“季江舟”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11个，建议您升级VIP下载更多相关专利

[发明专利]数据处理方法、装置及计算机可读存储介质-CN202310440721.3在审
发明人： 季江舟;李怀俊;蒲珂宇;贺瑶函;徐洁馨 -专利权人：招商银行股份有限公司
申请日： 2023-04-14 - 公布日： 2023-09-01 - 主分类号： G06F40/295 文献下载
摘要：本发明公开了一种数据处理方法、装置及计算机可读存储介质，其中，方法包括：获取第一交易报文数据中的第一非结构化数据对应的标注信息；基于所述第一非结构化数据，获取所述标注信息对应的模板提示语；将所述模板提示语输入初始实体识别模型进行模型训练，以获得所述模板提示语对应的实体片段信息、实体类型信息以及训练后的实体识别模型；基于所述模板提示语对应的标注信息、所述实体片段信息、所述实体类型信息以及训练后的实体识别模型，确定目标实体识别模型。本发明能够通过多国语言的交易报文数据进行模型训练得到目标实体识别模型，进而可通过目标实体识别模型对多国语言的交易报文进行准确识别，提高多国语言的交易报文的识别准确率。
数据处理方法装置计算机可读存储介质

[发明专利]一种基于翻译模型的跨语言知识图谱问答方法-CN202310174262.9在审
发明人：刘弘一;蒲珂宇;季江舟;杨一枭;李金龙 -专利权人：招银网络科技（深圳）有限公司
申请日： 2023-02-28 - 公布日： 2023-05-09 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种基于翻译模型的跨语言知识图谱问答方法，包括以下步骤：步骤一：要回答输入问题文本，根据给定训练集的特点，在预训练的BERT模型的基础上构建了一个全局指针网络模型；步骤二：基于步骤一的基础，接收一个关键实体作为输入，并输出所有可能的答案路径，这些路径满足基准规则的要求，包括关于关键实体的知识图之间的转换；步骤三：接收步骤二提出的原始输入查询和相应路径，并输出最匹配的答案路径。本发明解决了跨语言的联合应用问题，得到了文本、跨语言两者兼顾，提升了模型的训练稳定性，提升了文本匹配的准确率，做到了文本解析、跨语言联合两者兼顾。
一种基于翻译模型语言知识图谱问答方法

[发明专利]联邦知识图谱构建方法、系统、设备及存储介质-CN202210514582.X在审
发明人：汪河言;李金龙;刘攀;季江舟;贺瑶函 -专利权人：招商银行股份有限公司
申请日： 2022-05-12 - 公布日： 2022-07-22 - 主分类号： G06F16/36 文献下载
摘要：本申请公开了一种联邦知识图谱构建方法、系统、设备及存储介质，所述联邦知识图谱构建方法包括：获取目标领域的多源异构数据，并基于所述多源异构数据，生成各多源数据表，对各所述多源数据表进行归类分析，得到目标图谱信息，其中，所述目标图谱信息包括不同类型的图谱实体、实体属性、不同类型的图谱边以及边属性，基于所述目标图谱信息，生成不同的实体文件和边关系文件，基于所述不同的实体文件和边关系文件，构建目标联邦知识图谱。本申请解决了由于各类数据较为分散且数据间缺少关联，导致难以联合多方数据构建知识图谱的技术问题。
联邦知识图谱构建方法系统设备存储介质

[发明专利]基于虚拟对抗的知识图谱问答方法、设备及存储介质-CN202210317565.7在审
发明人：刘攀;李金龙;刘弘一;季江舟;杨一枭 -专利权人：招商银行股份有限公司
申请日： 2022-03-29 - 公布日： 2022-06-21 - 主分类号： G06F16/33 文献下载
摘要：本申请公开了一种基于虚拟对抗的知识图谱问答方法、系统、设备及存储介质，包括：获取目标用户的待查询文本信息，基于实体抽取模型，对待查询文本信息进行实体识别，得到目标实体信息，若目标实体信息存在预设目标类型实体，则基于意图识别模型以及预设识别规则，对待查询文本信息进行意图识别，得到目标意图识别结果，其中，实体抽取模型和意图识别模型均为基于预先收集的待训练语料信息结合虚拟对抗训练算法进行训练获得。基于目标实体信息、目标意图识别结果和待查询文本信息，在图数据库进行数据查询，得到目标查询信息。本申请解决模型识别的准确率低的技术问题。
基于虚拟对抗知识图谱问答方法设备存储介质

[发明专利]自然语言查询转换SQL方法、系统、设备及存储介质-CN202210123795.X在审
发明人： 季江舟;李金龙;贺瑶函;刘攀;汪河言 -专利权人：招商银行股份有限公司
申请日： 2022-02-10 - 公布日： 2022-05-27 - 主分类号： G06F16/242 文献下载
摘要：本申请公开了一种自然语言查询转换SQL方法、系统、设备及存储介质，所述自然语言查询转换SQL方法包括：获取目标查询信息，并确定所述目标查询信息对应的目标查询数据表，分别计算所述目标查询信息和所述目标查询数据表各个表头信息的相似度，并基于各所述相似度，确定待查询列，基于所述待查询列和所述目标查询信息，通过已训练好的语言转换模型进行多任务联合预测，获得不同子任务的预测结果，其中，所述语言转换模型为基于待训练查询语料和目标查询数据表中候选列进行拼接得到的输入序列进行多任务训练获得，基于所述不同子任务的预测结果，生成目标SQL查询语句。本申请解决了模型识别准确性较低的技术问题。
自然语言查询转换 sql 方法系统设备存储介质

[发明专利]实体类型推断方法、系统、装置、终端设备以及存储介质-CN202210101886.3在审
发明人：杨一枭;蒲珂宇;刘弘一;季江舟;贺瑶函 -专利权人：招商银行股份有限公司
申请日： 2022-01-27 - 公布日： 2022-05-06 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了一种实体类型推断方法、系统、装置、终端设备以及存储介质，通过获取待推断数据；提取所述待推断数据的主次特征；将所述主次特征输入预先建立的实体类型推断模型中进行推断，得到预测结果，其中，所述实体类型推断模型包括多标签分类模型与单标签分类模型；根据所述预测结果进行半数投票，得到所述待推断数据的类型结果。本发明改善了实体类型推断的效果。
实体类型推断方法系统装置终端设备以及存储介质

[发明专利]金融实体抽取方法、装置、设备与计算机可读存储介质-CN202210169754.4在审
发明人：刘弘一;蒲珂宇;季江舟;杨一枭;贺瑶函 -专利权人：招商银行股份有限公司
申请日： 2022-02-23 - 公布日： 2022-04-26 - 主分类号： G06F40/205 文献下载
摘要：本发明公开了一种金融实体抽取方法、装置、设备和计算机可读存储介质，该方法包括：在检测到抽取指令，获取所述抽取指令对应的金融实体文本信息集合，并将所述金融实体文本信息集合输入抽取模型集合，得到抽取结果集合；根据预设投票策略，对所述抽取结果集合中的每个抽取结果进行投票，得到投票结果，并根据所述投票结果确定目标抽取结果。本发明通过将金融实体文本信息集合输入抽取模型集合，得到抽取结果集合，并根据预设投票策略，对抽取结果集合中的每个抽取结果进行投票，得到投票结果，根据投票结果确定目标抽取结果，提高了金融实体抽取的准确率。
金融实体抽取方法装置设备计算机可读存储介质

[发明专利]一种基于深度神经网络的影评网站用户的属性预测方法-CN201810524543.1有效
发明人：屈鸿;刘永胜;房展;舒扬;杨舰;邓悟;季江舟;张晓敏 -专利权人：电子科技大学
申请日： 2018-05-28 - 公布日： 2021-09-07 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种基于深度神经网络的影评网站用户的属性预测方法，属于数据挖掘、机器学习等领域。本发明对影评网站中稀疏的用户评分数据进行矩阵分解，将用户评分矩阵分解为用户‑特征矩阵和电影‑特征矩阵，利用这两个矩阵对用户向量进行部分填充，填充后的用户评分数据作为用户的特征向量。将用户的特征向量数据输入全连接的深度神经网络，结合多任务学习技术，对网络模型进行训练，得到各个任务的标签分数；根据各个任务标签分数进行决策分析，得到最终分类结果。本发明通过深度神经网络技术，对影评网站用户进行自动的属性预测，解决了数据稀疏性问题，具有较高的分类准确率和效率。
一种基于深度神经网络影评网站用户属性预测方法

[发明专利]一种基于弱监督学习的图像目标检测方法-CN201910624287.8在审
发明人：屈鸿;张云龙;杨昀欣;刘永胜;季江舟 -专利权人：电子科技大学
申请日： 2019-07-11 - 公布日： 2019-10-18 - 主分类号： G06T7/00 文献下载
摘要：本发明公开了一种基于弱监督学习的图像目标检测方法，属于机器视觉技术领域。首先收集图像数据集，采用多示例学习方法训练构建的基于多尺度特征图的深度卷积神经网络模型；然后输入实际图像，通过深度卷积神经网络模型提取实际图像的类别热力图；最后采用二值化图像连通区域分析方法输出类别热力图中目标的包围框，得到目标检测结果。本发明使用基于弱监督学习方法实现了图像目标检测任务，在卷积神经网络模型训练中的标注仅使用图像级分类标注信息即可完成目标检测任务，有别于现有技术所需的目标包围框标注信息，大大减少了人工标注图像中目标的工作，使得完成图像目标检测任务更具经济效益。
图像目标检测卷积神经网络标注信息目标检测实际图像包围框学习机器视觉技术连通区域分析图像多尺度特征二值化图像图像数据集模型提取模型训练人工标注监督构建标注输出分类

[发明专利]一种基于Spiking神经网络的图像分割方法-CN201810511039.8在审
发明人：屈鸿;马琳垚;张韵;肖艳清;季江舟;张亦洲;杨舰 -专利权人：电子科技大学
申请日： 2018-05-24 - 公布日： 2018-11-13 - 主分类号： G06T7/11 文献下载
摘要：本发明公开了一种基于Spiking神经网络的图像分割方法，步骤如下：(1)、基于视觉皮层中存在着多个的感受野，通过自动地搜索图片内在的规律和本质属性，动态构建输入层‑隐藏层‑输出层模式的Spiking神经网络；(2)、获取输入的图像，将图像等分成小区域，选择每个小区域内梯度最小的点作为构建的Spiking神经网络输入的初始点；(3)、根据得到的图像的小区域相邻像素点的差异，计算欧几里得距离，构建Spiking神经网络权重；(4)、在经过前面3个步骤动态生成的Spiking神经网络中，根据Spiking阈值点火模型和竞争方式，输出图像的分割结果。本发明方法基于Spiking神经网络，更具有生物可解释性，能够快速，准确地完成复杂环境中的图像分割和识别。
神经网络图像分割小区域图像构建欧几里得距离神经网络输入相邻像素点本质属性步骤动态动态构建分割结果复杂环境竞争方式视觉皮层输出图像初始点解释性输出层输入层隐藏层自动地权重点火搜索图片

[发明专利]一种基于区域卷积神经网络模型的品牌Logo检测与识别方法-CN201810479069.5在审
发明人：屈鸿;刘永胜;张书洲;季江舟;贺强;张亦洲;郝雪洁 -专利权人：电子科技大学
申请日： 2018-05-17 - 公布日： 2018-10-12 - 主分类号： G06K9/32 文献下载
摘要：本发明公开了一种基于区域卷积神经网络模型的品牌Logo检测与识别方法，方法步骤如下：步骤1、进行原始数据集扩充，得到规模达到进行区域卷积神经网络模型训练要求的扩充的数据集；步骤2、利用扩充后的数据集对区域卷积神经网络模型进行训练；步骤3、基于区域卷积神经网络对输入图像进行Logo检测与识别。本发明进行原始数据集扩充、深度学习网络模型训练、基于区域卷积神经网络的Logo检测与识别，实现了复杂背景下多种Logo的检测与识别。
卷积神经网络检测原始数据集数据集品牌复杂背景模型训练输入图像网络模型学习

1
共 11 条