：2020-10-13

申请号：CN202010430900.5

申请日：2020-05-20

申请人： 中国地质大学(武汉)

发明人： 孙晨鹏 ,  李新川 ,  李旦 ,  赵东阳 ,  陈仁谣

IPC分类号： G06Q10/04 ,  G06Q50/18 ,  G06F40/30 ,  G06F40/289 ,  G06N3/04

摘要： 本发明提供了一种基于注意力机制的刑期预测方法、设备及存储设备，首先，根据每个犯罪事实的罪名标签查到相应的罪名量刑标准；其次，将犯罪事实和罪名量刑标准转为词向量矩阵；然后，将词向量矩阵输入长短时记忆网络，输出包含上下文语义特征的向量；之后，通过注意力机制选取重要部分的特征向量，并将两部分向量进行拼接；最后，将拼接后的特征矩阵输入到卷积神经网络中，经过全连接层后进行分类预测。一种基于注意力机制的刑期预测设备及存储设备，用于实现基于注意力机制的刑期预测方法。本发明的有益效果是：本发明的技术方案，方法简单，能够快速的预测某一犯罪事实的刑期，且预测精度较高。