“梁家卿”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16个，建议您升级VIP下载更多相关专利

[发明专利]基于大规模预训练语言模型和对比学习的简历推荐方法-CN202310034610.2在审
发明人：罗子钦;谢志辉;梁家卿;鹿大宽;肖仰华;吴显仁;徐伟招 -专利权人：深圳今日人才信息科技有限公司;复旦大学
申请日： 2023-01-10 - 公布日： 2023-07-18 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种基于大规模预训练语言模型和对比学习的简历推荐方法，本发明通过预训练语言模型，利用自监督学习方式在大量无标注语料上学习文本表示，相对传统的词向量模型可以更好地理解语言，获得更好的文本特征向量。通过充分利用预训练语言模型的这一优势，将简历和岗位描述文本分别使用预训练语言模型进行表示，得到文本特征向量后再进行基于对比学习的微调训练，优化特征向量所在的隐式特征空间内的分布情况，进而增强文本表示，可以在相同或较小的标注数据集大小上取得远胜于传统模型的表示效果与匹配准确度。
基于大规模训练语言模型对比学习简历推荐方法

[发明专利]面向招聘领域的职位概念自动获取与图谱扩展的方法-CN202310237736.X在审
发明人：冯建川;肖小范;梁家卿;肖仰华;谢志辉;吴显仁;徐伟招 -专利权人：深圳今日人才信息科技有限公司;复旦大学
申请日： 2023-03-02 - 公布日： 2023-06-23 - 主分类号： G06F16/36 文献下载
摘要：本发明公开一种面向招聘领域的职位概念自动获取与图谱扩展的方法，包括如下步骤：构建概念生成模型、层级文本分类模型；将岗位描述文本输入层级文本分类模型，输出与其对应的三级概念标签；判断该岗位描述文本是否属于现有的Taxonomy中的某个概念实体，若不属于，则调用概念生成模型生成与该岗位描述文本对应的新概念实体；在现有的Taxonomy中，寻找与该新概念实体对应的上位概念实体，并将该新概念实体作为上位概念实体的下位词。本发明设计了从概念生成到概念分类，再到概念扩展的完整自动化框架，整个框架流程和各模块的触发关系是具有独创性的，且在实际业务场景中验证了有效性。
面向招聘领域职位概念自动获取图谱扩展方法

[发明专利]基于大规模预训练生成模型的文档级简历解析方法-CN202211643987.X在审
发明人：黄韵澄;梁家卿;肖仰华;徐雯;谢志辉;吴显仁;徐伟招 -专利权人：深圳今日人才信息科技有限公司;复旦大学
申请日： 2022-12-20 - 公布日： 2023-06-02 - 主分类号： G06F40/205 文献下载
摘要：本发明公开了一种基于大规模预训练生成模型的文档级简历解析方法，步骤S1：采用文档格式解析模块识别简历文档，提取出简历文档中的文字数据，分析文字数据的逻辑流，并根据逻辑流将文字数据组织成统一的文本格式；步骤S2：采用区块划分模块输入简历文档的统一文本格式文字数据，并通过所述区块划分模型将文字数据划分到对应的信息区块中；步骤S3：采用细粒度信息抽取模块输入简历文档的区块划分结果，输出以键值对形式存储的细粒度抽取信息。本发明实现了处理不同格式的简历文档，实现端到端的基于滑动窗口的生成式大模型简历解析，实现包含长文本的文档级信息抽取，提升了简历解析的鲁棒性和泛化能力。
基于大规模训练生成模型文档简历解析方法

[发明专利]一种基于知识图谱的知识问答验证码生成系统及方法-CN201910153839.1有效
发明人：肖仰华;梁斌;梁家卿 -专利权人：上海数眼科技发展有限公司
申请日： 2019-03-01 - 公布日： 2023-05-16 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种基于知识图谱的知识问答验证码生成系统及方法，由种子选择模块、问题生成模块、答案获取模块、文本检索模块、验证码生成模块、验证模块组成，生成步骤如下：选择一个种子，这个种子即用于生成一个验证码问题组合，验证码包含一个问题和一个句子，用户需要阅读给出的句子，并通过点击句子中的词回答问题；若用户点击到句子中正确的问题答案，则用户通过验证，若问题过难，用户无法回答，也可以点击按钮更换另一道题目。本发明保证其需要人类理解自然语言的能力才能破解，用户只需要一次点击即可通过验证，且拥有多个选项以避免用户乱点即可通过，保证了验证码的多样性，其验证码的变化程度远远超出其他问答类验证码。
一种基于知识图谱问答验证生成系统方法

[发明专利]一种融合实体信息与热度的知识图谱推荐系统-CN201911272709.6有效
发明人：杜雨燕;梁斌;梁家卿;肖仰华 -专利权人：复旦大学
申请日： 2019-12-12 - 公布日： 2022-10-14 - 主分类号： G06F16/335 文献下载
摘要：本发明的目的在于提出能够充分利用知识图谱中语义信息以及图结构信息的推荐系统，该系统的主要特点包括：采用了实体的语义相似度的计算方法；采用了针对实体推荐应用的实体嵌入的计算方法；结合了图谱中的语义信息与图结构信息推荐实体。推荐系统具体包括：实体相似度计算模块，获取知识图谱的文本信息输入后计算获得实体的相似度；图谱嵌入式表示学习模块，以知识图谱中实体间的关系作为输入获得实体的嵌入式表示；以及实体推荐生成模块，基于用户的点击反馈数据，将实体相似度计算模块得到的相似度以及图谱嵌入式表示学习模块得到的嵌入式表示融合成最终相似度分数，从而让推荐应用向用户推荐实体。
一种融合实体信息热度知识图谱推荐系统

[发明专利]中文自然语言转数据库语言的方法及装置-CN202010303263.5有效
发明人：陈江捷;梁家卿;方世能;肖仰华 -专利权人：复旦大学
申请日： 2020-04-17 - 公布日： 2022-10-14 - 主分类号： G06F40/157 文献下载
摘要：本发明提供一种中文自然语言转数据库语言的方法及装置，用于根据数据库将用户输入的自然语言文本转换为可以对数据库进行查询的查询语句，其特征在于，包括如下步骤：预处理步骤，对自然语言文本进行规范化修正得到规范文本；列填充步骤，基于规范文本以及数据库中各个数据表的表头进行列填充处理从而生成连接符、SELECT列与对应的聚合函数以及WHERE列与对应的WHERE操作符；条件填充步骤，基于规范文本以及WHERE列对规范文本进行抽取并填充与WHERE列相对应的WHERE内容；组装输出步骤，将连接符、SELECT列与对应的聚合函数、WHERE列与对应的WHERE操作符和WHERE内容组装为查询语句并输出。
中文自然语言转数语言方法装置

[发明专利]一种文本的知识三元组抽取方法、装置及存储介质-CN201911259634.8有效
发明人：史肖飞;梁斌;梁家卿;肖仰华 -专利权人：复旦大学
申请日： 2019-12-10 - 公布日： 2022-06-14 - 主分类号： G06F16/33 文献下载
摘要：本发明提供一种文本的知识三元组抽取方法、装置及存储介质，针对多映射关系和多个关系共享头、尾实体的情况，能够准确的抽取出待处理文本中的全部结果，包括以下步骤：步骤S1，获取待处理文本；步骤S2，对待处理文本进行预处理；步骤S3，使用预定的文本多标签分类模型预测待处理文本中包含的关系类别集合；步骤S4，通过预定的文本数据抽取模型对待处理文本以及关系类别集合进行抽取从而得到头尾实体集合；步骤S5，对头尾实体集合进行后处理。
一种文本知识三元抽取方法装置存储介质

[发明专利]一种基于稀疏用户行为数据的知识图谱增强的推荐系统-CN201911279154.8有效
发明人：宋世波;梁斌;梁家卿;肖仰华 -专利权人：复旦大学
申请日： 2019-12-13 - 公布日： 2022-06-14 - 主分类号： G06F16/9536 文献下载
摘要：本发明提供一种基于稀疏用户行为数据的知识图谱增强的推荐系统，用于在稀疏用户历史行为记录数据场景下，完成高准确率的用户兴趣挖掘从而生成与用户兴趣相关的用户推荐结果并推荐给用户，其特征在于，包括：用户兴趣挖掘模块，用于对各个用户的用户行为数据进行挖掘从而得到对应用户兴趣的初步推荐结果；以及推荐结果重排模块，用于对初步推荐结果进行重排和调整从而得到更契合用户兴趣的用户推荐结果，其中，用户兴趣挖掘模块包括预处理部、用户画像构建部、语义扩展部、标签池构建部、标签过滤部以及标签采样部，推荐结果重排模块包括访问对象扩展部以及推荐结果调整部。
一种基于稀疏用户行为数据知识图谱增强推荐系统

[发明专利]面向多模态知识图谱构建的识别视觉概念的方法-CN202210188998.7在审
发明人：蒋雪瑶;肖仰华;李直旭;梁家卿;郭放 -专利权人：复旦大学
申请日： 2022-02-28 - 公布日： 2022-05-17 - 主分类号： G06F16/901 文献下载
摘要：本发明提供一种面向多模态知识图谱构建的识别视觉概念的方法，第一次显式地提出在面向多模态知识图谱构建过程中有针对地识别视觉概念这一问题，将该问题建模为一个二分类问题，筛选并设计了解决该分类问题所需的特征数据，从而构建出了一个双流的含BERT模型和图像分类模型的多模态分类模型，用来编码和融合待测概念的文本特征和图像特征，从而达到区分视觉概念和非视觉概念的目的。同时，该多模态分类模型采用了二阶段的PULearning的训练方法，用纯自动化的方式实现了训练数据的初始化，用自训练的思想在迭代中自动化地有效地扩充训练数据集，在扩充的过程中也完全规避了人工的手段且提升了分类网络的准确率。
面向多模态知识图谱构建识别视觉概念方法

[发明专利]基于CN-DBpedia的实体识别与链接系统和方法-CN201810173270.0有效
发明人： 梁家卿;陈砺寒;肖仰华 -专利权人：复旦大学
申请日： 2018-03-02 - 公布日： 2022-04-12 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种基于CN‑DBpedia的实体识别与链接系统和方法。该系统包括实体链接模块和实体识别模块；实体链接模块包括同义词匹配单元和实体链接单元；实体识别模块包括分词器、词概率计算单元和实体判别单元。本发明构建了实体与词语的语义关系，从而能在极少的上下文中挖掘到与实体的关系。本发明将基于机器学习的实体识别算法与非监督的分词算法融合。能从全局性的角度考虑实体名划分的合理性，又扩展了分词的词表空间，以更加合理的算法计算实体词的成词概率。本发明先链接再识别，使得实体识别时充分利用到了文本的语义信息，实现更好的分词与实体识别。
基于 cn dbpedia 实体识别链接系统方法

[发明专利]无监督的领域知识图谱自动化构建系统-CN201911263803.5在审
发明人：周元辅;梁斌;梁家卿;肖仰华 -专利权人：复旦大学
申请日： 2019-12-11 - 公布日： 2021-06-11 - 主分类号： G06F16/335 文献下载
摘要：本发明的目的在于实现领域知识图谱的自动化构建。具体地，本发明提供了一种无监督的领域知识图谱自动化构建系统，用于基于预定领域的领域语料建立该领域的领域知识图谱，其特征在于，包括：领域词挖掘模块，基于统计和规则相结合的词汇挖掘方法从领域文本文档中挖掘出领域相关的词语，从而输出领域词表；关系挖掘模块，通过预定规则初步建立起领域词表中的领域词之间的关系；概念挖掘模块，用于采用聚类手段进行概念挖掘从而进一步丰富领域词之间的关系。本发明的系统能够基于各领域均存在的文档作为切入点进行知识图谱构建，很好地适应于不同的领域；另一方面，构建过程不需要领域专家参与，能够降低工作量以及构建成本。
监督领域知识图谱自动化构建系统

[发明专利]基于领域适应的自然语言处理任务的迁移学习系统和方法-CN201710877941.7有效
发明人：肖仰华;谢晨昊;梁家卿;崔万云 -专利权人：上海数眼科技发展有限公司
申请日： 2017-09-26 - 公布日： 2021-05-18 - 主分类号： G06N3/04 文献下载
摘要：本发明公开了一种基于领域适应的自然语言处理任务的迁移学习系统和方法，包括：开放领域部分模块和特定领域部分模块，其中，开放领域部分模块，用于：利用已有的开放领域数据进行训练，根据不同自然语言处理任务修改输出层，具体包括：LSTM网络对开放领域进行训练，可以获得开放领域神经网络的权重矩阵；特定领域部分模块，用于：构造特定领域神经网络，根据不同自然语言处理任务修改输出层，与开放领域部分输出层一致；其中，保持重复部分神经网络权重矩阵与已经训练好的开放领域神经网络权重矩阵相同，训练特定领域神经网络，根据输出层结果得到不同自然语言处理任务的结果。其解决了自然语言处理任务中领域适应的问题。
基于领域适应自然语言处理任务迁移学习系统方法

[发明专利]一种基于深度学习的短文本依存分析方法-CN201710934201.2有效
发明人：肖仰华;谢晨昊;梁家卿;崔万云 -专利权人：上海数眼科技发展有限公司
申请日： 2017-10-10 - 公布日： 2021-01-08 - 主分类号： G06F40/289 文献下载
摘要：本发明公开了一种基于深度学习的短文本依存分析方法，包括：步骤1)从搜索引擎日志中，获取用户查询语句所在的HTML文件，作为训练数据集；步骤2)根据训练数据集生成查询语句的依存分析树；步骤3)使用依存树训练基于神经网络模型的词性标注器和句法分析器。本发明利用现用的句子级别的依存分析器，自动生成海量的短文本依存分析数据集，并用多种方法对生成的数据集进行降噪和优化。我们在此数据集的基础上训练了短文本的依存分析模型，实验表明此模型在短文本上的标注效果相比句子级别的依存分析器有大幅度的提高。
一种基于深度学习文本依存分析方法

[发明专利]一种基于知识图谱的自然语言问答实现方法和系统-CN201710139458.9有效
发明人：崔万云;梁家卿;肖仰华 -专利权人：上海数眼科技发展有限公司
申请日： 2017-03-10 - 公布日： 2020-05-08 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于知识图谱的自然语言问题实现方法和系统，包括：在线部分模块，其中，所述在线部分模块，包括：复杂问题解析单元，用于接受用户提出自然语言问题，并对问题进行解析，如果问题是复杂性问题，则将其分解为一系列的二元事实型问题；概率推导单元，用于对每一个二元事实型问题，用概率推算的方法来找它的值，其中，该概率推算过程用到了P(P|T)，即已知模板(template)，对应谓语(predicate)的实体和值概率；知识图谱查询单元，用于从从预先训练的知识图谱中找到并返回答案。本发明以知识图谱为知识来源，以问题模板为表示问题、理解问题的基本单元，可以直线快速、准确的自然语言问题回答。
一种基于知识图谱自然语言问答实现方法系统

[发明专利]一种基于深度学习的结构化信息抽取方法-CN201710139457.4有效
发明人：谢晨昊;梁家卿;肖仰华 -专利权人：上海数眼科技发展有限公司
申请日： 2017-03-10 - 公布日： 2020-03-31 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种基于深度学习的结构化信息抽取方法，包括：步骤1)采用远程监控来构建大规模标记数据，包括：使用现有的维基百科提供远程监督来构建提取器；其中，签字，维基百科信息框包含关于实体的结构化事实，这些事实也在实体网页的自由文本部分中提及，使用在信息框中表达事实的句子作为训练数据；步骤2)利用先验知识，其具有类型和短语信息，整合到结构化信息抽取模型中；其中，自然语言句子中的单词的标签与其先前的单词及其连续的单词相关；步骤3)使用双向隐藏的LSTM层来利用过去和未来的输入特征；将每个句子以序列的形式输入一个双向的LSTM模型中；步骤4)最终输出标记序列，其具有真或假标记，且具有与输入单词序列相等的长度。
一种基于深度学习结构信息抽取方法

1
2
下一页»
尾页
共 16 条