“周兰江”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26个，建议您升级VIP下载更多相关专利

[发明专利]一种基于遗传算法的ALD温度控制优化方法及相关设备-CN202211695495.5在审
发明人：肖帅兵;夏洋;周兰江;明帅强 -专利权人：昆明理工大学;嘉兴科民电子设备技术有限公司
申请日： 2022-12-28 - 公布日： 2023-04-07 - 主分类号： G05B13/04 文献下载
摘要：本发明提供一种基于遗传算法的ALD温度控制优化方法及相关设备，其中，上述方法包括：通过历史数据库获取一组历史PID参数；确定遗传算法的PID控制参数及范围，并对所述PID控制参数进行编码；基于所述遗传算法生成n组初始PID参数并代入函数模型进行计算得出误差e(t)，根据所述误差e(t)通过遗传算法的适应度函数计算得到所述n组初始PID参数的参数适应度；基于交叉、变异对种群进行的更新，重复计算所述参数适应度，直至所述遗传算法收敛至期望值或者迭代结束时，选取当前种群中所述参数适应度的数值最大的个体所包括的参数作为PID最优控制参数。以实现有效的整定ALD温度控制系统的PID参数，提高ALD系统的温度控制的效果。
一种基于遗传算法 ald 温度控制优化方法相关设备

[发明专利]一种基于Bi-LSTM算法的老汉双语平行句子抽取方法-CN201910520523.1有效
发明人： 周兰江;贾善崇;张建安 -专利权人：昆明理工大学
申请日： 2019-06-17 - 公布日： 2022-11-01 - 主分类号： G06F40/289 文献下载
摘要：本发明公开了一种基于Bi‑LSTM算法的老汉双语平行句子抽取方法，属于自然语言处理和机器学习技术领域。首先将篇章级对齐的语料作为输入，由于老挝语与中文的句子成分排序大致是一致的，所以先将篇章级的语料通过标点符号，处理为单个的对齐语句，之后将对齐的语句进行拆分，组成两个文本。这两个文本中包含一些非对齐的语句，之后将这些对齐的语句进行分词，分词之后，将两个文本组合为一个统一文本，因包含中文以及老挝语，以及是否为对齐的标志，作为训练数据，将得到的中文以及老挝语分词之后的句子作为Bi‑LSTM的输入，经过Bi‑LSTM的输出得到的结果，通过曼哈顿距离公式，计算两个句子的相似度，进而从篇章级的双语语料库中抽取出平行句对。
一种基于 bi lstm 算法老汉双语平行句子抽取方法

[发明专利]一种从老挝-汉语篇章级对齐语料中抽取对齐语句的方法-CN201811577667.2有效
发明人： 周兰江;贾善崇 -专利权人：昆明理工大学
申请日： 2018-12-22 - 公布日： 2022-04-12 - 主分类号： G06F40/211 文献下载
摘要：本发明公开了一种从老挝‑汉语篇章级对齐语料中抽取对齐语句的方法，属于自然语言处理和机器学习技术领域。本发明首先将篇章级对齐的语料使用python进行正则表达式的处理，去除掉噪音数据，并作为输入，由于老挝语与中文的句子排序是一致的，所以可以先将篇章级的语料处理为单个的对齐语句，之后将对齐的语句进行拆分。之后将这些对齐的语句进行分词，将分词的此语作为LSTM的输入，通过保留LSTM编码器对输入序列的中间输出结果，训练一个模型来对这些输入进行选择性地学习并且在模型输出时将输出序列进行关联，从而从双语语料库中抽取出平行句对。本发明在老挝语平行句对抽取上有一定的研究意义。
一种老挝汉语篇章对齐语料抽取语句方法

[发明专利]一种老挝语文本主题分类方法-CN201811017181.3有效
发明人： 周兰江;王兴金;张建安;周枫 -专利权人：昆明理工大学
申请日： 2018-08-31 - 公布日： 2022-04-12 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种老挝语文本主题分类方法，属于自然语言处理和机器学习技术领域。本发明结合了N‑gram语言特征提取模型与朴素贝叶斯数学模型实现对老挝文章主题识别，在一定程度上消除了朴素贝叶斯的局限性。它认为条件独立假设，将文本看成是词袋子模型，不考虑词语之间的顺序信息，同时使用的unigram与bigram特征模型，提高了文本的识别率。
一种老挝语文主题分类方法

[发明专利]一种结合相似度和图匹配的老-汉双语句子对齐方法-CN201810225609.7有效
发明人： 周兰江;李思卓;张建安 -专利权人：昆明理工大学
申请日： 2018-03-19 - 公布日： 2021-06-18 - 主分类号： G06F40/211 文献下载
摘要：本发明涉及一种结合相似度和图匹配的老‑汉双语句子对齐方法，属于自然语言处理和机器学习技术领域。本发明首先依据构建的老‑汉双语词典计算出老挝语和汉语句子的相似度值，然后充分考虑双语句子长度信息，计算出老挝语和汉语句子长度比例值，综合两个值计算出老挝语和汉语句子相似度值，使得老‑汉双语句子相似度计算具有较高的可靠性，这样就能在对齐过程中将相似度较高的老挝语和汉语句子进行对齐，简化句子对齐的流程。本发明能够有效地从双语语料库中挖掘出平行句对，老‑汉双语句子相似度的计算和二部图的最佳匹配算法充分结合，能够有效提高句子对齐的准确率，因此本发明具有一定的研究意义。
一种结合相似匹配双语句子对齐方法

[发明专利]一种提高老挝语词性标注准确率的方法-CN201811287367.0有效
发明人： 周兰江;王兴金;张建安;周枫 -专利权人：昆明理工大学
申请日： 2018-10-31 - 公布日： 2021-05-25 - 主分类号： G06F40/117 文献下载
摘要：本发明公开了一种提高老挝语词性标注准确率的方法，属于自然语言处理和机器学习技术领域。本发明构建了基于BiLSTM的词预测模型，来利用未登录词前后已登录词的信息来对未登录词位置可能出现的词进行预测，并将其替换参与词性标注的过程，在一定程度上可以解决词性标注小语料库的不足性，能够解决HMM模型由于出现未登记词而导致词性标注失败的问题，从而提高词性标注的准确率。
一种提高老挝语词标注准确率方法

[发明专利]一种基于改进Transformer+CRF的老挝语命名实体识别方法-CN202010390416.4在审
发明人： 周兰江;杨志婥琪 -专利权人：昆明理工大学
申请日： 2020-05-08 - 公布日： 2020-10-16 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种基于改进Transformer+CRF的老挝语命名实体识别方法，属于自然语言处理中小语种识别领域。本发明采用改进的Transformer模型对老挝语进行编码，再用CRF(条件随机场)模型进行解码，获得最优的标注序列。本文发明首先用Transformer作为字符编码器对老挝语的单个字符进行字符编码，将编码得到的字符级向量与预训练的词向量拼接并进行位置编码，作为Transformer编码组件的输入，先后通过多头注意力层和前馈神经网络层的训练，最后将得到的向量集合输入到融合了老挝语人名地名机构名语言学特征的CRF模型中进行命名实体识别训练，得到了融合了老挝语语言规则的命名实体识别模型。本发明的识别效果比主流的BLSTM+CRF的命名实体识别方法有所提升。
一种基于改进 transformer crf 老挝命名实体识别方法

[发明专利]一种基于叠层组合分类器的老挝语基本名词短语识别方法-CN201910520748.7在审
发明人： 周兰江;汤礼欣;张建安 -专利权人：昆明理工大学
申请日： 2019-06-17 - 公布日： 2019-10-22 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种基于叠层组合分类器的老挝语基本名词短语识别方法，属于自然语言处理领域，是自然语言处理中一项基础的业务，本发明主要融合了老挝语语言学特征到算法模型中，选择了组合分类器的方法，提高识别精度，选用的算法模型为CRF+SVM。首先使用CRF、SVM正向和SVM逆向三种识别模型分别进行标注，获得3份不同的预测结果，与原数据集一同构成新的数据集合，然后选择对序列标注性能最高的模型作为上层分类算法，最后使用新的数据集合，以词、词性和3种模型分类结果作特征，送往上层模型，并将其识别结果作为最终结果。本发明在老挝语基本名词短语识别上准确率较高，具有一定的研究意义。
老挝语名词短语识别组合分类器自然语言处理数据集合算法模型叠层上层语言学特征分类算法模型分类序列标注预测结果最终结果原数据准确率词性正向标注融合研究

[发明专利]一种基于字符提取老挝语词特征的方法-CN201910520531.6在审
发明人： 周兰江;唐文;张建安 -专利权人：昆明理工大学
申请日： 2019-06-17 - 公布日： 2019-10-18 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于字符提取老挝语词特征的方法，属于自然语言处理和机器学习技术领域。由于老挝语料少，老挝语形态结构复杂，导致词稀疏，未登录词多。一般传统的NLP技术是基于词或词跟字符的结合构成输入模型向量。应用在老挝语中，存在词特征难以提取，无未登录词向量的问题。为了解决这些问题，本文提出基于字符向量，利用卷积神经网络提取字符向量的方法。基于字符向量的好处是不需要使用预训练好的词向量等信息。本文可以有效的提取老挝语词特征，因此本发明具有一定的研究意义。
字符向量字符提取词向量老挝语登录机器学习技术卷积神经网络自然语言处理模型向量形态结构传统的语料稀疏应用研究

[发明专利]基于CNN+BLSTM+CRF的老挝语复杂人名地名实体识别方法-CN201910215245.9在审
发明人： 周兰江;彭骁男;张建安 -专利权人：昆明理工大学
申请日： 2019-03-21 - 公布日： 2019-08-09 - 主分类号： G06F16/33 文献下载
摘要：本发明公开了一种基于CNN+BLSTM+CRF的老挝语复杂人名地名实体识别方法。本发明主要融合了老挝语语言学特征到算法模型中，在模型的使用中选择了多种模型融合的方法，提高识别精度，选用的算法模型为CNN+BLSTM+CRF。首先利用CNN将老挝语每个词的字符作为输入，输出特定长度的字符级特征向量。之后将老挝语词语作为输入到BLSTM中，输出和字符级特征向量长度一致的具有上下文语义特征的词向量，将字符级特征向量和词向量组合成完整特征向量。在此基础上将多条老挝语复杂人名地名构词特征融合到CRF算法中，用于提升老挝语复杂人名地名实体词的识别精度。本发明在老挝语复杂人名地名实体词识别上准确率有了提升。
老挝语特征向量实体识别算法模型词向量上下文语义实体词识别语言学特征长度一致构词特征基础上将模型融合融合输出准确率算法词语

[发明专利]一种基于SVM-BiLSTM-CRF的老挝语机构名称识别方法-CN201910215267.5在审
发明人： 周兰江;晏雷;张建安 -专利权人：昆明理工大学
申请日： 2019-03-21 - 公布日： 2019-08-06 - 主分类号： G06F17/28 文献下载
摘要：本发明涉及一种基于SVM‑BiLSTM‑CRF的老挝语机构名称识别方法，属于自然语言处理的命名实体识别领域。本发明根据老挝语的语法特征将老挝机构名称分为机构名称前缀词和机构名称后缀词，并将机构名称前缀词提取构造成一个机构名称特征词典，使用SVM模型筛选出包含老挝语机构名称前缀词的句子，再将句子转化为字符级向量输入Bi‑LSTM(双向长短期记忆模型)‑CRF(条件随机场)模型中进行机构名实体识别训练。本发明融合了基于规则与基于神经网络的方法，取得了比使用传统机器学习方法更好的结果。
老挝语名称前缀名称识别自然语言处理传统机器记忆模型句子转化名称后缀名称特征命名实体神经网络实体识别语法特征向量句子筛选融合机场学习

[发明专利]一种基于多模型组合神经网络的老挝语分词方法-CN201910201435.5在审
发明人： 周兰江;谭琪辉;张建安;周枫 -专利权人：昆明理工大学
申请日： 2019-03-18 - 公布日： 2019-08-02 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种基于多模型组合神经网络的老挝语分词方法，属于自然语言处理和机器学习技术领域。本发明基于双向长短期记忆(Bi‑LSTM)神经网络结合attention模型和CRF模型，首先在待分词的老挝语料上进行字向量训练；然后引入去噪机制对输入的字嵌入量进行过滤调整；将过滤后的字嵌入向量输入Bi‑LSTM神经网络进行编码并输出音节序列，根据老挝语音节拼写规则将音节序列表示成特征词向量；引入attention模型对Bi‑LSTM网络的输入输出之间的相关性进行重要度计算，获取有效的老挝语词向量特征；最后由CRF层解码输出概率最大的标签序列，使用4词位标注集表达文本的词位信息。利用改进的attention‑Bi‑LSTM‑CRF神经网络建立的老挝语分词模型，可有效对老挝语进行分词。
神经网络分词老挝语模型组合音节序列向量嵌入过滤机器学习技术自然语言处理解码输出标签序列输出概率向量特征向量训练特征词位信息重要度引入拼写去噪语料标注文本语音改进网络

[发明专利]一种基于GRU模型的老挝语情感分析方法-CN201910215265.6在审
发明人： 周兰江;陈琢;张建安;周枫 -专利权人：昆明理工大学
申请日： 2019-03-21 - 公布日： 2019-08-02 - 主分类号： G06F17/27 文献下载
摘要：本发明涉及一种基于GRU模型的老挝语情感分析方法，它属于自然语言处理和深度学习技术领域。GRU作为LSTM的一种变体，将忘记门和输入门合成了一个单一的更新门。同时还混合了细胞状态和隐藏状态。最终的模型比标准的LSTM模型要简单，也是非常流行的变体。Word2Vec就是将词表征为实数值向量的一种高效的算法模型，其利用深度学习的思想，可以通过训练，把对文本内容的处理简化为K维向量空间中的向量运算，而向量空间上的相似度可以用来表示文本语义上的相似。Word2Vec输出的词向量可以被用来做很多NLP相关的工作，比如聚类、找同义词、词性分析等等。利用基于GRU的老挝语情感分析模型，可以有效的对老挝语进行情感分析，因此本发明具有一定的研究意义。
情感分析老挝语向量空间变体同义词词表自然语言处理词性分析数值向量算法模型文本内容文本语义细胞状态向量运算隐藏状态词向量输入门相似度聚类合成输出学习更新研究

[发明专利]一种基于Transformer模型的老汉双语对齐方法-CN201910215271.1在审
发明人： 周兰江;贾善崇;张建安 -专利权人：昆明理工大学
申请日： 2019-03-21 - 公布日： 2019-08-02 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种基于Transformer模型的老汉双语对齐方法，属于自然语言处理和机器学习技术领域。双语语料库最为作为自然语言研究领域的重要语言资源，语言信息处理的研究深入，在语料的获取，处理有了长足的进步。本发明首先将篇章级对齐的语料作为输入，由于老挝语与中文的句子排序大致是一致的，所以可以先将篇章级的语料处理为单个的对齐语句，之后将对齐的语句进行拆分。之后将这些对齐的语句进行分词，将分词的词语作为Encoder的输入，通过保留Encoder编码器对输入序列的中间输出结果，训练一个模型来对这些输入进行选择性地学习并且在模型输出时将输出序列进行关联，从而从双语语料库中抽取出平行句对。本发明在老挝语平行句对抽取上有一定的研究意义。
对齐语料语句双语语料库老挝语分词自然语言平行机器学习技术语言信息处理自然语言处理输出结果输出序列输入序列语言资源编码器研究句子排序抽取词语取出关联输出中文保留学习

[发明专利]一种基于组合神经网络的老挝语命名实体识别方法-CN201910159512.5在审
发明人： 周兰江;李炫达;张建安;满志博 -专利权人：昆明理工大学
申请日： 2019-03-04 - 公布日： 2019-07-09 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种基于组合神经网络的老挝语命名实体识别方法，属于自然语言处理中小语种识别领域。首先利用Bi‑LSTM(双向长短期记忆模型)将老挝语句子序列进行编码，输出字符向量。之后将字符向量进行切片分段，输入到Bi‑RNN(双向循环神经网络)模型中，获得片段内部单元的信息表示向量。在此基础上使用lookup操作获取片段的整体向量表示，然后将获得的片段信息表示向量、整体向量、其他特征向量拼接作为特征输入到神经网络模型中，进行老挝语命名实体识别训练。本发明识别效果明显优于传统统计学习方法，并获得与当前其他最优的老挝语命名实体识别系统相当的识别性能。
命名实体老挝语组合神经网络整体向量向量神经网络模型输出字符向量自然语言处理传统统计记忆模型内部单元片段信息神经网络识别系统识别性能识别训练双向循环特征输入特征向量信息表示语种识别字符向量子序列切片语句拼接分段学习

1
2
下一页»
尾页
共 26 条