“鹿文鹏”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59个，建议您升级VIP下载更多相关专利

[发明专利]一种基于神经网络的智能医疗命名实体识别方法和装置-CN202010105826.X有效
发明人： 鹿文鹏;张若雨;于瑞;禹继国;贾瑞祥;成金勇 -专利权人：齐鲁工业大学
申请日： 2020-02-20 - 公布日： 2023-04-07 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种基于神经网络的智能医疗命名实体识别方法和装置，属于人工智能、自然语言处理技术领域，本发明要解决的技术问题为如何在有限的标注语料库上，设计出更为理想的机器学习模型，以便更深入地挖掘医疗命名实体的标注特征和规律，从而提高医疗命名实体标注的准确率，采用的技术方案为：该方法是利用三个卷积神经网络构建并行卷积神经网络，对医疗文本进行编码；再利用两个长短时记忆神经网络构建堆叠循环神经网络，对医疗文本进行编码；再分别将并行卷积神经网络输出的编码与堆叠循环神经网络输出的编码进行联接，得到优化后最终的文本编码向量；最后结合条件随机场模型，高效准确地识别医疗命名实体。
一种基于神经网络智能医疗命名实体识别方法装置

[发明专利]一种基于图模型的词义消歧方法和系统-CN201811503355.7有效
发明人：孟凡擎;燕孝飞;张强;陈文平;鹿文鹏 -专利权人：枣庄学院
申请日： 2018-12-10 - 公布日： 2023-04-07 - 主分类号： G06F40/205 文献下载
摘要：本发明公开了一种基于图模型的词义消歧方法和系统，属于自然语言处理技术领域，本发明要解决的技术问题为如何结合多种中英文资源，优势互补，实现充分挖掘资源中的消歧知识，提升词义消歧性能，采用的技术方案为：①一种基于图模型的词义消歧方法，包括如下步骤：S1、提取上下文知识：对歧义句进行词性标注，提取实词作为上下文知识，实词指名词、动词、形容词、副词；S2、相似度计算：分别做基于英文的相似度计算、基于词向量的相似度计算和基于HowNet的相似度计算；S3、构建消歧图；S4、词义的正确选择。②一种基于图模型的词义消歧系统，该系统包括上下文知识提取单元、相似度计算单元、消歧图构建单元以及词义正确选择单元。
一种基于模型词义方法系统

[发明专利]一种金融知识问答的文本交互匹配方法及装置-CN201910324242.9有效
发明人： 鹿文鹏;张旭;吴昊;黄河燕 -专利权人：齐鲁工业大学;北京理工大学
申请日： 2019-04-22 - 公布日： 2023-01-24 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种金融知识问答的文本交互匹配方法及装置，属于自然语言处理领域，本发明要解决的技术问题为如何准确地判断用户的金融知识问题与标准的金融知识问题的匹配程度，将用户问题映射到标准问题，技术方案为：①该方法包括如下步骤：S1、构建问题对知识库；S2、构建问题对匹配模型训练数据集；S3、构建问题对匹配模型，步骤如下：S301、构建字符映射转换表；S302、构建输入层；S303、构建字符向量映射层；S304、构建注意力机制的文本编码模型；S305、构建文本交互匹配层；S4、训练问题对匹配模型和意图相同的问题选择。②该装置包括问题对知识库构建单元、问题对匹配模型训练数据集生成单元、问题对匹配模型构建单元以及问题对匹配模型训练单元。
一种金融知识问答文本交互匹配方法装置

[发明专利]一种基于深度特征融合神经网络的问题对匹配方法和装置-CN201910323729.5有效
发明人： 鹿文鹏;张旭;禹继国 -专利权人：齐鲁工业大学
申请日： 2019-04-22 - 公布日： 2023-01-20 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种基于深度特征融合神经网络的问题对匹配方法和装置，属于自然语言处理领域，本发明要解决的技术问题为如何准确地判断用户问题与标准问题的匹配程度，整理出一套完整的问题对匹配模型，技术方案为：①该方法包括如下步骤：S1、构建问题对知识库；S2、构建问题对匹配模型训练数据集；S3、构建问题对匹配模型，步骤如下：S301、构建字符映射转换表；S302、构建输入层；S303、构建字符向量映射层；S304、构建基于深度特征融合的神经网络编码层；S305、构建文本相似度匹配层；S4、训练问题对匹配模型和标准问题选择。②该装置包括问题对知识库构建单元、问题对匹配模型训练数据集生成单元、问题对匹配模型构建单元以及问题对匹配模型训练单元。
一种基于深度特征融合神经网络问题匹配方法装置

[发明专利]一种基于HowNet的图模型词义消歧方法和系统-CN201811503356.1有效
发明人： 鹿文鹏;张旭;张若雨;成金勇;乔新晓;张维玉;孟凡擎 -专利权人：齐鲁工业大学
申请日： 2018-12-10 - 公布日： 2023-01-17 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于HowNet的图模型词义消歧方法和系统，属于自然语言处理技术领域，本发明要解决的技术问题为如何充分利用知网知识，深入挖掘知网蕴含的语义知识，将其作为词义消歧的依据，提升词义消歧的性能，采用的技术方案为：①、一种基于HowNet的图模型词义消歧方法，包括如下步骤：S1、构建依存消歧图：分别对歧义句和目标歧义词在HowNet中的例句进行依存句法分析，得到上下文依存关系图和例句依存关系图，进而融合得到依存消歧图；S2、构建上下文消歧图；S3、利用消歧图进行消歧处理；S4、选择正确词义。②、一种基于HowNet的图模型词义消歧系统，该系统包括依存消歧图构建单元、上下文消歧图构建单元、消歧图处理单元和正确词义选择单元。
一种基于 hownet 模型词义方法系统

[发明专利]基于局部自注意力的知识增强的词义消歧方法和装置-CN202211228528.5在审
发明人： 鹿文鹏;张国标;张维玉;乔新晓;郑超群;马凤英 -专利权人：齐鲁工业大学
申请日： 2022-10-08 - 公布日： 2022-12-27 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种基于局部自注意力的知识增强的词义消歧方法和装置，属于人工智能、自然语言处理领域。本发明要解决的技术问题为如何增强歧义词的词义表示，抽取候选词义正确的文本跨度，进而判定歧义词的正确词义。采用的技术方案为：①基于局部自注意力的知识增强的词义消歧方法，该方法包括如下步骤：S1、构建知识增强模块；S2、构建基于局部自注意力的Transformer模块；S3、构建预测模块；S4、训练词义消歧模型。②基于局部自注意力的知识增强的词义消歧装置，该装置包括：知识增强模块构建单元、基于局部自注意力的Transformer模块构建单元、预测模块构建单元、词义消歧模型训练单元。
基于局部注意力知识增强词义方法装置

[发明专利]基于文章差异感知表示的文本阅读理解方法和装置-CN202210972587.7在审
发明人： 鹿文鹏;张骞;郑超群;马凤英;张维玉;乔新晓;于瑞 -专利权人：齐鲁工业大学
申请日： 2022-08-15 - 公布日： 2022-11-15 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了基于文章差异感知表示的文本阅读理解方法及装置、存储介质、电子设备，属于自然语言处理、人工智能领域，本发明要解决的技术问题为如何有效利用文章信息来提高答案选择的准确率以及如何实现问句与选项之间的有效匹配，从而提高文本阅读理解系统的预测准确性，采用的技术方案为：①一种基于文章差异感知表示的文本阅读理解方法，包括如下模块：预训练嵌入表示模块、特征过滤模块、文章差异感知表示交互模块和标签预测模块。②一种基于文章差异感知表示的文本阅读理解装置，包括：文本阅读理解数据集获取单元、文本阅读理解模型构建单元和文本阅读理解模型训练单元。
基于文章差异感知表示文本阅读理解方法装置

[发明专利]基于Dot Triple-Attention机制的选择式阅读理解方法和装置-CN202210975775.5在审
发明人： 鹿文鹏;于瑞;马凤英;张维玉;郑超群;乔新晓 -专利权人：齐鲁工业大学
申请日： 2022-08-15 - 公布日： 2022-11-15 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了基于Dot Triple‑Attention机制的选择式阅读理解方法及装置、存储介质、电子设备，属于自然语言处理、人工智能领域，本发明要解决的技术问题为如何更高效地利用文章信息来促进问句与选项间的交互以及如何实现三个序列之间的直接交互，从而提高选择式阅读理解系统的预测准确性，采用的技术方案为：①一种基于Dot Triple‑Attention机制的选择式阅读理解方法，包括如下模块：预训练嵌入表示模块、特征过滤模块、DotTriple‑Attention交互模块、特征聚合模块和标签预测模块。②一种基于DotTriple‑Attention机制的选择式阅读理解装置，包括：预训练嵌入表示模块单元、特征过滤模块单元、Dot Triple‑Attention交互模块单元、特征聚合模块单元和标签预测模块单元。
基于 dot triple attention 机制选择阅读理解方法装置

[发明专利]基于三维特征表示的智能文本阅读理解方法和装置-CN202210975837.2在审
发明人： 鹿文鹏;邵珠峰;马凤英;郑超群;张维玉;乔新晓;于瑞 -专利权人：齐鲁工业大学
申请日： 2022-08-15 - 公布日： 2022-11-15 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了基于三维特征表示的智能文本阅读理解方法及装置、存储介质、电子设备，属于自然语言处理、人工智能领域，本发明要解决的技术问题为如何捕获三序列数据之间的直接交互特征以及如何增强文章、问句和选项三者之间的充分交互，从而提高智能文本阅读理解系统的预测准确性，采用的技术方案为：①一种基于三维特征表示的智能文本阅读理解方法，包括如下模块：预训练嵌入表示模块、特征过滤模块、3D CNN交互特征模块和标签预测模块。②一种基于三维特征表示的智能文本阅读理解装置，包括：智能文本阅读理解数据集获取单元、智能文本阅读理解模型构建单元和智能文本阅读理解模型训练单元。
基于三维特征表示智能文本阅读理解方法装置

[发明专利]面向医疗智能问答的文本语义匹配方法和装置-CN202210996504.8在审
发明人： 鹿文鹏;张鑫;赵鹏宇;郑超群;张维玉;马凤英 -专利权人：齐鲁工业大学
申请日： 2022-08-19 - 公布日： 2022-11-01 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种面向医疗智能问答的文本语义匹配方法和装置，属于自然语言处理技术领域。本发明要解决的技术问题为如何捕获同一文本细粒度语义特征、文本间语义交互特征，以实现文本的语义匹配，采用的技术方案为：通过构建并训练嵌入层、语义编码层、多层次细粒度特征提取层、特征融合层和预测层组成文本语义匹配模型，提取文本字、词粒度特征，捕获同一文本细粒度语义特征、文本间语义交互特征，最终将多种相关特征合并，之后进行多种匹配操作，生成最终匹配特征向量并判定文本的相似度。该装置包括文本匹配知识库构建单元、训练数据集生成单元、文本匹配模型构建单元及文本语义匹配模型训练单元。
面向医疗智能问答文本语义匹配方法装置

[发明专利]基于记忆增强机制的词义消歧方法和装置-CN202210884187.0在审
发明人： 鹿文鹏;阚保硕;张维玉;乔新晓;郑超群;马凤英 -专利权人：齐鲁工业大学
申请日： 2022-07-25 - 公布日： 2022-10-18 - 主分类号： G06F40/126 文献下载
摘要：本发明公开了一种基于记忆增强机制的词义消歧方法和装置，属于人工智能领域。本发明要解决的技术问题为如何对给定上下文中的歧义词进行词义消歧，采用的技术方案为：通过构建并训练由上下文编码器模块、词义注释编码器模块、记忆增强模块、预测模块组成的词义消歧模型，实现对上下文编码、对目标歧义词的候选词义注释编码，通过存储同一上下文中其他歧义词消歧后的词义注释并进行交互来增强当前目标歧义词的表示，最后通过计算目标歧义词与其候选词义注释的匹配度得分，以达到对歧义词进行词义消歧的目标。该装置包括上下文编码器模块构建单元、词义注释编码器模块构建单元、记忆增强模块构建单元、预测模块构建单元、词义消歧模型训练单元。
基于记忆增强机制词义方法装置

[发明专利]面向智能问答基于语义特征立方体的句子对语义匹配方法-CN202010855971.X有效
发明人： 鹿文鹏;于瑞;张旭 -专利权人：齐鲁工业大学
申请日： 2020-08-24 - 公布日： 2022-09-06 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了面向智能问答基于语义特征立方体的句子对语义匹配方法，属于人工智能、自然语言处理技术领域。本发明要解决的技术问题为如何捕获更多的语义上下文特征、时序特征、不同维度间编码信息的联系和句子间的交互信息，以实现句子对的智能语义匹配，采用的技术方案为：通过构建并训练由多粒度嵌入模块、深层语义特征立方体构造网络模块、特征转换网络模块和标签预测模块组成的句子对语义匹配模型，实现对句子信息的深层语义特征立方体表示和语义特征的三维卷积编码表示，同时通过注意力机制生成句子对的最终匹配张量并判定句子对的匹配程度，以达到对句子对进行智能语义匹配的目标。该装置包括句子对语义匹配知识库构建单元、训练数据集生成单元、句子对语义匹配模型构建单元及句子对语义匹配模型训练单元。
面向智能问答基于语义特征立方体句子匹配方法

[发明专利]基于细粒度方面特征的智能新闻推荐方法和系统-CN202210619313.X在审
发明人： 鹿文鹏;王荣耀;张维玉;郑超群;乔新晓 -专利权人：齐鲁工业大学
申请日： 2022-06-01 - 公布日： 2022-08-26 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于细粒度方面特征的智能新闻推荐方法和系统，属于人工智能领域和自然语言处理领域。本发明要解决的技术问题为基于主题的新闻推荐方法无法准确识别细粒度方面Aspect‑level特征，从而导致推荐结果不准确和缺少多样性的问题，采用的技术方案为：该方法具体如下：S1、构建新闻推荐模型的训练数据集；S2：构建基于细粒度方面特征的新闻推荐模型：具体如下：S201、构建Aspect‑level新闻编码器；S202、构建Aspect‑level用户编码器；S203、构建点击率预测器；S3、训练基于细粒度方面特征的新闻推荐模型。该系统包括训练数据集生成单元、基于细粒度方面特征的新闻推荐模型构建单元和模型训练单元。
基于细粒度方面特征智能新闻推荐方法系统

[发明专利]基于用户多兴趣特征的智能新闻推荐方法和系统-CN202210619315.9在审
发明人： 鹿文鹏;王荣耀;李振军;马凤英;高永生 -专利权人：齐鲁工业大学;齐鲁银行股份有限公司
申请日： 2022-06-01 - 公布日： 2022-08-12 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于用户多兴趣特征的智能新闻推荐方法和系统，属于人工智能领域和自然语言处理领域。本发明要解决的技术问题为因现有的基于用户历史浏览记录建模的新闻推荐方法无法准确识别用户的多个方面的兴趣特征而导致的推荐结果不准确问题，采用的技术方案为：S1、构建新闻推荐模型的训练数据集；S2、构建基于用户多兴趣特征的新闻推荐模型：具体如下：S201、构建多视角级别的新闻编码器；S202、构建用户多兴趣特征网络；S203、构建点击率预测器；S3、训练基于用户多兴趣特征的新闻推荐模型。该系统包括训练数据集构建单元、基于用户多兴趣特征的新闻推荐系统模型构建单元和模型训练单元。
基于用户兴趣特征智能新闻推荐方法系统

[发明专利]基于图神经网络和评论相似度的会话推荐方法和系统-CN202110993117.4有效
发明人： 鹿文鹏;张骞;邵珠峰;王荣耀 -专利权人：齐鲁工业大学
申请日： 2021-08-27 - 公布日： 2022-07-05 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开了基于图神经网络和评论相似度的会话推荐方法和系统，根据会话中的商品序列以及评论信息，为当前会话的用户推荐目标商品。本发明将评论信息融入到图神经网络模型中，同时考虑会话中蕴含的商品间依赖关系和文本空间中商品间相似关系。本会话推荐方法主要由四个模块组成：基于评论相似度的全局图模块，根据商品的评论文档得到商品在文本空间的相似度，并依据此相似度构建基于评论的商品全局图；局部图模块，根据当前会话的商品序列，得到在会话中的商品局部图；会话生成模块，结合商品在前两个模块分别得到的商品全局图和商品局部图表示，生成最终会话表示；候选商品预测模块，根据会话表示，预测各个候选商品的得分，推荐目标商品。
基于神经网络评论相似会话推荐方法系统