“周筱羽”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]一种业务流程模型图像识别与再构方法-CN201911048985.4有效
发明人：葛季栋;李传艺;潘凌伟;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-30 - 公布日： 2023-09-15 - 主分类号： G06V30/19 文献下载
摘要：本发明公开了一种基于图像轮廓识别及图像分类的从BPMN图片中提取业务流程模型信息并再构的方法，步骤包括使用形态学操作对图片进行分割，快速而准确地将业务流程模型图片分割成独立的部分；使用轮廓检测算法替代主流的目标检测深度神经网络算法，在保证准确率的前提下提升元素检测的效率，确定图片中元素的位置和大小；使用霍夫变换来检测图片中的直线，从而完成连接关系的检测，使用特殊递归算法保证复杂的连接关系也能被正确检测；使用光学字符识别技术，识别BPMN图元中的文本信息，使得模型更加完整；能够自动从BPMN图片中构建业务流程模型并导出模型定义文件，便于修改与编辑，大大节省了人工绘制业务流程模型所需要耗费的时间。
一种业务流程模型图像识别方法

[发明专利]基于词向量模型的法条推荐方法-CN201811170180.2有效
发明人：葛季栋;李传艺;王子安;冯奕;雷妙妙;周筱羽;骆斌 -专利权人：南京大学
申请日： 2018-09-26 - 公布日： 2021-09-28 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于词向量模型的法条推荐方法，该发明属于推荐系统技术领域中的协同过滤推荐技术，协同过滤是通过借助相似的事物来为事物推荐或者筛选信息的技术，推荐法条需要借助裁判文书中的基本案件情况获取其他案情相近的文书，然后根据多个前例推荐法条。本发明与现有方法相比，其显著优点是：引入词向量模型后，通过词向量的计算能够更准确地表达两段案件基本情况的相似程度，从而为裁判文书找到案情更相似的文书。并且根据多个相似案情的文书可以采取多种协同过滤推荐策略，获得更准确的推荐结果。
基于向量模型法条推荐方法

[发明专利]一种面向裁判文书的证据链关系模型的构建方法-CN201710376342.7有效
发明人：葛季栋;周业茂;孔思圆;李忠金;李传艺;周筱羽;骆斌 -专利权人：南京大学
申请日： 2017-05-22 - 公布日： 2021-01-05 - 主分类号： G06F40/151 文献下载
摘要：本发明是一种面向中文裁判文书的证据链关系模型构建方法，构建方法的流程如图所示，主要包括以下步骤：针对中文裁判文书进行文本预处理；读取处理后的XML格式文件提取出证据链体集合和事实集合；根据4W1H关键要素提取策略获得每个证据链体及事实的关键词集合；通过计算关键要素关联度构造证据链关系模型中的联结完成模型构建；将构建出的模型生成为Excel表格；将结构化模型显示为可视模型。本发明主要针对法律裁判文书说理评估中的证据链关系模型构建任务，根据裁判文书说理的特征和法院文书词汇的特点，改善裁判文书预处理方法，优化关键要素提取技术，提高证据链中联结的计算正确率，能够有效运用于评估裁判文书的事实说理水平。
一种面向裁判文书证据关系模型构建方法

[发明专利]一种基于法条关系的法条推荐方法-CN202011036946.5在审
发明人：李传艺;葛季栋;冯奕;黄云云;周筱羽;骆斌 -专利权人：南京大学
申请日： 2020-09-27 - 公布日： 2020-12-29 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种基于法条关系的法条推荐方法，包括以下步骤：从中国裁判文书网收集裁判文书，构成训练语料；对训练语料进行预处理，包括对案件事实、指控罪名、引用法条三者的不同处理；对用户输入进行预处理；划分数据集，训练本发明设计的一个基于法条关系的联合生成模型，该模型基于罪名预测任务辅助法条推荐任务进行学习；根据训练好的联合生成模型提取推荐法条集；输出推荐法条集。本发明利用编码器‑解码器框架，基于法条关系，结合案件事实、控告罪名、引用法条三者之间的深度关联，设计了一种全新的联合生成模型。实现表明，该模型改善了法条推荐任务的预测效果，适用于真实场景下的法条推荐任务。
一种基于法条关系推荐方法

[发明专利]一种裁判文书的文本信息脱敏方法-CN202011036947.X在审
发明人：葛季栋;李传艺;惠天宇;黄云云;周筱羽;骆斌 -专利权人：南京大学
申请日： 2020-09-27 - 公布日： 2020-12-29 - 主分类号： G06F21/62 文献下载
摘要：本发明公开了一种基于规则设计的敏感信息命名实体识别和处理方法，包括以下步骤：对用户输入进行预处理，包括过滤不可脱敏项和保存待脱敏裁判文书文件至本地；对裁判文书进行预处理，包括重新调整文书结构，去除其中无用字符；应用脱敏规则，根据用户输入的待脱敏项处理文书，使用正则表达式进行匹配，并通过特征词进行判断和处理，再利用找到的敏感信息词生成其在文书中的信息坐标集合；逐行读取原文书文本，并依次提取信息坐标进行文本替换；输出脱敏后文书文件。本发明模拟法院审管办人员在实际将裁判文书进行网络发布过程中，进行脱敏处理的真实场景，从文书结构分析了各敏感信息的相关规则，能准确定位敏感信息，提高了脱敏结果的准确性。
一种裁判文书文本信息方法

[发明专利]一种基于法条共现的法条推荐方法-CN202011036948.4在审
发明人：李传艺;葛季栋;黄云云;冯奕;周筱羽;骆斌 -专利权人：南京大学
申请日： 2020-09-27 - 公布日： 2020-12-29 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种基于法条共现的法条推荐方法，包括以下步骤：从中国裁判文书网上下载裁判文书，构建训练语料；将裁判文书进行预处理，包括中文分词、去停止词、文本特征化及数据降维；对用户输入的案件情况进行预处理；训练基于人工神经网络的案由分类模型，根据案件基本情况预测案由；针对不同的案由分别训练一个基于人工神经网络的法条分类模型，根据案由缩小适合被推荐的法条的范围；对候选推荐法条集进行共现分析，输出推荐法条列表。本发明模拟法官在实际审判过程中，通过判断案由缩小法条引用的范围继而寻找合适法条的真实场景，依靠法条间的共现分析对候选推荐法条集重新排序，从而改善法条推荐的效果，提高了法条推荐的准确性。
一种基于法条推荐方法

[发明专利]一种基于深度学习的量刑预测方法-CN201911049086.6在审
发明人：李传艺;葛季栋;赵一阳;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-30 - 公布日： 2020-04-10 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于深度学习的量刑预测方法，包括以下步骤：步骤(1)根据案由从裁判文书数据库中提取裁判文书集，构建训练语料，裁判文书预处理，进行分词分句，转化为词向量；相关法条预处理，将法条转化为词向量；提取文书特征信息，使用深度学习和正则表达式结合的方式获取文本特征；进行量刑预测；输出量刑结果和罚金。本发明模拟法官在实际审判过程中，提取文书特征并作证发条以得出量刑预测的真实场景，从文书特征提取入手，说明了一种量刑预测方法。
一种基于深度学习量刑预测方法

[发明专利]基于CRF和LSTM的流程活动预测方法-CN201911048981.6在审
发明人：李传艺;葛季栋;邹文涛;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-30 - 公布日： 2020-04-03 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了基于CRF和LSTM的流程活动预测方法，包括以下步骤：提取事件日志，从原始的XML文件中提取出轨迹，事件和时间等特征；将事件日志预处理，包括按照轨迹序号对事件和相应时间分类，剔除空事件和单一轨迹；对事件日志编码，设计了热独编码，考虑循环的编码，基于距离的编码等三种不同的编码方式；构建预测模型，先使用先验知识或CRF获取狭义事件对集合，然后使用LSTM获取广义事件对集合，最后合并得到事件对集合，或者是通过直接使用CRF方法的方式直接得到事件对集合；输出当前运行的轨迹中最有可能执行的下一个活动。本发明提出了一种新型的预测执行过程中下一个活动的方法，提高了预测的准确性。
基于 crf lstm 流程活动预测方法

[发明专利]面向领域的文本大数据快速分词方法-CN201811143681.1在审
发明人：李传艺;葛季栋;乔洪波;姚林霞;周筱羽;骆斌 -专利权人：南京大学
申请日： 2018-09-25 - 公布日： 2020-04-03 - 主分类号： G06F40/289 文献下载
摘要：本发明公开了一种面向领域的文本大数据快速分词方法，涉及大数据和自然语言预处理领域，解决了目前对大量中文实时文本分词速度慢且较难识别新词的问题。本发明的关键步骤有二：(1)对语料中的邻接字建立频次模型；(2)查找合适的位置将待分词句子切分为若干词语片段。本发明所采用的方法和效果有如下特点：(1)基于统计，不需要预先建立词典，和其他人工干预；(2)在专用领域的语料上有较强的新词发现能力；(3)分词时间复杂度为O(n)，明显快于其他分词工具；(4)分词的平均错误率在10％以下。
面向领域文本数据快速分词方法

[发明专利]一种基于深度神经网络的电子卷宗标题定位提取与分类方法-CN201910454209.8在审
发明人：葛季栋;李传艺;刘宇翔;姚林霞;乔洪波;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-05-24 - 公布日： 2020-03-27 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于深度神经网络的电子卷宗标题定位提取与分类方法，包括以下步骤：将卷宗图片输入神经网络提取多张多尺寸的特征图，根据输出的特征图计算类别分数以及边框位置，通过多种标题选举算法推选出文书当中的标题位置以及标题类别。本发明目的是为了解决在实际处理电子卷宗过程中，经常需要手动对电子卷宗图像进行分类的情况，从单纯的图像层面而不是通过OCR(光学字符识别)等方式来提取图像的标题，通过图像的特征能够准确获得图像标题的位置及类别，提高了鲁棒性泛用性，提高了图像分类的准确性。
一种基于深度神经网络电子卷宗标题定位提取分类方法

[发明专利]一种面向软件资产复用的众包需求管理和分析框架-CN201911048873.9在审
发明人：李传艺;葛季栋;牛菲菲;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-30 - 公布日： 2020-03-17 - 主分类号： G06F8/20 文献下载
摘要：本发明公开了一种面向软件资产复用的众包需求管理和分析框架，包括以下步骤：由项目发布者发布项目；通过众包平台收集项目需求；将收集到的项目需求进行预处理，包括检验需求重复/冲突并进行需求分类，对需求进行优先级排序等以及对收集到的项目需求做初步筛选；对经过筛选的项目需求进行一些软件资产完善操作，包括UML图的绘制、软件设计、项目文档的编辑以及相关代码的提交；将已生成的软件资产同项目需求或其他软件产物进行关联；生成软件资产关联表。本发明可以帮助快速定位到其他可复用的软件资产，即尽可能早地实现软件资产复用，实现在整个研发过程中软件资产关联明确化，大大节省众包需求管理的时间，提高了工作效率。
一种面向软件资产需求管理分析框架

[发明专利]一种中文OCR后处理的无监督学习方法-CN201911009431.3在审
发明人：葛季栋;李传艺;姚林霞;乔洪波;杨关;熊凯奇;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-21 - 公布日： 2020-02-11 - 主分类号： G06K9/34 文献下载
摘要：收集了来自法律领域2014年至2018年不同地区的卷宗扫描件，涵盖几十种分辨率，基于大量的法律卷宗数据，并结合法律文书，融入领域知识，来进行对中文OCR后处理的研究。基于经典模型以及成熟OCR(Tesseract、百度OCR)，构建了OCR识别模型。获取大量多样性的Witnesses，免去人工的标注。基于OCR识别系统的结果，提出一种基于无监督的多输入OCR纠错方法，构建OCR纠错模型，可以避免人为的大量标记。实验结果表明，在我们的语料库上，提出的非监督的学习模型，在准确率上有一定的提高。也进一步表明了，采用这种多输入无监督的学习方法可以很好地对OCR的识别结果进行纠正。
无监督构建纠错卷宗后处理法律领域经典模型领域知识人工的扫描件语料库分辨率准确率标注多样性法律涵盖学习融入中文纠正成熟监督研究

[发明专利]一种基于联合深度学习模型的法条推荐方法-CN201911009433.2在审
发明人：李传艺;葛季栋;冯奕;孔力;周晓松;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-21 - 公布日： 2020-02-04 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种基于法条关系的法条推荐方法，包括以下步骤：从中国裁判文书网收集裁判文书，构成训练语料；对训练语料进行预处理，包括对案件事实、指控罪名、引用法条三者的不同处理；对用户输入进行预处理；划分数据集，训练本发明设计的一个基于法条关系的联合生成模型，该模型基于罪名预测任务辅助法条推荐任务进行学习；根据训练好的联合生成模型提取推荐法条集；输出推荐法条集。本发明利用编码器‑解码器框架，基于法条关系，结合案件事实、控告罪名、引用法条三者之间的深度关联，设计了一种全新的联合生成模型。实现表明，该模型改善了法条推荐任务的预测效果，适用于真实场景下的法条推荐任务。
法条生成模型预处理训练语料引用解码器框架裁判真实场景编码器辅助法数据集联合预测案件关联输出学习

[发明专利]一种基于深度学习和特征融合的文本情感分类方法-CN201911003328.8在审
发明人：李传艺;葛季栋;孔力;冯奕;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-21 - 公布日： 2020-02-04 - 主分类号： G06F16/35 文献下载
摘要：本发明提出一种基于深度学习和特征融合的文本情感分类方法，该方法通过整合层次特征学习文本表示，包括：根据文本极性及否定词，为情感词设计不同环境的向量表示；为词性采样得到向量区分同形词；结合表情符优化词向量，使用神经网络模型学习基于词向量的单句特征；通过字序列学习基于字向量的单句特征；两部分拼接得到句子级特征；对于至少包含两个单句的文档，句向量序列输入到上层神经网络学习基于神经网的文档特征，并对段首、段尾和包含总结词的句子取平均获得基于规则的文档特征，两部分拼接获得文档级特征。针对具体任务，将单句或文档特征输入随机森林分类器即可预测情感类别。与基础模型相比，本发明能够有效提高文本情感分类的准确性。
文档特征文本情感分类词向量文档向量拼接句子学习随机森林分类器神经网络模型神经网络学习层次特征基础模型情感类别特征融合文本表示向量表示向量序列情感词神经网字序列采样词性段尾整合表情文本上层预测优化

[发明专利]一种基于改进卷积神经网络的裁判文书行业分类方法-CN201911003568.8在审
发明人：葛季栋;李传艺;周晓松;冯奕;周筱羽;骆斌 -专利权人：南京大学
申请日： 2019-10-21 - 公布日： 2020-02-04 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于改进卷积神经网络的裁判文书行业分类方法，包括以下步骤：获取产品质量公开民事文书数据；定义文书涉及行业；人工标注文书涉及行业并筛除无效数据；文书数据预处理，包括结构化文书，提取原告诉称段，数据清洗，计算数据长度分布并统一限制序列最大长度；分层抽样划分训练集、验证集与测试集；创建字符与词语字典；构建与训练改进卷积神经网络分类器，包括基于字符和词语思想表示文书文本，构建基于字符与词语的双通道组合卷积，采取多种类型卷积核，采用k‑max‑mean池化；输入相关裁判文书，预测文书涉及行业。本发明不需要做任何特征工程相关工作；所提出的改进卷积神经网络模型架构用于裁判文书分类，能够达到更好的效果。
卷积神经网络词语文书数据裁判构建预处理改进长度分布分层抽样计算数据模型架构人工标注输入相关数据清洗无效数据行业分类测试集分类器结构化卷积核双通道训练集验证集池化卷积字典文本分类预测创建统一

1
2
下一页»
尾页
共 26 条