-
Patent Agency Ranking
公开(公告)号：CN109461139A
公开(公告)日：2019-03-12
申请号：CN201811149371.0
申请日：2018-09-29
Abstract: 本发明公开了一种基于动态MRI信息融合的肝癌定量分析方法，该方法结合机器学习方法，利用XGboost模型算法，进行自学习，自优化，构建活性肝癌细胞识别最优模型，优化了活性肝癌区域的检测手段，为医生对肝癌的TACE治疗疗效进行评估提供更为精准的临床信息，从而为肝癌的精准治疗方案的制定提供技术支持和可靠依据。
-
公开(公告)号：CN119168044A
公开(公告)日：2024-12-20
申请号：CN202411194940.9
申请日：2024-08-28
Applicant: 电子科技大学
IPC: G06N5/025 , G06N5/02 , G06F16/35 , G06N3/0442 , G06N3/045 , G06N3/0499 , G06N3/0895
Abstract: 本发明涉及情感分析技术领域，提供了一种基于扩散模型的方面级情感三元组抽取方法。目的在于解决现有的生成式模型中自回归解码时只关注单个词的生成，限制了模型在处理多词方面/意见术语时利用整体语义的能力的问题，该方法基于非自回归的扩散模型框架，将方面级情感三元组任务定义为边界扩散去噪过程，通过直接建模边界索引，根据全面的上下文信息逐步细化以及动态调整噪声状态下的边界，还引入一种对比去噪训练策略，有效缓解了扩散过程引入的具有细微变化的重复预测，提升方面级情感三元组抽取性能。用于情感分析，特别是在处理社交媒体和在线评论平台上的用户情感表达时，能更细致地挖掘文本中的情感信息，为产品优化和企业决策提供参考。
-
公开(公告)号：CN119167925A
公开(公告)日：2024-12-20
申请号：CN202411198518.0
申请日：2024-08-29
Applicant: 电子科技大学
IPC: G06F40/279 , G06F40/216 , G06F40/30 , G06N5/04
Abstract: 本发明公开了一种基于多视角提示学习模板的自回归事件论元抽取方法，属于事件论元抽取技术领域。旨在解决现有事件论元抽取技术对单一模板的过度依赖以及模板内事件元素之间信息交互不足的问题。通过多视角提示学习模板学习事件要素间的相互依赖关系。模型使用共享词向量嵌入层的编码器‑解码器架构，输入文本首先经由编码器捕获语义信息，并传入解码器进行序列生成。在推理阶段，解码器结合约束解码策略，以引导模型生成不同事件提示模板格式的结构化事件要素序列，最后，通过集成策略对来自不同视角的输出结果进行投票，确保了事件论元抽取结果的鲁棒性，从而得出更准确的事件论元。此外，该方法也适用于低资源环境下的事件论元抽取领域。
-
公开(公告)号：CN109461139B
公开(公告)日：2021-05-18
申请号：CN201811149371.0
申请日：2018-09-29
Abstract: 本发明公开了一种基于动态MRI信息融合的肝癌定量分析方法，该方法结合机器学习方法，利用XGboost模型算法，进行自学习，自优化，构建活性肝癌细胞识别最优模型，优化了活性肝癌区域的检测手段，为医生对肝癌的TACE治疗疗效进行评估提供更为精准的临床信息，从而为肝癌的精准治疗方案的制定提供技术支持和可靠依据。
-
公开(公告)号：CN119168060A
公开(公告)日：2024-12-20
申请号：CN202411196030.4
申请日：2024-08-28
Applicant: 电子科技大学
IPC: G06N5/04 , G06N5/022 , G06N3/0455 , G06F40/295
Abstract: 本发明公开了本发明涉及时序知识图谱推理技术领域，具体涉及一种基于扩散过程的时序知识图谱推理方法。属于知识图谱推理技术领域。主旨在于解决难以捕获罕见/未见未来事件中不确定性信息的问题，本发明所述方法首先采用序列表示学习模块，将与主体实体相关的对象、关系和时间间隔序列转换为统一的连续表示。通过策略性引入高斯噪声增强未来事件表示，以模拟未来事件的不确定性，并且考虑时序知识图谱结构的时变性，采用基于Transformer模型的条件去噪模块来重建事件中的潜在参与者。然后，通过策略性地引入高斯噪声来增强这一过程，模拟未来事件的不确定性。此外，本发明所述方法还引入了不确定性正则化损失，有利于区分历史事件和罕见/未知事件，从而提高模型的预测清晰度并减少过拟合的倾向。
-
-
-
-
Search Results
5
records
(took 0.021 seconds)
