-
公开(公告)号：CN113239186A
公开(公告)日：2021-08-10
申请号：CN202110218087.X
申请日：2021-02-26
申请人： 中国科学院电子学研究所苏州研究院
IPC分类号： G06F16/35 , G06F40/211 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
摘要： 本发明提出了一种基于多依存关系表示机制的图卷积网络关系抽取方法，对采集到的非结构化文本开展预处理，包括分句、分词、词性标注、实体类型标注、关系类型标注，生成每个分词的语义嵌入向量，对句子进行依存关系分析，生成依存关系树；基于双向长短期记忆循环神经网络捕捉句子的上下文语义特征；根据依存关系树生成全邻接矩阵、集中邻接矩阵和距离权重邻接矩阵，结合句子的上下文语义特征，对邻接矩阵、集中邻接矩阵和距离权重邻接矩阵进行卷积运算，再对卷积运算后的结果进行最大池化处理，获得句子表示向量；基于前馈神经网络获取实体关系特征信息，进行实体关系分类。本发明能够更好地辅助关系抽取，提升了识别精度。
-
公开(公告)号：CN106845343B
公开(公告)日：2020-05-19
申请号：CN201611161835.0
申请日：2016-12-15
申请人： 中国科学院电子学研究所苏州研究院
摘要： 本发明公开了一种光学遥感图像海上平台自动检测方法，首先对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合最佳遥感图像。然后通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像。最后构建大规模的目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。
-
公开(公告)号：CN112417890B
公开(公告)日：2023-11-24
申请号：CN202011366099.9
申请日：2020-11-29
申请人： 中国科学院电子学研究所苏州研究院
IPC分类号： G06F40/30 , G06F40/216 , G06F16/35 , G06N3/0464 , G06N3/047 , G06N3/049 , G06N3/084
摘要： 本发明提出了一种基于多样化语义注意力模型的细粒度实体分类方法，基于切分长度和步长，得到句子的多样化注意力片段序列；构建多样化语义注意力模型，包括注意力图预测模型与注意力特征集成模型两部分；构建多样性约束，包括注意力图约束和注意力片段约束，结合分类损失，确定最终的损失函数，用于训练多样化语义注意力模型；利用训练好的多样化语义注意力模型，确定多样化注意力片段序列对应的注意力图，结合softmax网络，预测每个时间步长对于每个细粒度实体类别分类结果，综合得到输入句子中实体的预测结果。本发明解决了细粒度实体分类精度不高的问题。
-
公开(公告)号：CN112417891B
公开(公告)日：2023-08-22
申请号：CN202011366103.1
申请日：2020-11-29
申请人： 中国科学院电子学研究所苏州研究院
IPC分类号： G06F40/30 , G06F40/216 , G06F16/28
摘要： 本发明提出了一种基于开放式信息抽取的文本关系自动标注方法，获取结构化知识数据库，根据数据库确定目标实体并进行对应的非结构化文本信息的获取与预处理；基于开放式信息抽取工具完成句子的实体关系三元组提取；将三元组对齐到数据库中进行初步的关系标签匹配；对关系标签和关系短语进行语义相似度的计算，并筛选出相似度最高的关系标签；判断选取的关系标签的相似度大小是否达到设定的阈值，达到阈值则作为标注结果，完成自动标注。本发明减少了关系抽取工作中人工标注数据耗费的时间和提高了自动标注的数据质量，为不同领域的关系抽取模型构建所需的数据集提供了新的方向。
-
公开(公告)号：CN108009469B
公开(公告)日：2020-11-24
申请号：CN201710998395.2
申请日：2017-10-24
申请人： 中国科学院电子学研究所苏州研究院
摘要： 本发明公开了一种基于结构递归神经网络的海上油气平台检测方法，具体包含如下步骤；根据时空图像序列化结构特性，建立海上目标的结构递归神经网络模型；对建立的结构递归神经网络模型进行参数调优，进而建立海上目标的高阶时空特性模型；根据海上目标的高阶时空特性模型获取海上目标的高阶时空特性；根据海上目标的高阶时空特性构建双向循环卷积层，建立融合前后时相特征的双向循环卷积神经网络；通过双向循环卷积神经网络的并行化调优，实现单时相下海上运动目标的准确检测，深度学习可以获得目标特征能力更强，充分利用目标的时空特征，可以检测出复杂背景干扰下的目标，且算法通用性较强。
-
公开(公告)号：CN108009469A
公开(公告)日：2018-05-08
申请号：CN201710998395.2
申请日：2017-10-24
申请人： 中国科学院电子学研究所苏州研究院
摘要： 本发明公开了一种基于结构递归神经网络的海上油气平台检测方法，具体包含如下步骤；根据时空图像序列化结构特性，建立海上目标的结构递归神经网络模型；对建立的结构递归神经网络模型进行参数调优，进而建立海上目标的高阶时空特性模型；根据海上目标的高阶时空特性模型获取海上目标的高阶时空特性；根据海上目标的高阶时空特性构建双向循环卷积层，建立融合前后时相特征的双向循环卷积神经网络；通过双向循环卷积神经网络的并行化调优，实现单时相下海上运动目标的准确检测，深度学习可以获得目标特征能力更强，充分利用目标的时空特征，可以检测出复杂背景干扰下的目标，且算法通用性较强。
-
公开(公告)号：CN106845343A
公开(公告)日：2017-06-13
申请号：CN201611161835.0
申请日：2016-12-15
申请人： 中国科学院电子学研究所苏州研究院
摘要： 本发明公开了一种光学遥感图像海上平台自动检测方法，首先对海上油气平台多分辨率、多视点的遥感成像特性进行分析，通过特征子空间和主成分分量拟合最佳遥感图像。然后通过时空马尔可夫随机场模型，提高海上平台检测的信噪比与信杂比，输出目标显著性图像。最后构建大规模的目标标准数据集，对深度卷积神经网络进行基于hadoop分布式文件存储系统的多节点并行架构训练，对深度卷积神经网络持续调优，提取大规模目标的稳定特性，实现海量遥感图像中海上油气平台快速、准确的自动检测。
-
公开(公告)号：CN112417890A
公开(公告)日：2021-02-26
申请号：CN202011366099.9
申请日：2020-11-29
申请人： 中国科学院电子学研究所苏州研究院
IPC分类号： G06F40/30 , G06F40/216 , G06F16/35 , G06N3/04 , G06N3/08
摘要： 本发明提出了一种基于多样化语义注意力模型的细粒度实体分类方法，基于切分长度和步长，得到句子的多样化注意力片段序列；构建多样化语义注意力模型，包括注意力图预测模型与注意力特征集成模型两部分；构建多样性约束，包括注意力图约束和注意力片段约束，结合分类损失，确定最终的损失函数，用于训练多样化语义注意力模型；利用训练好的多样化语义注意力模型，确定多样化注意力片段序列对应的注意力图，结合softmax网络，预测每个时间步长对于每个细粒度实体类别分类结果，综合得到输入句子中实体的预测结果。本发明解决了细粒度实体分类精度不高的问题。
-
公开(公告)号：CN109460467A
公开(公告)日：2019-03-12
申请号：CN201811138261.4
申请日：2018-09-28
申请人： 中国科学院电子学研究所苏州研究院
摘要： 本发明涉及一种网络信息分类体系构建方法，将现有两种分类体系的优点集于一身，设计全新构建方法，采用Synonyms将词语映射到低维向量空间，通过词向量空间距离度量词语相似性，弥补了单一的one-hot词向量语义信息的不足，从而能够获得更全面的相似类别词；并采用传统文献分类方法和自编分类方法集合的方式，弥补了文献分类分类方法领域适应性不足、以及自编分类方法科学性不强的缺陷，从而能够构建科学专业的分类体系；而且提出结合用户业务需求和预设筛选规则，对领域术语关联解释，参考提示进行类别体系的选择、删除、增加、修改，构建最终分类体系，使得分类体系更加科学、准确和专业。
-
公开(公告)号：CN106096661B
公开(公告)日：2019-03-01
申请号：CN201610465880.9
申请日：2016-06-24
申请人： 中国科学院电子学研究所苏州研究院
摘要： 本发明提出一种基于相对属性随机森林的零样本图像分类方法，根据图像类别与图像属性之间的相对关系为未知类别的图像建立属性排序得分模型，将所有图像的属性排序得分模型作为训练样本来训练随机森林分类器，最后根据测试图像的属性排序得分以及训练得到的随机森林分类器对测试图像的标签进行预测。本发明的方法能够实现零样本图像分类，并且具有分类识别率高、模型稳定性强等优点。
-
-
-
-
-
-
-
-
-
搜索结果
17 条记录 (耗时 0.048 秒)
