“傅洛伊”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40个，建议您升级VIP下载更多相关专利

[发明专利]基于知识图谱推理的地学数据集问答方法及系统-CN202310893387.7在审
发明人：赵泽;卢彬;吴律文;何亦农;甘小莺;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2023-07-19 - 公布日： 2023-10-27 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种基于知识图谱推理的地学数据集问答方法及系统，包括：根据地学数据集信息构建地学知识图谱；围绕地学数据集问句的关键意图，训练命名实体识别模型进行问句语义理解与信息抽取；融合文本信息与时空信息对地理实体进行实体对齐；基于知识图谱的实体关系结构，开展知识图谱嵌入，捕获跨实体的潜在关系与全局信息，实现从地学显式数据到深层知识的知识推理；融合对齐结果与推理结果进行多域检索，得到数据集答案。本发明构建了全新的知识图谱智能问答系统，相比于现有问答系统可以提高答案查全性，同时具备知识推理能力，能够通过显式地学数据挖掘隐式内在关联，能够帮助地学专家快速准确地寻找目标数据集。
基于知识图谱推理地学数据问答方法系统

[发明专利]基于分割绘图法的网络布局方法、系统及介质-CN201910954321.8有效
发明人：李琦;亓杰星;傅洛伊;王新兵;陈贵海 -专利权人：上海交通大学
申请日： 2019-10-09 - 公布日： 2023-05-19 - 主分类号： G06T11/60 文献下载
摘要：本发明提供了一种基于分割绘图法的网络布局方法、系统及介质，包括：图分割步骤：根据原始数据使用启发式算法对全图进行分割得到多个子图；块间布局步骤：根据分割结果，基于图布局的力引导模型生成子图的块间布局；子图布局步骤：使用力引导模型对子图分别布局，得到最优的子图布局；拼接步骤：根据子图的块间布局对子图进行拼接，得到初期成图；调整步骤：根据力引导模型对初期成图的布局进行调整，得到最优的全图布局。本发明基于分割绘图法对超大规模网络进行布局，大幅提高了网络布局算法可处理的数据体量，突破了网络可视化算法百万量级的壁垒。
基于分割绘图网络布局方法系统介质

[发明专利]一种数据可视化处理方法、装置及存储介质-CN201911212122.6有效
发明人：李琦;傅洛伊;王新兵;陈广勇;張勝譽 -专利权人：上海交通大学;腾讯科技（深圳）有限公司
申请日： 2019-12-02 - 公布日： 2023-04-28 - 主分类号： G06F16/54 文献下载
摘要：本申请实施例提供一种数据可视化处理方法、装置及存储介质，所述方法包括：对初始网络中各层位图的节点进行重叠去除，得到待处理网络；分别对所述待处理网络中的每层位图进行切片，得到各层位图的至少两个切片，所述至少两个切片均分布在预设窗口内，所述切片包括至少两个节点；在各切片上设置节点信息以及节点间的关联信息，得到多层切片；将所述多层切片保存为至少两个图片，对所述至少两个图片进行分层加载，以展示各图片对应的图形界面。本方案能够提高网络的绘制效率和网络的缩放效率。
一种数据可视化处理方法装置存储介质

[发明专利]文本处理方法、装置、电子设备、介质及程序产品-CN202210903474.1在审
发明人：郭强;张海松;史树明;傅洛伊 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-07-27 - 公布日： 2023-03-21 - 主分类号： G06F16/36 文献下载
摘要：本申请实施例公开了一种文本处理方法、装置、电子设备、介质及程序产品，应用于自然语言处理技术领域。其中方法包括：获取文本句集合，并基于分割字符对文本句集合中的文本句进行分割，得到多个子文本句，根据多个子文本句确定至少一个第一关系元组，根据多个子文本句确定至少一个第二关系元组，根据至少一个第一关系元组和至少一个第二关系元组构建文本句集合对应的关系知识图谱。采用本申请实施例，可以较为全面地获取到文本句中具有指定关系的分词组合，以及提高所构建的知识图谱的准确性。
文本处理方法装置电子设备介质程序产品

[发明专利]基于神经网络的低资源场景下关系抽取方法及系统-CN202211509059.4在审
发明人：余大伟;傅洛伊;龙飞;王新兵;周成虎 -专利权人：上海交通大学
申请日： 2022-11-29 - 公布日： 2023-03-14 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种基于神经网络的低资源场景下关系抽取方法及系统，包括：步骤S1：构建基于双塔结构的神经网络模型；步骤S2：训练双塔结构神经网络模型；步骤S3：语料利用训练后的双塔结构神经网络模型推测语句中实体之间的关系。本发明为低资源场景下的关系抽取提供了一种方法，并提高了低资源场景下关系抽取的准确率。
基于神经网络资源场景关系抽取方法系统

[发明专利]基于深度学习的图像内表格识别方法及系统-CN202211472708.8在审
发明人：李明泽;沈逸飞;李琦;王海文;傅洛伊;陈贵海;王新兵 -专利权人：上海交通大学
申请日： 2022-11-17 - 公布日： 2023-03-07 - 主分类号： G06V30/412 文献下载
摘要：本发明提供了一种基于深度学习的图像内表格识别方法及系统，包括：步骤S1：通过深度神经网络在图像中识别并定位表格，得到表格外框的相对位置信息；步骤S2：基于相对位置信息截取表格图像，通过深度学习网络进行表格结构识别；步骤S3：根据获取的表格结构，通过OCR技术提取每个单元格内的记载的信息；步骤S4：根据识别的表格结构以及表格内记载的信息，生成可编辑的表格文档。本发明能识别任何带有表格的图像，并以很高的准确率返回表格的结构、各单元格信息和文字信息，使得图像表格数据电子化。
基于深度学习图像表格识别方法系统

[发明专利]基于学术知识图谱的查询软件系统的构建方法及系统-CN202211411474.6在审
发明人：张逸晗;傅洛伊;龙飞;王新兵;周成虎 -专利权人：上海交通大学
申请日： 2022-11-11 - 公布日： 2023-03-07 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种基于学术知识图谱的查询软件系统的构建方法及系统，包括如下步骤：设计RDF数据库的schema；根据设计好的schema，从数据库导出相应数据，存入RDF数据库Virtuoso中；设计文档数据库的schema；根据设计好的schema，从数据库导出论文的相关文档数据以及部分元信息，存入文档数据库ElasticSearch中；根据上述两个数据库互相配合提供的查询能力，构建后端查询模块；根据后端提供的接口，在前端完成相关功能的可视化展现。本发明显著降低了软件的开发成本及开发周期，系统架构简单明晰，使用过程快捷方便，适用范围较为广泛，可以为学术知识图谱的上层应用开发提供有效途径。
基于学术知识图谱查询软件系统构建方法

[发明专利]提取文字图片及其描述的方法和系统-CN202110368879.5有效
发明人：郭志新;颜铭萱;贾雨葶;王海文;杨莉娜;李琦;徐辉;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2021-04-06 - 公布日： 2022-12-09 - 主分类号： G06V30/14 文献下载
摘要：本发明提供了一种提取文字图片及其描述的方法和系统，包括：从文件中抽取图片及其相关描述；判断图片中是否包含子图，若不包含子图则返回图片及其描述并结束；若包含子图则基于YOLO4模型进行目标检测，对子图进行识别切割；基于YOLO4目标检测模型检测子图的图片序号；基于CRNN算法，识别检测到的图片序号；根据图片序号信息对文本描述进行拆分及重新组合；将切割好的图片与其对应的文本描述匹配并返回。本发明可抽取文件中的图片及其描述，若图片中包含子图，则将子图进行切割并与其对应描述对齐，实现了将文件中的图片数据进行整理的目的。
提取文字图片及其描述方法系统

[发明专利]实体名称归一化系统及其方法、计算机可读介质-CN202011640532.3有效
发明人：李抒昊;亓杰星;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2020-12-31 - 公布日： 2022-10-14 - 主分类号： G06F40/295 文献下载
摘要：本发明提供了一种实体名称归一化方法，其特征在于，包括：准备待归一化的名字记录以及相对应的标注名称记录用于训练；利用自然语言处理深度学习模型对标注名称记录组成的语料库进行字符级别的语言模型预训练；将标注名称记录按照设定的规则划分为训练集和测试集；利用训练集对预训练完成的自然语言处理深度学习模型进行微调训练；利用测试集验证预训练完成的自然语言处理深度学习模型的准确度及时间性能；将利用训练集、测试集进行微调训练、验证完成的自然语言处理深度学习模型对待归一化的实体名称进行归一化处理。本发明通过预训练字符级别语言模型来提取任意名称的特征向量，从而通过训练不同名称之间的距离度量来完成名称归一化任务。
实体名称归一化系统及其方法计算机可读介质

[发明专利]基于多维特征融合的二阶段学术数据网页分类方法及系统-CN202210795308.4在审
发明人：施家荣;卢彬;杨莉娜;甘小莺;王新兵;傅洛伊;周成虎;曹心德 -专利权人：上海交通大学
申请日： 2022-07-07 - 公布日： 2022-09-30 - 主分类号： G06K9/62 文献下载
摘要：本发明提供了一种基于多维特征融合的二阶段学术数据网页分类方法及系统，涉及网页分类技术领域，包括：步骤S1：基于学术关键词，输入搜索引擎进行检索，获取检索页面内容；步骤S2：开展基于短文本逻辑回归模型的第一阶段分类；步骤S3：获取第一阶段分类完成后标签为数据网页的网页HTML信息；步骤S4：基于网页长文本和网址信息，开展第二阶段分类，采用文本卷积神经网络结合三元组损失的深度度量学习算法；步骤S5：将最终的分类结果入库整理，分析网页中的必要信息，展示在数据门户网站上。本发明能够快速准确地从互联网中筛选出数据网页。
基于多维特征融合阶段学术数据网页分类方法系统

[发明专利]多语言BERT序列标注模型的压缩方法及系统-CN202011490078.8有效
发明人：撖朝润;李琦;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2020-12-16 - 公布日： 2022-09-23 - 主分类号： G06F40/126 文献下载
摘要：本发明提供了多语言BERT序列标注模型的压缩方法及系统，涉及BERT类模型的知识蒸馏技术领域，该方法包括：步骤1：基于Wordpiece算法从多语语料中抽取词表；步骤2：对多/单语言BERT教师模型、多语言BERT学生模型进行预训练；步骤3：基于人工标注的下游任务数据对多/单语言BERT教师模型进行微调；步骤4：利用多/单语言BERT教师模型对预训练后的多语言BERT学生模型进行残差知识蒸馏；步骤5：基于人工标注的下游任务数据对蒸馏后的多语言BERT学生模型进行微调。本发明通过残差学习和多对一的知识蒸馏方式，提高了学生模型的准确率和泛化程度，降低了多语言环境下BERT类序列标注模型部署所需的硬件资源。
语言 bert 序列标注模型压缩方法系统

[发明专利]基于知识图谱具有可解释性的论文推荐方法及系统、终端-CN202011639739.9有效
发明人：谢智;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2020-12-31 - 公布日： 2022-09-23 - 主分类号： G06F16/36 文献下载
摘要：本发明提供了一种基于知识图谱具有可解释性的论文推荐方法，包括如下步骤：从数据库中获取论文和用户的数据，利用获取的数据构建异构图；通过在构建的异构图中使用随机游走算法生成多条路径，利用图嵌入算法输出异构图中每个节点的向量表示；在异构图中查找到多条路径，将多条路径用矩阵表示，作为训练数据集的输入，将每条路径对应的某位用户对某论文的评分值，作为训练数据集的输出，构建训练集；搭建循环神经网络和全联接层模型，从训练集中学习循环神经网络和全联接层模型的参数；根据循环神经网络和全联接层模型为每位用户推荐预测评分最高的多篇论文，并向用户解释做出此推荐的依据。本发明通过引入知识图谱，使得推荐的结果更具可解释性。
基于知识图谱具有解释性论文推荐方法系统终端

[发明专利]基于LEAM模型的机构命名实体归一化方法和系统-CN202011141040.X有效
发明人：亓杰星;彭金波;傅洛伊;王新兵;陈贵海 -专利权人：上海交通大学
申请日： 2020-10-22 - 公布日： 2022-09-23 - 主分类号： G06F40/295 文献下载
摘要：本发明提供了一种基于LEAM模型的机构命名实体归一化方法和系统，包括：步骤S1：通过预设统计规则对所有的学术机构信息数据进行筛选，去除不符合预设条件的数据；步骤S2：在筛选过的数据中，根据正则表达式去除数据中存在的噪音；步骤S3：将去噪的数据按照类别和预设比例分为训练集、验证集和测试集；步骤S4：将训练集和验证集输入LEAM模型，训练出用于机构命名实体归一化的模型；步骤S5：将测试集输入训练好的模型中，测试模型效果并进行微调。通过本发明可以对每一个学术机构的论文发表数进行统计，从而可以更科学，更直观的对某个学术机构的学术能力进行判别。
基于 leam 模型机构命名实体归一化方法系统

[发明专利]机构命名实体归一化方法和系统-CN202011141016.6有效
发明人：亓杰星;彭金波;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2020-10-22 - 公布日： 2022-08-09 - 主分类号： G06F40/295 文献下载
摘要：本发明提供了一种机构命名实体归一化方法和系统，该方法包括：对学术机构信息数据进行筛选，去除错误数据后，得到预处理数据；对所述预处理数据进行去噪处理，得到机构命名实体归一化数据；通过构建的目标文本分类模型对机构命名实体归一化数据进行自动判别，输出判别结果，以得到机构命名实体归一化后的标准名称；根据所述标准名称，统计对应机构的论文数据。从而可以对每一个学术机构的论文数据进行统计，使得对学术机构的学术能力进行更加科学、直观地判别。
机构命名实体归一化方法系统

[发明专利]基于感染图卷积网络的源识别方法及系统-CN202110786345.4有效
发明人：佟博;郭强;傅洛伊;王新兵 -专利权人：上海交通大学
申请日： 2021-07-12 - 公布日： 2022-07-15 - 主分类号： G06V10/764 文献下载
摘要：本发明提供了一种基于感染图卷积网络的源识别方法及系统，涉及网络探索式搜索技术领域，该方法包括：步骤S1：输入经过对称归一化的拉普拉斯矩阵和各个节点的特征向量V；步骤S2：基于图神经网络的特征优化层，基于通过向量化的特征输入对图神经网络进行迭代更新，对特征向量V进行优化；步骤S3：基于多个IGCN网络层根据不同的类型节点选择分配不同的权重进行特征优化，更新特征向量V；步骤S4：根据更新的特征向量V，输入到前反馈神经网络中，输出学习得到的分类概率；步骤S5：将源识别问题定义为图分类问题，使用交叉熵损失函数进行反向传播，学习输入节点的特征向量V。本发明能够在模型无关的情况下提高对源的预测准确性。
基于感染图卷网络识别方法系统

1
2
3
下一页»
尾页
共 40 条