-
公开(公告)号：CN118569237B
公开(公告)日：2024-10-29
申请号：CN202411038346.0
申请日：2024-07-31
Applicant: 浙江工业大学
IPC: G06F40/186 , G06F40/166 , G06F16/245 , G06F16/38 , G06F16/58
Abstract: 本发明公开了一种基于多智能体系统的个性化复杂报告生成方法，该方法包括：接收用户以自然语言表述的需求说明；运用基于大语言模型的智能体把非结构化的自然语言需求转化为报告生成句式，通过与用户的互动迭代精准获取用户期望的报告内容，生成明确的大纲内容；依靠多智能体系统的协同效用，按照大纲规划从多模态数据源中提取并推理出所需的确切数据，依照报告大纲和确切数据生成目标报告；报告生成结束后，允许用户进行评价，提出修改看法或建议；收集用户反馈等相关数据，用于指导用户任务的优化或对多智能体系统的基座大语言模型进行微调，以强化其个性化能力。本发明能够降低复杂报告撰写的难度，加快报告生成速度，具备广阔的应用前景。
-
公开(公告)号：CN118606716A
公开(公告)日：2024-09-06
申请号：CN202410870945.2
申请日：2024-07-01
Applicant: 浙江工业大学
IPC: G06F18/214 , G06F18/21 , G06F18/241 , G06N3/045 , G06N3/091 , G06N20/20
Abstract: 本发明公开了一种基于主动学习的噪声标签选择性重标注方法。本方法首先选择少量训练集对编码器和分类器进行预训练，然后利用一个噪声评估器来识别噪声样本，将训练数据集划分为干净数据和噪声数据；接着，提出了一个评分器结合样本的熵值和动态损失值大小对噪声样本进行排序，选取最高价值的若干样本供专家进行重标注；最后，采用MixUp技术将干净样本和重标注样本结合后对分类器进行重训练。本发明结合了主动学习和噪声标签学习思想，具有较好的噪声标签容错能力，且节省了标注资源，为实际场景中深度学习模型的噪声标签学习提供了有价值的参考。
-
公开(公告)号：CN118569237A
公开(公告)日：2024-08-30
申请号：CN202411038346.0
申请日：2024-07-31
Applicant: 浙江工业大学
IPC: G06F40/186 , G06F40/166 , G06F16/245 , G06F16/38 , G06F16/58
Abstract: 本发明公开了一种基于多智能体系统的个性化复杂报告生成方法，该方法包括：接收用户以自然语言表述的需求说明；运用基于大语言模型的智能体把非结构化的自然语言需求转化为报告生成句式，通过与用户的互动迭代精准获取用户期望的报告内容，生成明确的大纲内容；依靠多智能体系统的协同效用，按照大纲规划从多模态数据源中提取并推理出所需的确切数据，依照报告大纲和确切数据生成目标报告；报告生成结束后，允许用户进行评价，提出修改看法或建议；收集用户反馈等相关数据，用于指导用户任务的优化或对多智能体系统的基座大语言模型进行微调，以强化其个性化能力。本发明能够降低复杂报告撰写的难度，加快报告生成速度，具备广阔的应用前景。
-
公开(公告)号：CN118427323A
公开(公告)日：2024-08-02
申请号：CN202410476972.1
申请日：2024-04-19
Applicant: 浙江工业大学
IPC: G06F16/332 , G06F16/33 , G06F40/30 , G06Q10/10 , G06Q10/101 , G06Q30/01 , G06Q40/02
Abstract: 本发明公开一种基于大模型组合的任务多轮对话交互方法，本发明通过一个意图识别大模型、一个槽位大模型以及一个通用大模型协同完成任务型多轮对话交互；首先，单独训练一个意图识别大模型，以此识别用户输入的意图类型，若识别为带槽位意图，交由槽位大模型识别槽位是否完整，并设计一套控制流程对缺少的槽位进行反问，用户再通过填充槽位将所需的信息补全；若识别为不带槽位意图，则直接交由通用大模型给出响应。本发明可为真实场景中的任务导向型多轮对话任务提供有价值的参考。
-
公开(公告)号：CN118095284A
公开(公告)日：2024-05-28
申请号：CN202410200913.1
申请日：2024-02-23
Applicant: 浙江工业大学
IPC: G06F40/295 , G06N5/02 , G06F16/36 , G06N7/01 , G06N20/00
Abstract: 本发明公开了一种基于知识图谱和对比学习的小样本命名实体识别方法，首先，通过开源知识图谱获取标签的属性信息，将标签名字与标签属性信息进行融合得到标签语义表示。其次，基于对比学习思想提出锚点向量与标签语义表示构建样本对，进而有效学习标签语义表示。接着，将标签语义表示、锚点向量和原型表示映射到新的语义空间中，并进一步融合得到标签表示。最后，基于实体表示与标签表示的相似度对实体进行分类。本发明首次使用知识图谱额外提供标签语义信息，并使用对比学习思想有效学习标签语义表示，从而减少语义重叠问题引起的误分类，最终达到提升小样本场景下命名实体识别模型泛化性能的目的。
-
Patent Agency Ranking
公开(公告)号：CN118035442A
公开(公告)日：2024-05-14
申请号：CN202410173158.2
申请日：2024-02-07
Applicant: 浙江工业大学
IPC: G06F16/35 , G06F18/2431 , G06F18/241 , G06F18/214 , G06N5/02 , G06N5/025
Abstract: 本发明公开一种基于度量学习的不平衡文本分类方法。为了改善模型在少样本类上的性能，克服传统元学习方法不适用于任务类别个数不一致场景的缺陷，本发明首先使用度量学习的方法训练得到词嵌入模型，该词嵌入模型在训练过程中，学习到了多数类和少数类的共性特征，从而能够将文本转换为语义更丰富的嵌入向量。接着，为了避免原型网络在多类别数据集上原型模糊的问题，再以上述词嵌入模型作为表示层，构建一个文本分类模型，进行微调。最后得到的文本分类模型在保持多样本类上的性能不变的同时，提升了少样本类的识别精度。
-
公开(公告)号：CN117787408A
公开(公告)日：2024-03-29
申请号：CN202311672969.9
申请日：2023-12-07
Applicant: 浙江工业大学
IPC: G06N5/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于超图神经网络的反事实因果推理知识追踪方法，根据试题与知识点包含关系、相同难度试题关系、相同流行度试题关系以及试题关联关系构建超图网络，通过超图神经网络捕捉节点与超边的联系获得试题和知识点的语义表示，通过反事实因果推断框架构建学生特征预测分支、试题特征预测分支以及试题特征匹配度预测分支，在试题特征匹配度预测分支中通过遗忘模块和学习模块追踪学生在学习过程中不断变化的知识状态，能够获得更贴近实际做题情况的知识状态增长。最终通过试题信息的高阶表示和精确追踪的知识状态实现对答题表现的精准预测。
-
公开(公告)号：CN117455037A
公开(公告)日：2024-01-26
申请号：CN202311322403.3
申请日：2023-10-13
Applicant: 浙江工业大学
IPC: G06Q10/04 , G06Q10/0633 , G06Q50/04 , G06N5/022 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06F16/36 , G06F18/213 , G06F18/23213 , G06F18/25 , G06F123/02
Abstract: 本发明公开一种基于多模态案例知识图的生产业务流程剩余时间预测方法，步骤如下：首先，预处理事件日志数据；接着，提取和绘制局部流程图，以可视化事件顺序；然后，构建多模态案例知识图谱，通过扩展三元组来丰富信息；为不同实体和关系创建独立嵌入矩阵，处理局部流程图实体时使用卷积神经网络；随后，使用多关系图卷积网络学习各实体特征，通过最大池化生成案例的全局图谱特征。最后，利用Transformer编码器模型学习全局图谱特征和局部节点特征的变化，以准确预测新案例中事件的剩余时间。本发明通过构建多模态案例知识图谱，并使用Transformer捕获实体随案例的变化信息，能够更准确地预测生产业务流程中事件的剩余时间，从而提高生产效率和规划能力。
-
公开(公告)号：CN117011046A
公开(公告)日：2023-11-07
申请号：CN202310913835.5
申请日：2023-07-25
Applicant: 浙江工业大学
IPC: G06Q40/04 , G06F16/335 , G06F40/279 , G06F40/30 , G06F18/214
Abstract: 一种基于研报文本分析的股票趋势预测方法，首先基于研报文本，通过对研报文本进行预处理，使得研报符合模型的输入；利用TF‑IDF算法给每个词赋予相应权重，筛选出重要词语重新组合成研报，达到抽取趋势关键词的目的；最后文本采用预训练语言模型BERT和对比学习方法对股票进行涨跌分类，根据股票分类模型计算得到的因子值进行排序，预测股票涨跌。本发明有利于学习更好的特征表示、预测准确性较高。
-
公开(公告)号：CN116934472A
公开(公告)日：2023-10-24
申请号：CN202310766790.3
申请日：2023-06-27
Applicant: 浙江工业大学
IPC: G06Q40/04 , G06Q30/0202 , G06F16/9538 , G06F16/906 , G06F40/126 , G06F18/24 , G06F18/214
Abstract: 本发明涉及一种基于新闻舆情的股票量化交易方法及其应用，搜集新闻，获取关键指标后数据处理，计算新闻热度；以新闻热度排序，取前预设比例的新闻进行相关股票的分类；获取一个周期内的新闻舆情文本，实现股票量化交易价格分析；方法应用于股票涨跌趋势预测，辅助量化交易。本发明截取有效特征计算新闻热度，在后续预测中仅考虑高热度的新闻文本，确保预测准确性；使用BERT对新闻文本编码，相比GCN、LSTM等模型能更好捕获新闻文本的语义特征，与股票建立关联，利于下游任务处理；考虑到不同发布机构的影响，将发布机构编码后训练，与BERT编码后的新闻文本表示特征拼接后作为最终的新闻文本表示，进一步提升预测的准确性。
-
-
-
-
-
-
-
-
-
Search Results
110
records
(took 0.035 seconds)
