-
公开(公告)号：CN117971990B
公开(公告)日：2024-10-22
申请号：CN202410030736.7
申请日：2024-01-09
申请人： 重庆理工大学
IPC分类号： G06F16/28 , G06F16/33 , G06F16/35 , G06F18/2431 , G06F18/2415 , G06F40/30 , G06F40/295 , G06N3/047 , G06N3/048
摘要： 本发明提出了一种基于关系感知的实体关系提取方法，方法包括：利用编码层对输入文本进行编码，获取输入文本的向量表示；将输入文本的向量表示输入关系感知层，利用关系感知层获取潜在关系；将潜在关系输入至实体提取器中，获取主体与客体；将主体与客体输入至主客体对齐抽取器中，过滤出冗余实体对；建立实体关系提取模型，并通过损失函数对模型进行优化，提取三元组。本发明将输入文本中的词汇进行编码，转化为计算机可识别的格式，便于后续处理。利用多头注意力机制，提取文本中的潜在关系，提高实体关系的抽取精度。从潜在关系中提取出主体和客体，进一步提高实体关系的抽取效果。过滤冗余实体对，生成最终的三元组，提高三元组的质量。
-
公开(公告)号：CN118504574A
公开(公告)日：2024-08-16
申请号：CN202410588123.5
申请日：2024-05-13
申请人： 重庆理工大学
IPC分类号： G06F40/30 , G06F40/284 , G06F40/211
摘要： 本发明公开了一种融合多粒度语义信息的中文文本蕴含识别方法。本发明针对当前文本蕴含关系识别方法无法确定引起蕴含的关键语块位置，其结果缺乏可解释性问题，提出了基于语义角色的浅层语义信息提取，对文本的句子成分进行分析，指导蕴含知识推理，且考虑到语义角色标注是一种浅层语义分析的实现，无法解决文本对之间的深层逻辑推理问题，提出了基于依存句法的深层语义信息提取，使用GCN在句子的依赖树之上进行句法挖掘，以利用句法信息和单词依赖关系，且现有方法主要集中在挖掘给定句子的局部结构信息，忽略了语料库中具有非连续和长距离语义的全局词共现，提出了基于GCN的全局语义信息提取，捕捉高阶邻居信息，自动地学习词和文档表示。
-
公开(公告)号：CN118230010A
公开(公告)日：2024-06-21
申请号：CN202410067406.5
申请日：2024-01-17
申请人： 重庆理工大学
IPC分类号： G06V10/762 , G06V10/82 , G06V10/80 , G06V10/52 , G06V10/44 , G06V10/764 , G06N3/0464 , G06N3/045 , G06N3/084 , G06N3/088 , G06N3/098 , G06N3/048
摘要： 本申请提供一种融合边缘信息的多尺度对比图像聚类方法，用于解决现有技术中现有聚类方法对困难样本聚类效果差的问题。具体步骤为：S1：获取待聚类图像的无标签输入序列X＝{x1,x2,...,xn}；S2：将无标签输入序列X分别输入弱通道Ta、强通道Tb和边缘通道Tc进行变换分别获得提取样本集Ya、Yb和Yc；S3：利用共享深度神经网络获取提取样本集Ya、Yb和Yc的特征，分别获得增强样本集#imgabs0#和#imgabs1#S4：将增强样本集#imgabs2#和#imgabs3#输入实例级对比模型和聚类级对比模型中，计算实例级对比损失Lins和聚类级对比损失Lclu；S5：对Lins和Lclu求和获得总体损失函数L。本申请在多个网络中利用增强数据和边缘信息进行联合学习，将数据对投影到特征矩阵的行和列空间中进行实例级和聚类级的对比学习进而提高聚类任务的性能。
-
公开(公告)号：CN117971990A
公开(公告)日：2024-05-03
申请号：CN202410030736.7
申请日：2024-01-09
申请人： 重庆理工大学
IPC分类号： G06F16/28 , G06F16/33 , G06F16/35 , G06F18/2431 , G06F18/2415 , G06F40/30 , G06F40/295 , G06N3/047 , G06N3/048
摘要： 本发明提出了一种基于关系感知的实体关系提取方法，方法包括：利用编码层对输入文本进行编码，获取输入文本的向量表示；将输入文本的向量表示输入关系感知层，利用关系感知层获取潜在关系；将潜在关系输入至实体提取器中，获取主体与客体；将主体与客体输入至主客体对齐抽取器中，过滤出冗余实体对；建立实体关系提取模型，并通过损失函数对模型进行优化，提取三元组。本发明将输入文本中的词汇进行编码，转化为计算机可识别的格式，便于后续处理。利用多头注意力机制，提取文本中的潜在关系，提高实体关系的抽取精度。从潜在关系中提取出主体和客体，进一步提高实体关系的抽取效果。过滤冗余实体对，生成最终的三元组，提高三元组的质量。
-
公开(公告)号：CN116844236A
公开(公告)日：2023-10-03
申请号：CN202310857871.4
申请日：2023-07-13
申请人： 重庆理工大学
IPC分类号： G06V40/20 , G06V10/764 , G06V10/40 , G06V10/77 , G06V10/80 , G06V10/52 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于改进的Slowfast的行为识别方法和系统，该方法包括：获取待识别的视频；将所述待识别的视频输入训练好的行为识别模型中，生成行为识别的预测结果，其中，所述行为识别模型包含slow支路、fast支路以及BFE模块，Slow支路和fast支路的每个阶段均通过BFE模块进行信息融合，slow支路以第一时间步幅对输入的视频进行采样；fast支路以第二帧时间步幅对输入的视频进行采样，其中，第二帧采样步幅小于第一帧采样步幅；BFE模块用于聚合slow支路和fast支路的空间信息从而确定时间注意力权重，从而加强fast支路的特征信息，并将fast支路的信息向slow支路进行融合。本发明可以提高在快速运动情况下的识别精度。
-
-
-
-
搜索结果
5 条记录 (耗时 0.023 秒)
