“胡琳梅”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]一种基于预训练语言模型的常识问答方法及系统-CN202310853303.7在审
发明人： 胡琳梅;赵紫望;戚伟健 -专利权人：北京理工大学
申请日： 2023-07-12 - 公布日： 2023-10-03 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于预训练语言模型的常识问答方法及系统，属于常识问答技术领域，能够解决现有模型在常识问答任务上的性能较差，且计算成本较高的问题。所述方法包括：S1、获取查询答案对；查询答案对包括一个查询语句和与查询语句对应的多个候选答案中的一个候选答案；S2、从外部知识库中提取查询答案对的外部相关知识；S3、将查询答案对输入预训练语言模型中，并利用适配器将外部相关知识与预训练语言模型输出的查询输出特征进行整合，得到整合后特征；S4、根据整合后特征计算查询答案对的可信度得分，并将可信度得分最高的查询答案对中的候选答案作为查询语句的正确答案。本发明用于常识问答。
一种基于训练语言模型常识问答方法系统

[发明专利]一种基于提示学习的事件因果关系判别方法及装置-CN202310269989.5在审
发明人：张威威;吴斌;胡琳梅 -专利权人：北京邮电大学
申请日： 2023-03-15 - 公布日： 2023-07-25 - 主分类号： G06F40/30 文献下载
摘要：本申请提出了一种基于提示学习的事件因果关系判别方法及装置，涉及事件因果领域，该方法包括：对原始文本进行预处理与分词处理，生成输入文本；设置持续提示信息和模板，将输入文本与持续提示信息嵌入到模板中，生成拼接数据，其中，模板中包含一个MASK字符；通过语言模型BERT对拼接数据进行编码，将经过编码后MASK位置的信息输入到掩码语言模型MLM，生成目标向量；将目标向量输入至浅层全连接神经网络，得到二维概率向量，其中，二维概率向量为概率为0或1的概率值。本申请将提示学习方法应用于事件因果判别任务，并对提示学习方法进行改进，使用浅层全连接神经网络对包含类似语义的词的概率进行加权处理，完成自然语言文本中的二分类任务，具有实用性。
一种基于提示学习事件因果关系判别方法装置

[发明专利]一种多模态虚假新闻检测方法及系统-CN202211137170.5有效
发明人： 胡琳梅;陈子薇;赵鑫妍 -专利权人：北京邮电大学
申请日： 2022-09-19 - 公布日： 2023-07-25 - 主分类号： G06F18/213 文献下载
摘要：本发明公开了一种多模态虚假新闻检测方法及系统，属于信息检测技术领域，能够解决现有多模态虚假新闻检测方法检测效果较差的问题。所述方法包括：S1、对待检测新闻进行图文匹配检测，得到待检测新闻的图文匹配概率；S2、对待检测新闻进行分类预测，得到待检测新闻的初始分类概率；S3、利用图文匹配概率调整初始分类概率，得到待检测新闻的最终分类概率。本发明用于虚假新闻检测。
一种多模态虚假新闻检测方法系统

[发明专利]一种基于树型胶囊网络的关系抽取方法及装置-CN202010669942.4有效
发明人：石川;胡琳梅;杨天持 -专利权人：北京邮电大学
申请日： 2020-07-13 - 公布日： 2023-07-18 - 主分类号： G06F40/289 文献下载
摘要：本发明实施例提供了一种基于树型胶囊网络的关系抽取方法及装置，涉及文字处理领域，可以提高关系抽取的准确性。本发明实施例的技术方案包括：利用序列编码器编码待识别文本中的各词语，得到词向量矩阵，其中，词向量矩阵包括对每个词语编码后得到的词向量。然后拼接待识别文本中的两个指定实体的嵌入表示，与待识别文本的嵌入表示，作为序列句嵌入表示。并利用树型胶囊网络，对待识别文本的短语结构树进行编码，得到结构句嵌入表示，短语结构树用于表示待识别文本的句法结构，短语结构树的每个叶子节点对应待识别文本的一个词语。再根据序列句嵌入表示和结构句嵌入表示，确定两个指定实体之间的关系类别。
一种基于胶囊网络关系抽取方法装置

[发明专利]一种信息推荐方法及装置-CN202010636805.0有效
发明人： 胡琳梅;石川;许斯泳 -专利权人：北京邮电大学
申请日： 2020-07-03 - 公布日： 2023-01-17 - 主分类号： G06F16/9535 文献下载
摘要：本发明实施例提供了一种信息推荐方法及装置，所述方法包括：获取待推荐二部图的拓扑信息、待推荐二部图中每个用户节点对应的用户信息及待推荐二部图中每个信息节点对应的内容信息；将拓扑信息、用户信息及内容信息输入信息推荐模型，确定每个用户节点对应的用户向量和每个信息节点对应的信息向量；基于用户向量表示的兴趣偏好、信息向量表示的内容特点及信息向量表示的语义信息，确定每个用户节点所表示的用户浏览候选信息节点所表示的信息的概率，作为预测概率；基于预测概率，向二部图中的每个用户节点所表示的用户推荐与该用户节点不存在历史浏览关系的信息节点所表示的信息。应用本发明实施例，可以更加准确地向用户推荐用户感兴趣的信息。
一种信息推荐方法装置

[发明专利]一种用于短文本的分类方法及装置-CN201910945503.9有效
发明人：石川;胡琳梅;杨天持 -专利权人：北京邮电大学
申请日： 2019-09-30 - 公布日： 2022-07-22 - 主分类号： G06F16/35 文献下载
摘要：本发明实施例提供了一种用于短文本的分类方法及装置，该方法在对待分类短文本进行分类时，根据从待分类短文本中获取的实体和所述主题分别与待分类短文本的所属关系，构建文本异质图，并将构建的文本异质图输入至预设的文本分类模型中，得到所述待分类短文本的分类结果，应用本发明实施例构建的文本异质图能够捕捉待分类短文本中的语义关系，且对异质图卷积神经网络训练时无需太多的标注数据，使得训练后的文本分类模型对短文本分类时的准确率更高，可见，应用本实施例提供的方法能够提高对短文本分类的准确率。
一种用于文本分类方法装置

[发明专利]一种基于文本的实体关系抽取方法及装置-CN201910944006.7有效
发明人： 胡琳梅;石川;张路浩 -专利权人：北京邮电大学
申请日： 2019-09-30 - 公布日： 2022-07-01 - 主分类号： G06F16/31 文献下载
摘要：本发明实施例提供了一种基于文本的实体关系抽取方法及装置，该方法从预设的语料库中确定待处理文本中待处理实体所属描述文本中的词作为待处理词；根据待处理实体和待处理词分别与待处理文本的所属关系，得到文本向量表示；将述文本向量表示输入至预设的关系分类模型，得到待处理实体间的关系表示，本实施例引入了待处理实体及待处理实体所属的描述文本，以使得到的文本向量表示包含了待处理实体存在的潜在信息，可见，应用本实施例提供的方法能够提高对文本进行分类的准确率。
一种基于文本实体关系抽取方法装置

[发明专利]一种虚假信息检测模型训练方法及虚假信息检测方法-CN202210301579.X在审
发明人： 胡琳梅;赵紫望;孟涵 -专利权人：北京邮电大学
申请日： 2022-03-25 - 公布日： 2022-06-24 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种虚假信息检测模型训练方法及虚假信息检测方法，其中虚假信息检测模型训练方法包括：获取训练信息，训练信息包括文本和图像；将文本和图像分别输入至各自的编码器中，得到文本表示和图像表示；将文本表示和图像表示进行交互，确定面向文本的多模态特征和面向视觉的多模态特征；将面向文本的多模态特征和面向视觉的多模态特征分别输入至各自的分类器中，得到面向文本的损失值和面向视觉的损失值；根据面向文本的损失值和面向视觉的损失值确定虚假信息检测模型的目标函数，根据目标函数训练虚假信息检测模型。本发明提高了虚假信息检测的准确性及效率。
一种虚假信息检测模型训练方法

[发明专利]一种基于图神经网络的实体链接方法及装置-CN201910944936.2有效
发明人： 胡琳梅;石川;丁嘉瑜 -专利权人：北京邮电大学
申请日： 2019-09-30 - 公布日： 2022-04-12 - 主分类号： G06F16/36 文献下载
摘要：本发明实施例提供了一种基于图神经网络的实体链接方法及装置，该方法在对待链接对象进行实体链接时，从预设的知识库中确定待链接文本中所指定的待链接对象对应的实体作为潜在候选实体；根据关联对象，从潜在候选实体中确定指定候选实体；根据指定候选实体间的语义关系，构建实体‑单词异质图；将实体‑单词异质图输入至预设的向量表示模型中，得到实体‑单词异质图中实体的实体向量表示，将所得到的实体向量表示输入至预设的条件随机场CRF中，得到每一实体的链接值，并依据链接值，从指定候选实体中选择每一待链接对象对应的链接实体。应用本实施例提供的方法能够提高实体链接的准确率。
一种基于神经网络实体链接方法装置

[发明专利]一种用户注意力引导的多模态对话系统及方法-CN201910458875.9有效
发明人：王文杰;聂礼强;崔晨;尹建华;程志勇;胡琳梅 -专利权人：山东大学
申请日： 2019-05-29 - 公布日： 2021-08-24 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种用户注意力引导的多模态对话系统及方法，采用多模态编码器和解码器能够分别编码多模态话语和生成多模态回复。该系统包括数据获取模块、文本特征提取模块、多模态编码器和多模态解码器；所述数据获取模块获取文本信息和商品的视觉图像信息；文本特征提取模块生成注意力加权的文本特征；多模态编码器采用卷积神经网络模型提取视觉图像的视觉特征，将视觉特征输入分类—属性组合树中进行遍历，得到属性级视觉特征；对视觉特征和文本特征进行多模态分解双线性池化处理，生成多模态话语向量；多模态解码器生成上下文向量；基于上下文向量，选择一定量所需商品的可视图像及其文本属性，对其进行解码处理，生成多模态的商品表示。
一种用户注意力引导多模态对话系统方法

[发明专利]一种异质信息网络嵌入方法、装置、电子设备及存储介质-CN201910052260.6有效
发明人：石川;陆元福;胡琳梅 -专利权人：北京邮电大学
申请日： 2019-01-21 - 公布日： 2021-03-19 - 主分类号： G06F16/22 文献下载
摘要：本发明实施例提供了一种异质信息网络嵌入方法、装置、电子设备及存储介质，方法包括：确定节点关系元组对应的目标关系；针对隶属关系的各节点关系元组，将该节点关系元组中节点间连接关系的初始嵌入向量、该节点关系元组中各节点的初始嵌入向量，输入到预先确定的异质信息网络嵌入模型的隶属关系模型中；针对交互关系的各节点关系元组，将该节点关系元组中节点间连接关系的初始嵌入向量、该节点关系元组中各节点的初始嵌入向量，输入到预先确定的异质信息网络嵌入模型的交互关系模型中；在异质信息网络嵌入模型值最小时，分别输出待处理异质信息网络中各节点的目标嵌入向量。本发明实现了对异质信息网络中各节点进行针对性的网络嵌入分析。
一种信息网络嵌入方法装置电子设备存储介质

[发明专利]T型梁混凝土及其施工方法-CN201810490980.6有效
发明人：梁丽敏;田帅;李世华;马敏超;焦岩;周耀旭;姜刚云;曹宝;王小亮;王双龙;黑金龙;王俊杰;胡琳梅;徐林涛 -专利权人：云南建投绿色高性能混凝土股份有限公司
申请日： 2018-05-21 - 公布日： 2021-02-19 - 主分类号： C04B28/04 文献下载
摘要：本发明公开了一种T型梁混凝土及其施工方法，从原材料选用、配合比设计、生产控制、运输控制、施工控制及养护控制制定了整套的控制措施，突破了现有高寒地区大温差条件下公路桥梁工程T型梁混凝土的生产施工及养护方法，克服了低温、干燥、大温差对混凝土的损害，避免了混凝土的开裂、提高了混凝土的防冻能力及抗冻性能，确保了T型梁的在严酷条件下的工程质量与工程进度。
混凝土及其施工方法

[发明专利]一种知识图谱的表示学习方法及装置-CN201910944934.3在审
发明人：石川;胡琳梅;张梦玫 -专利权人：北京邮电大学
申请日： 2019-09-30 - 公布日： 2020-01-17 - 主分类号： G06F16/36 文献下载
摘要：本发明实施例提供了一种知识图谱的表示学习方法及装置，该方法在在对知识图谱进行学习时，从所获取的待学习知识图谱中获取待学习实体；从第一语料库中获得待学习实体所属的描述文本中的待学习单词；根据待学习实体与待学习单词的所属关系，利用待学习单词间的相似性，构建实体‑单词异质图；将所构建的实体‑单词异质图输入至预设的第一实体‑关系表示预测模型中，得到第一实体表示结果。本实施例构建的实体‑单词异质图能够捕捉实体和单词之间的局部和全局的语义关系，以及实体和单词间的短距离语义关系和长距离语义关系。可见，应用本实施例提供的方法能够提高实体表示结果的准确度。
单词学习语义关系构建异质图谱实体表示关系表示描述文本所属关系预测模型准确度语料库预设捕捉全局应用

[发明专利]一种套现用户检测方法、装置及设备-CN201910052269.7在审
发明人：石川;胡斌斌;胡琳梅 -专利权人：北京邮电大学
申请日： 2019-01-21 - 公布日： 2019-05-24 - 主分类号： G06Q20/40 文献下载
摘要：本发明实施例提供了一种套现用户检测方法、装置及设备，其中，该方法包括：获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息，其中，针对各个待检测用户，该交互信息包括该待检测用户与其他待检测用户交互的信息和该待检测用户与待检测用户之外的其他对象交互的信息；针对各个待检测用户，根据该待检测用户的自身特征信息，以及该待检测用户的交互信息，确定该待检测用户的邻居特征信息；并将该待检测用户的自身特征信息和邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率；其中，注意力机制模型是根据多个训练样本训练得到的。通过本发明实施例提供的套现用户检测方法、装置及设备，提高检测的准确性。
检测自身特征信息装置及设备交互信息用户检测注意力机制特征信息邻居对象交互训练样本用户交互概率

[发明专利]一种基于深度学习技术的新闻子事件预测方法及装置-CN201710161795.8在审
发明人：李涓子;胡琳梅 -专利权人：清华大学
申请日： 2017-03-17 - 公布日： 2017-09-01 - 主分类号： G06F17/27 文献下载
摘要：本发明提供一种基于深度学习技术的新闻子事件预测方法及装置，所述方法包括步骤1，基于预处理过的大规模子事件序列数据，利用LSTM深度学习技术对子事件进行表示学习；步骤2，基于所述子事件表示学习和子事件主题，对子事件序列进行表示学习；步骤3，利用所述步骤2得到的子事件序列表示对下一个子事件进行预测；所述方法能够有效地实现子事件预测功能，能够预测在训练中语料中不存在的子事件，能获得更好的预测效果。
一种基于深度学习技术新闻事件预测方法装置

1
2
下一页»
尾页
共 16 条