专利名称
主分类
A 农业
B 作业;运输
C 化学;冶金
D 纺织;造纸
E 固定建筑物
F 机械工程、照明、加热
G 物理
H 电学
专利下载VIP
公布日期
2023-10-24 公布专利
2023-10-20 公布专利
2023-10-17 公布专利
2023-10-13 公布专利
2023-10-10 公布专利
2023-10-03 公布专利
2023-09-29 公布专利
2023-09-26 公布专利
2023-09-22 公布专利
2023-09-19 公布专利
更多 »
专利权人
国家电网公司
华为技术有限公司
浙江大学
中兴通讯股份有限公司
三星电子株式会社
中国石油化工股份有限公司
清华大学
鸿海精密工业股份有限公司
松下电器产业株式会社
上海交通大学
更多 »
钻瓜专利网为您找到相关结果23个,建议您升级VIP下载更多相关专利
  • [发明专利]一种基于序列生成模型的多事件检测方法-CN202011496007.9有效
  • 庄越挺;邵健;吕梦瑶;宗畅 - 浙江大学
  • 2020-12-17 - 2023-09-15 - G06F16/33
  • 本发明公开了一种基于序列生成模型的多事件检测方法。为了解决现有方法对触发词抽取的过度依赖和对事件共现关系、事件类别语义信息忽略的缺陷,本发明利用序列生成模型可以生成不定长序列的特性,实现了在无需进行触发词抽取的情况下也能进行多事件检测的效果,降低了对数据集的标注要求,增强了方法的可用性。在构建序列生成模型时,使用编码器‑解码器的架构,在解码预测输出的过程中使用上一时间步的输出作为输入,因此可以学习各事件类别间的共现关系。此外,本发明同时编码事件文本语义和事件类别名称的语义信息,使得在数据量较少的情况下也能加入更多先验信息得到良好的效果。
  • 一种基于序列生成模型多事检测方法
  • [发明专利]基于动态图异常检测的新兴技术识别方法-CN202310517066.7在审
  • 庄越挺;宗畅;邵健;鲁伟明 - 浙江大学
  • 2023-05-09 - 2023-08-08 - G06F18/2433
  • 本发明公开了基于动态图异常检测的新兴技术识别方法。本发明基于新兴技术为已有技术的新型组合假设,通过构建面向技术领域的动态图数据,利用多种时空耦合特征与自注意力深度神经网络算法,将技术领域节点之间的关系表征为融合结构信息与时序信息的特征向量,并计算得出技术组合的异常得分,并进一步将高分技术组合视为新兴技术领域的候选集合,再通过人工判断得出最终的新兴技术领域结果。该方法在特征输入与神经网络中均充分利用了动态图中的空间与时间耦合信息,在常规的异常检测任务中取得了优于其他同类最新方法的效果,并创新性地应用于新兴技术识别任务中,起到了筛选候选领域的作用,显著降低解决此任务的成本。
  • 基于动态异常检测新兴技术识别方法
  • [发明专利]基于动态知识图谱的成果被引用量预测方法、介质及设备-CN202210530426.2有效
  • 庄越挺;宗畅;邵健;鲁伟明 - 浙江大学
  • 2022-05-16 - 2023-03-28 - G06F16/36
  • 本发明公开了一种基于动态知识图谱的成果被引用量预测方法、介质及设备。本发明通过构建面向科技成果的动态时序知识图谱数据,利用图神经网络、循环神经网络、时序预测函数等算法模块,将成果的特征表示为成果相关多维度属性历史特征的聚合,并以成果历史引用量为标签,对成果未来多年的引用量进行预测。该方法可充分利用成果属性和成果间引用关系所构成的图谱结构信息,可支持对刚发布的成果进行较为准确的预测以解决冷启动问题。此外,该方法将图谱结构与时间序列特征充分融合,在特征表示和特征聚合环节均引入时间维度,训练所得到的模型在误差指标评估方面比同类任务方法有明显的提升。该方法可被用于解决科技创新场景下的多种实际任务。
  • 基于动态知识图谱成果引用预测方法介质设备
  • [发明专利]高度依赖进口产品挖掘方法、装置、计算机设备及存储介质-CN202210222366.8在审
  • 杨彦飞;宗畅;潘彦俊 - 杭州量知数据科技有限公司
  • 2022-03-07 - 2022-11-01 - G06F16/33
  • 本发明实施例公开了高度依赖进口产品挖掘方法、装置、计算机设备及存储介质。方法包括:构建待分析产业领域体系,以得到产业链各环节上的节点领域;获取海关贸易数据;根据海关贸易数据确定每个节点领域上符合设定要求的国家清单,以得到目标国家清单;从海关贸易数据内筛选目标国家清单相关的数据,以得到目标贸易进口数据;根据目标贸易进口数据挖掘高度依赖进口的风险产品,以得到风险产品候选集合;对风险产品候选集合进行反向验证分析,以得到高度依赖进口产品集合。通过实施本发明实施例的方法可实现自动挖掘高度依赖进口的风险产品,节约成本,可准确且全面的挖掘各个环节高度依赖进口的风险产品,提高产业链上风险产品的探查效率。
  • 高度依赖进口产品挖掘方法装置计算机设备存储介质
  • [发明专利]基于图神经网络的上下位关系抽取方法-CN202210519548.1在审
  • 庄越挺;宗畅;陈泽群;邵健 - 浙江大学
  • 2022-05-12 - 2022-10-04 - G06F40/279
  • 本发明提供了一种基于图神经网络的上下位关系抽取方法。该方法首先通过字符串匹配的方式从文献库中发现出现待预测术语的文献,将这些文献的标题、摘要和待预测术语本身进行分级建图,同时,应用预训练语言模型获取图中每个节点的语义特征表示从而完成数据关联,得到描述每对待判别术语之间上下位关系的特征图;应用图表示学习算法学习图中每个节点的特征表示;对于图中学习到的每个节点的特征,分别聚合待判别术语对在不同节点上的特征表示;根据构建的待判别术语对的特征表示,判断两个术语之间是否具有上下位的关系。本发明提出的方法能聚合上下位词在不同篇章之内的信息,从而更加准确的判别上下位关系。
  • 基于神经网络下位关系抽取方法
  • [发明专利]一种基于强化学习增强的图嵌入专家实体对齐方法-CN202210060387.4在审
  • 邵健;胡单春;鲁伟明;庄越挺;宗畅 - 浙江大学
  • 2022-01-19 - 2022-07-29 - G06N5/02
  • 本发明公开了一种基于强化学习增强的图嵌入实体对齐方法。本发明采用构建异构子图的方式,仅对待对齐实体对的n‑hop邻居进行消息聚合,直接降低计算资源要求。使用基于特征线性调制的图嵌入学习算法,引入超网络思想,以少量参数完成高计算复杂性的消息传递机制与节点更新机制,从而更好地利用节点间的交互信息。此外,本发明提出了一种强化学习增强的节点选择器,提出并在节点选择器中应用基于自监督信号的可靠性度量方法,采样一定数量的可靠边,在限制异构子图的大小的同时过滤问题边,保证参与节点更新的边的可靠性。本发明还实现了一种基于强化学习的节点采样数量更新策略,动态优化采样节点数目,增强节点选择器。
  • 一种基于强化学习增强嵌入专家实体对齐方法
  • [发明专利]基于全球专利的产业领域关键短板技术的自动挖掘方法-CN202210220313.2在审
  • 宗畅;张啸天;杨彦飞 - 杭州量知数据科技有限公司
  • 2022-03-08 - 2022-07-22 - G06F16/335
  • 本申请公开了基于全球专利的产业领域关键短板技术的自动挖掘方法,包括构建目标产业领域的目标专利数据库,其中,所述目标专利数据库包括多个对应至法律状态为有效的有效专利数据;根据一个所述目标专利数据库中的有效专利数据中的引用关系数据的聚合处理结果获得优势专利权利人名单;解析所述优势专利权人在所述目标专利数据库中的有效专利数据以获得关键技术概念短语;根据关键技术概念短语所对应的国内外专利数量对比结果获得关键短板技术清单;人工校验所述关键短板技术清单。本申请的有益之处在于提供了一种可以自动获得关键短板技术清单的基于全球专利的产业领域关键短板技术的自动挖掘方法。
  • 基于全球专利产业领域关键技术自动挖掘方法
  • [发明专利]一种产业知识库自动构建方法、装置及存储介质-CN202011064551.6有效
  • 宗畅;王云飞;杨彦飞;许克明 - 杭州量知数据科技有限公司
  • 2020-09-30 - 2022-06-10 - G06F16/31
  • 本发明公开了一种产业知识库自动构建方法、装置及存储介质。本发明在梳理出产业领域概念体系的前提下,针对不同类型的数据来源,利用模型、规则、词典等先验知识,对企业、人才等核心实体类型及其之间的关系进行高效构建,并支持对知识的按需批量更新;此外,针对产业资讯等非结构化文档数据,利用深度学习与规则相结合的方法,对文档本身进行碎片化和语义标引,对核心事件类型进行面向主体的细粒度事件抽取,并通过设计标准化文本信息抽取数据结构解决各处理阶段输出的服务及其之间的通信问题;进一步通过基于上下文的实体链接技术,实现对企业和人才等核心实体的动态事件获取,并辅助指导更新已有知识,进一步丰富产业知识维度。
  • 一种产业知识库自动构建方法装置存储介质
  • [发明专利]一种事件抽取方法、装置、设备及存储介质-CN202210065802.5在审
  • 宗畅;杨芷婷;王云飞;杨彦飞 - 杭州量知数据科技有限公司
  • 2022-01-20 - 2022-06-03 - G06F16/33
  • 本申请公开了一种事件抽取方法、装置、设备及存储介质,涉及自然语言智能处理技术领域,包括以下步骤:获取目标领域的多个事件描述句,并定义事件标注的标签类别;基于所述标签类别对所述多个事件描述句分别进行标注,并利用多种粒度分割方法对所述多个事件描述句进行特征划分;对划分后的所述多个事件描述句进行二次标注,并将两次标注结果与多种划分结果全部记为训练样本集;将所述训练样本集输入预先构建的BERT‑BILSTM‑ATTN‑CRF模型中进行训练,得到事件抽取模型,以进行事件抽取。本方案针对产业领域相关的资讯新闻,结合多种粒度分割方法和BERT‑BiLSTM‑ATTN‑CRF模型在少量标注样本的基础上,保持事件抽取的识别率并提高事件抽取中对象元素和触发词的识别率。
  • 一种事件抽取方法装置设备存储介质

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

400-8765-105周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top