“邓健峰”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10个，建议您升级VIP下载更多相关专利

[发明专利]基于边缘计算的水下鬼成像系统及深度学习图像重建方法-CN202110594841.X有效
发明人：吴衡;杨鹏;陈梅云;罗劭娟;吴文昊;赵瑞通;邓健峰;徐利民 -专利权人：广东工业大学
申请日： 2021-05-28 - 公布日： 2023-05-23 - 主分类号： G06T11/00 文献下载
摘要：本申请公开了一种基于边缘计算的水下鬼成像系统及深度学习图像重建方法，系统包括：光源：用于向光调制装置的有效调制区域发射光线；光调制装置：用于通过散斑对光线进行调制并对调制后的光线进行反射，使得反射的光线沿着投影透镜的光轴通过投影透镜后射向水体中的目标物；会聚透镜用于：会聚经目标物反射的光线；光强探测器用于：对会聚后的光线的光强度信息进行采集；边缘计算模块的第一端与光调制装置连接，用于向光调制装置发送散斑；边缘计算模块的第二端与光强探测器连接，用于控制光强探测器采集光强度信息，根据光强度信息通过深度学习图像重建算法获取目标物的图像。解决了现有技术计算量大、成像分辨率低、成像质量差的问题。
基于边缘计算水下成像系统深度学习图像重建方法

[发明专利]基于混合神经网络的远程监督关系抽取方法及装置-CN202110678981.5有效
发明人：程良伦;古锐明;王涛;王卓薇;邓健峰;周佳乐 -专利权人：广东工业大学
申请日： 2021-06-18 - 公布日： 2023-01-20 - 主分类号： G06F40/284 文献下载
摘要：本申请公开了基于混合神经网络的远程监督关系抽取方法及装置，方法包括：将获取到的目标文本语句转换成预置语句向量；采用预置混合神经网络模型根据预置语句向量提取结构特征向量，预置混合神经网络模型包括预置Bi‑GRU网络和预置PCNN网络；基于结构特征向量计算目标文本语句对预置种子样本关系的支持度，支持度包括语义相似度和关系相似度；从降序排列的支持度中选取对应预置数量的结构特征向量进行组合，得到组合特征向量；根据组合特征向量进行预置关系概率计算，得到最佳正实例。本申请解决了现有技术对人工标注语料的依赖性较强，或者受噪声样本影响较大，导致关系抽取效果较差的技术问题。
基于混合神经网络远程监督关系抽取方法装置

[发明专利]一种面向供应链知识获取的对抗式生成实体识别方法-CN202210859677.5在审
发明人：程良伦;黄心怡;王涛;邓健峰 -专利权人：广东工业大学;广东能哥知识科技有限公司
申请日： 2022-07-20 - 公布日： 2022-09-27 - 主分类号： G06F40/279 文献下载
摘要：本发明公开了一种面向供应链知识获取的对抗式生成实体识别方法，包含两个阶段，阶段一对实体识别生成器模型进行预训练，阶段二进行对抗性训练。本发明提出的新的实体识别生成器模型进行供应链领域实体识别，提升供应链领域实体识别性能，并且能大大降低供应链领域数据标注成本。
一种面向供应知识获取对抗生成实体识别方法

[发明专利]一种实体与关系联合抽取的方法-CN202110643930.9有效
发明人：程良伦;林锐明;王涛;王卓薇;邓健峰;周佳乐 -专利权人：广东工业大学
申请日： 2021-06-09 - 公布日： 2022-07-26 - 主分类号： G06F40/295 文献下载
摘要：本申请公开了一种实体与关系联合抽取的方法，包括：将文本转化为低维稠密的向量，得到第二文本；提取其上下文特征；分析其依存关系并建立依存树；将依存树作为邻接矩阵，提取其图的第一节点特征并转化成标签序列，搜索标签序列，预测第一阶段命名实体结果；提取第二文本的深度文本特征；将命名实体结果与深度文本特征进行拼接，预测其关系；将命名实体结果与关系预测结果转化成图结构；将图结构作为邻接矩阵，提取其第二节点特征；将更新后的文本特征转化成标签序列，搜索标签序列，预测文本特征的第二阶段的命名实体结果；并将其嵌入到深度文本特征，预测嵌入结果的关系。本申请考虑子任务之间的关系，解决一类实体涉及多类实体关系的问题。
一种实体关系联合抽取方法

[发明专利]一种多特征融合的供应链管理实体知识抽取的方法及系统-CN202110729303.7在审
发明人：程良伦;陈森烨;王涛;王卓薇;邓健峰;周佳乐 -专利权人：广东工业大学
申请日： 2021-06-29 - 公布日： 2021-09-17 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种多特征融合的供应链管理实体知识抽取的方法及系统，将数据集中的文本句子转换为字符级向量表示和部首级向量表示，合并并输入卷积层后获得局部上下文特征向量；从字符级特征向量中获取上下文特征向量，输入卷积层中获得上下文突出特征向量；合并上下文特征向量、局部上下文特征向量和上下文突出特征向量后输出得到隐层向量；构造各个实体之间关系的权重连接图，提取区域节点特征，结合实体和权重连接图进行实体预测。本发明能够更好地针对未出现在训练集而未经过训练的汉字进行语义推理，从而降低了对供应链管理知识领域数据集进行知识抽取的难度，改善了知识抽取的效果，使得对该领域数据集的知识抽取能够达到预期的效果。
一种特征融合供应管理实体知识抽取方法系统

[发明专利]一种知识联合抽取模型训练方法-CN202110466416.2在审
发明人：王涛;周佳乐;程良伦;王卓薇;邓健峰 -专利权人：广东工业大学
申请日： 2021-04-28 - 公布日： 2021-06-22 - 主分类号： G06F40/295 文献下载
摘要：本申请公开了一种知识联合抽取模型训练方法，包括：S1：采用初始种子训练集训练预置联合抽取模型，得到更新联合抽取模型，初始种子训练集包括第一标签，预置联合抽取模型用于实体识别和关系抽取；S2：通过无标注测试集对更新联合抽取模型进行测试，得到测试结果；S3：基于最大熵原理对测试结果进行评估分析，得到评估置信度；S4：在评估置信度小于置信度阈值时，将添加第二标签后的无标注测试集加入初始种子训练集中，并执行步骤S1‑S3。本申请能够解决现有技术需要大量的人力进行语料标注，且将实体识别和关系抽取分别作独立任务完成，导致实际操作耗费人力的同时还忽略了信息抽取过程中的关联性的技术问题。
一种知识联合抽取模型训练方法

[发明专利]一种文本分类方法、装置、终端及存储介质-CN202010268806.4在审
发明人：王涛;周佳乐;邓健峰 -专利权人：广东工业大学
申请日： 2020-04-08 - 公布日： 2020-07-31 - 主分类号： G06F16/33 文献下载
摘要：本申请提供了一种文本分类方法、装置、终端及存储介质，其中方法包括：获取文本数据；通过预设的Bert文本处理模型对所述文本数据进行分词处理，得到词向量；通过预设的上下文特征提取模型，从所述文本数据提取各个所述词向量对应的上下文特征数据；将所述上下文特征数据输入至预设的胶囊网络分类模型进行主题分类运算，输出分类结果。本申请采用结合Bert、GAT、胶囊网络的方法，通过Bert预处理，GAT学习文本上下文特征，然后通过胶囊网络对特征进行主题分类通过胶囊网络中动态路由的过程，减少了卷积神经网络中数据在反向传播过程中可能给文本分类器模型带来的一些弊端，从而提高文本分类的准确性，解决了现有的深度学习方法文本分类准确率低的技术问题。
一种文本分类方法装置终端存储介质

[发明专利]一种基于混合双向循环胶囊网络模型的中文文本分类方法-CN202010104287.8在审
发明人：程良伦;邓健峰 -专利权人：广东工业大学
申请日： 2020-02-20 - 公布日： 2020-06-09 - 主分类号： G06F16/35 文献下载
摘要：本申请公开了一种基于混合双向循环胶囊网络模型的中文文本分类方法，包括：构建混合双向循环胶囊网络模型，混合双向循环胶囊网络模型包括BiGRU网络和胶囊网络；将基于获取的待分类中文文本得到的第一字符向量输入到混合双向循环胶囊网络模型，使得BiGRU网络基于第一字符向量提取待分类中文文本的上下文特征，胶囊网络对上下文特征进行处理，输出待分类中文文本的分类结果，从而解决了现有的文本分类方法存在梯度爆炸以及容易在池化层丢失信息，无法获取文本全局信息，使得文本分类准确率不高的技术问题。
一种基于混合双向循环胶囊网络模型中文文本分类方法

[发明专利]一种中文文本命名实体的识别方法-CN201910779133.6有效
发明人：程良伦;邓健峰;张凡龙 -专利权人：广东工业大学
申请日： 2019-08-22 - 公布日： 2019-11-19 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种中文文本命名实体的识别方法，包括：当接收到命名实体识别请求时，对命名实体识别请求进行解析，得到待识别中文文本；将待识别中文文本以句子为分析单位，分别提取各句子中的字符特征、词语特征及整个句子特征；分别将待识别中文文本中各词语的字符特征、词语特征及所在句子的句子特征进行拼接，得到各词语分别对应的特征序列；提取各特征序列的上下文特征，得到上下文特征提取结果；根据上下文特征提取结果，利用马尔科夫转移矩阵法从各词语中标注出待识别中文文本的各命名实体。本发明较大地提高了命名实体识别的性能，提高了识别准确率。本发明还公开了一种中文文本命名实体的识别装置、设备及存储介质，具有相应技术效果。
命名实体中文文本上下文特征句子词语词语特征句子特征特征序列字符特征转移矩阵法存储介质技术效果识别装置准确率拼接标注解析分析

[发明专利]一种知识图谱生成方法、装置、设备及可读存储介质-CN201910292766.4在审
发明人：程良伦;邓健峰;张凡龙 -专利权人：广东工业大学
申请日： 2019-04-10 - 公布日： 2019-07-09 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种知识图谱生成方法，该方法包括：获取三元组实体结构向量，以及三元组实体结构向量中各个实体的描述文档；对描述文档进行分词统计处理，获得文档词语分布矩阵，并利用文档词语分布矩阵，获得实体描述特征向量；对实体描述特征向量与三元组实体结构向量进行相加处理，获得初始三元组结构向量；对初始三元组结构向量进行筛选获得目标三元组向量，并利用目标三元组向量生成知识图谱。应用该方法，利用计算机技术分析实体的描述文档，获得实体与实体之间的关系，可获得数量更多且准确的三元组，如此便可构建出大规模且准确的知识图谱。本发明还公开了一种知识图谱生成装置、设备及可读存储介质，具有相应的技术效果。
向量图谱三元组描述文档实体结构可读存储介质三元组结构三元组向量分布矩阵描述特征文档词语计算机技术技术效果生成装置统计处理分词构建相加筛选应用分析

1
共 10 条