“庄越挺”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果212个，建议您升级VIP下载更多相关专利

[发明专利]一种基于对比类别集中提升连续学习下图分类精度的方法-CN202110788454.X有效
发明人：汤斯亮;倪子烜;庄越挺;史海舟;肖俊 -专利权人：浙江大学
申请日： 2021-07-13 - 公布日： 2023-10-17 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于对比类别集中提升连续学习下图分类精度的方法。该方法用于对已经过历史数据训练的图分类模型进行类增长学习，具体步骤如下：S1：获取加入新类别的图像分类数据集，图像分类数据集中每个样本均带有其类别标签；S2：获取所述图分类模型在上一轮训练过程中进行参数更新前的旧模型和参数更新后的新模型，然后利用加入新类别的图像分类数据集构建训练数据，进行本轮训练；S3：保存本轮参数更新前的旧模型和参数更新后的新模型，并在进行下一轮训练之前利用本轮参数更新后的新模型进行图分类任务。本发明结合对比学习和知识蒸馏的思想，能够帮助模型学习到更加聚合的数据表征，从而缓解表征覆盖，帮助模型减少灾难性遗忘。
一种基于对比类别集中提升连续学习下图分类精度方法

[发明专利]一种基于序列生成模型的多事件检测方法-CN202011496007.9有效
发明人： 庄越挺;邵健;吕梦瑶;宗畅 -专利权人：浙江大学
申请日： 2020-12-17 - 公布日： 2023-09-15 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种基于序列生成模型的多事件检测方法。为了解决现有方法对触发词抽取的过度依赖和对事件共现关系、事件类别语义信息忽略的缺陷，本发明利用序列生成模型可以生成不定长序列的特性，实现了在无需进行触发词抽取的情况下也能进行多事件检测的效果，降低了对数据集的标注要求，增强了方法的可用性。在构建序列生成模型时，使用编码器‑解码器的架构，在解码预测输出的过程中使用上一时间步的输出作为输入，因此可以学习各事件类别间的共现关系。此外，本发明同时编码事件文本语义和事件类别名称的语义信息，使得在数据量较少的情况下也能加入更多先验信息得到良好的效果。
一种基于序列生成模型多事检测方法

[发明专利]基于动态图异常检测的新兴技术识别方法-CN202310517066.7在审
发明人： 庄越挺;宗畅;邵健;鲁伟明 -专利权人：浙江大学
申请日： 2023-05-09 - 公布日： 2023-08-08 - 主分类号： G06F18/2433 文献下载
摘要：本发明公开了基于动态图异常检测的新兴技术识别方法。本发明基于新兴技术为已有技术的新型组合假设，通过构建面向技术领域的动态图数据，利用多种时空耦合特征与自注意力深度神经网络算法，将技术领域节点之间的关系表征为融合结构信息与时序信息的特征向量，并计算得出技术组合的异常得分，并进一步将高分技术组合视为新兴技术领域的候选集合，再通过人工判断得出最终的新兴技术领域结果。该方法在特征输入与神经网络中均充分利用了动态图中的空间与时间耦合信息，在常规的异常检测任务中取得了优于其他同类最新方法的效果，并创新性地应用于新兴技术识别任务中，起到了筛选候选领域的作用，显著降低解决此任务的成本。
基于动态异常检测新兴技术识别方法

[发明专利]基于知识图谱多视角信息的跨语言实体对齐方法-CN202010512003.9有效
发明人：鲁伟明;徐玮;吴飞;庄越挺 -专利权人：浙江大学
申请日： 2020-06-08 - 公布日： 2023-07-21 - 主分类号： G06F40/189 文献下载
摘要：本发明公开了一种基于知识图谱多视角信息的跨语言实体对齐方法。本发明首先根据两种语言知识图谱的三元组和实体描述文本，分别抽取信息构建结构图和文本图，使用双层图卷积网络编码实体结构上的向量表示和文本上的向量表示；然后根据实体描述文本和跨语言语料，使用双向长短时记忆网络编码实体描述上的向量表示；使用加权方式结合三个视角下成对实体的向量距离来计算最终的跨语言对齐实体对。本发明实现了知识图谱的跨语言实体对齐，基于结构和文本的多视角信息优化实体向量表示，提高了跨语言实体对齐准确率。
基于知识图谱视角信息语言实体对齐方法

[发明专利]一种基于原型对比自训练的跨域图像分类方法-CN202211230693.4在审
发明人：张寅;余晏;罗聪;庄越挺 -专利权人：浙江大学
申请日： 2022-10-09 - 公布日： 2023-04-04 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于原型对比自训练的跨域图像分类方法。本发明包括如下步骤：1)通过域不变特征学习方法，获得跨域图像分类模型；2)利用当前最新的跨域图像分类模型预测目标域上图像的伪标签，使用每个批次的数据不断更新每个类别的原型并计算对比损失；3)将分类损失和对比损失结合构成目标函数进行训练，优化更新特征抽取网络与跨域图像分类网络，再回到步骤2)循环执行。本发明将原型对比学习融入到自训练中，通过将目标域中无标签图像数据的分布结构编码进自训练框架中，并在自学习的过程中完全放弃掉源数据，有效解决了域不变表征学习与自训练方法之间的不兼容问题，提升了跨域图像分类网络对分类边界附近相似图像数据分类的鲁棒性。
一种基于原型对比训练图像分类方法

[发明专利]基于动态知识图谱的成果被引用量预测方法、介质及设备-CN202210530426.2有效
发明人： 庄越挺;宗畅;邵健;鲁伟明 -专利权人：浙江大学
申请日： 2022-05-16 - 公布日： 2023-03-28 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于动态知识图谱的成果被引用量预测方法、介质及设备。本发明通过构建面向科技成果的动态时序知识图谱数据，利用图神经网络、循环神经网络、时序预测函数等算法模块，将成果的特征表示为成果相关多维度属性历史特征的聚合，并以成果历史引用量为标签，对成果未来多年的引用量进行预测。该方法可充分利用成果属性和成果间引用关系所构成的图谱结构信息，可支持对刚发布的成果进行较为准确的预测以解决冷启动问题。此外，该方法将图谱结构与时间序列特征充分融合，在特征表示和特征聚合环节均引入时间维度，训练所得到的模型在误差指标评估方面比同类任务方法有明显的提升。该方法可被用于解决科技创新场景下的多种实际任务。
基于动态知识图谱成果引用预测方法介质设备

[发明专利]一种基于域间对比对抗学习的跨域图像分类方法-CN202211230715.7在审
发明人：张寅;余晏;罗聪;庄越挺 -专利权人：浙江大学
申请日： 2022-10-09 - 公布日： 2023-01-24 - 主分类号： G06V10/764 文献下载
摘要：本发明公开了一种基于域间对比对抗学习的跨域图像分类方法。本发明包括如下步骤：1)在域对抗网络的基础上，使用一个映射网络H将骨干网络提取的特征映射到一个高维隐空间；2)在上述隐空间中使用对比学习损失替换域分类器的分类损失，进行对比学习。和现有技术相比，本发明结合对比学习，减少了传统域不变表征学习方法中的失配现象，使得在有标签源域图像上训练得到的图像分类神经网络模型被有效迁移到无标签目标域，提升了迁移后模型分类目标域图像的效果。
一种基于对比对抗学习图像分类方法

[发明专利]一种基于双查询网络的联合实体关系抽取方法-CN202211089283.2在审
发明人： 庄越挺;鲁伟明;谭泽琦 -专利权人：浙江大学
申请日： 2022-09-07 - 公布日： 2023-01-17 - 主分类号： G06F16/25 文献下载
摘要：本发明公开了一种基于双查询网络的联合实体关系抽取方法。不同于之前的工作把实体关系抽取任务看成是多轮问答任务，本发明使用两组查询进行抽取，其中每个实体查询用于抽取一个实体，每个关系查询用于查询一个关系。由于这些可学习的查询是类型无关的，本发明无须对每一种关系类别都手动构造自然查询，这是低效且耗费人力的。为了获得最终的关系三元组，本发明设计了关系指针将两组查询的结果关联起来。此外，通过注意机制，本发明可以很自然地对两个任务之间的相互依赖进行建模，这在基于跨度分类的方法中是难以实现的。
一种基于查询网络联合实体关系抽取方法

[发明专利]一种博弈对话中基于对话历史和强化学习的多轮对话方法-CN202110378191.5有效
发明人： 庄越挺;汤斯亮;程广钊;谭炽烈;肖俊;李晓林;蒋韬 -专利权人：浙江大学;同盾控股有限公司
申请日： 2021-04-08 - 公布日： 2022-12-06 - 主分类号： G06F16/9032 文献下载
摘要：本发明公开了一种博弈对话中基于对话历史和强化学习的多轮对话方法，属于智能体和强化学习模型领域。该方法包括如下步骤：首先将多轮对话作为一个有限重复博弈的过程，存储已经结束的完整多轮对话，构建既往对话历史信息库；然后在一个新的多轮对话中，基于记忆网络构建对手行动估计模型，用当前对话已经进行的轮次去检索对话历史信息库，通过多步估计产生对手下一步策略的估计向量；最后基于编码‑解码模型融合当前对话的信息和估计向量，做出下一步的应答。本发明在多轮对话过程中，将既往对话历史的估计向量和当前对话历史的回应向量进行融合，能够更充分地利用了历史信息，使得对话机器人(智能体)具备更高的适应性、做出更好的应答。
一种博弈对话基于历史强化学习轮对方法

[发明专利]一种基于跨媒体解纠缠表示学习的风格化图像描述生成方法-CN202210861710.8在审
发明人：张寅;蔺泽浩;李国趸;邓悦;庄越挺 -专利权人：浙江大学
申请日： 2022-07-20 - 公布日： 2022-11-04 - 主分类号： G06T3/00 文献下载
摘要：本发明公开了一种基于跨媒体解纠缠表示学习的风格化图像描述生成方法。本发明分别从图像和描述文本中使用了两个解纠缠表示学习模块非对齐地学习解纠缠表示来分别学习图像和图像描述中解纠缠的事实信息和风格信息。在推理阶段，模型利用图像描述生成解码器以及一种特别设计的基于胶囊网络的信息聚合方法来充分利用先前学习的跨媒体信息表示，并通过直接控制隐层向量来生成目标风格的图像描述。和现有技术相比，本发明利用了解纠缠表示学习的技术提升了模型的可解释性和可控性。模型的跨媒体解纠缠表示可以带来更好的风格化图像描述生成性能，相对于现有的先进风格化图像描述生成模型，技术可在多个指标上的获得性能提升。
一种基于媒体纠缠表示学习风格图像描述生成方法

[发明专利]基于图神经网络的上下位关系抽取方法-CN202210519548.1在审
发明人： 庄越挺;宗畅;陈泽群;邵健 -专利权人：浙江大学
申请日： 2022-05-12 - 公布日： 2022-10-04 - 主分类号： G06F40/279 文献下载
摘要：本发明提供了一种基于图神经网络的上下位关系抽取方法。该方法首先通过字符串匹配的方式从文献库中发现出现待预测术语的文献，将这些文献的标题、摘要和待预测术语本身进行分级建图，同时，应用预训练语言模型获取图中每个节点的语义特征表示从而完成数据关联，得到描述每对待判别术语之间上下位关系的特征图；应用图表示学习算法学习图中每个节点的特征表示；对于图中学习到的每个节点的特征，分别聚合待判别术语对在不同节点上的特征表示；根据构建的待判别术语对的特征表示，判断两个术语之间是否具有上下位的关系。本发明提出的方法能聚合上下位词在不同篇章之内的信息，从而更加准确的判别上下位关系。
基于神经网络下位关系抽取方法

[发明专利]一种基于强化学习增强的图嵌入专家实体对齐方法-CN202210060387.4在审
发明人：邵健;胡单春;鲁伟明;庄越挺;宗畅 -专利权人：浙江大学
申请日： 2022-01-19 - 公布日： 2022-07-29 - 主分类号： G06N5/02 文献下载
摘要：本发明公开了一种基于强化学习增强的图嵌入实体对齐方法。本发明采用构建异构子图的方式，仅对待对齐实体对的n‑hop邻居进行消息聚合，直接降低计算资源要求。使用基于特征线性调制的图嵌入学习算法，引入超网络思想，以少量参数完成高计算复杂性的消息传递机制与节点更新机制，从而更好地利用节点间的交互信息。此外，本发明提出了一种强化学习增强的节点选择器，提出并在节点选择器中应用基于自监督信号的可靠性度量方法，采样一定数量的可靠边，在限制异构子图的大小的同时过滤问题边，保证参与节点更新的边的可靠性。本发明还实现了一种基于强化学习的节点采样数量更新策略，动态优化采样节点数目，增强节点选择器。
一种基于强化学习增强嵌入专家实体对齐方法

[发明专利]一种基于关系型图卷积网络的小样本细粒度实体分类方法-CN202110346254.9有效
发明人：鲁伟明;陈晨;庄越挺 -专利权人：浙江大学
申请日： 2021-03-31 - 公布日： 2022-05-24 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于关系型图卷积网络的小样本细粒度实体分类方法。首先，对句子中待分类的实体采用“实体‑上下文编码器”进行编码，并使用对抗学习加强模型鲁棒性，使用数据增强自动生成新数据。其次，构建可有效感知小样本的类别共现图，并利用关系型图卷积网络对类别进行编码。之后，通过匹配实体和类别的编码来对实体进行分类。整个模型通过元学习方式进行训练。最后，将小样本的类别数据输入模型对其参数进行微调，即可利用该模型为这些小样本类别的其他目标实体进行分类。
一种基于关系图卷网络样本细粒度实体分类方法

[发明专利]一种推荐架构下的基于对比学习调优的论文作者消歧方法-CN202210060374.7在审
发明人： 庄越挺;胡单春;邵健;鲁伟明;宗畅 -专利权人：浙江大学
申请日： 2022-01-19 - 公布日： 2022-05-20 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种推荐架构下的基于对比学习调优的论文作者消歧方法。本发明将论文作者消歧任务抽象为单塔推荐架构下的推荐排序问题。提出基于WideDeep推荐架构的排序算法解决基于表示的深度学习模型的语义漂移问题，实现基于多字段多实例注意力机制的深度模型与基于特征工程的线性模型相结合，使模型同时具备较强的泛化能力与记忆能力。此外，注意到真实匹配对之间应存在一定潜在模式的数据特点，针对性提出一种对比学习调优算法，引入对比学习损失，构建对比学习的正负样本，促使模型学习区分真实匹配对的高层次特征。
一种推荐架构基于对比学习论文作者方法

[发明专利]一种基于论元子图提示生成与引导的篇章级多事件抽取方法-CN202210087670.6在审
发明人： 庄越挺;邵健;吕梦瑶;宗畅 -专利权人：浙江大学
申请日： 2022-01-25 - 公布日： 2022-05-20 - 主分类号： G06F40/216 文献下载
摘要：本发明公开了一种基于论元子图提示生成与引导的篇章级多事件抽取方法。本发明使用篇章级长文本编码器，以获取完备的文本特征，可以同时利用篇章级信息和句子级信息。通过多元论元关系抽取生成的事件草图来实现多事件的指代和定位，使用基于提示范式的预训练模型方法进行事件槽填充来实现论元的分类，从而提升多事件抽取准确率。该方法无需使用触发词，降低了对于数据集的标注负担。
一种基于元子提示生成引导篇章多事抽取方法

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
下一页»
尾页
共 212 条