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312478个,建议您升级VIP下载更多相关专利
  • [发明专利]边消息传递神经网络-CN202180019223.0在审
  • A·扎沃若克夫;E·O·普丁;D·里欧诺夫 - 英矽智能科技有限公司
  • 2021-03-11 - 2023-01-13 - G06N3/04
  • 所述方法可以包括:处理具有边消息传递神经网络的图卷积层的至少一个对象的输入图数据,以获得所述图数据的节点数据和边数据的向量;用所述边消息传递神经网络的图池化层处理所述节点数据和边数据的向量,所述图池化层聚合所述节点数据的向量和所述边数据的向量,以产生所述输入图数据的向量;用所述边消息传递神经网络的多层感知机层处理所述输入图数据的向量,以生成预测对象的预测图数据;以及在报告中报告所述预测图数据。
  • 消息传递神经网络
  • [发明专利]一种基于门控融合和多任务学习的视频情感分类方法-CN202210732914.1在审
  • 孙新;任翔渝;李瑾仪 - 北京理工大学
  • 2022-06-27 - 2022-10-18 - G06F16/35
  • 本发明从视频提取出文本、图片和音频的特征向量;用GRU对各模态的特征向量编码得到各模态特定维度的向量;用带门机制的Transformer将各模态信息进行融合并将融合向量拼接作为多模态向量;用LSTM和全连接网络对各模态的特征向量编码得到各模态转换的向量;用多模态向量、各模态转换的向量和多模态情感标签计算得到单模态情感标签;结合多模态情感标签和单模态标签进行多任务学习,同时进行多模态情感分类本发明提供的视频情感分类方法使用融合后的多模态向量参与生成单模态标签,提高了单模态标签的准确度;还采用多任务学习的方式,同时进行多模态情感分类和单模态情感分类,提升了视频情感分类的效果。
  • 一种基于门控融合任务学习视频情感分类方法
  • [发明专利]实体链接方法-CN202011581122.6在审
  • 不公告发明人 - 成都数之联科技有限公司
  • 2020-12-28 - 2021-06-15 - G06F16/36
  • 本发明公开了实体链接方法,涉及自然语言处理领域,包括:根据知识库中实体的属性和关系图结构信息,生成知识库中实体的文本描述信息;获得知识库中实体的文本描述信息的句子全局向量,将该句子全局向量作为知识库中实体的向量;获得非结构化文本中实体文本片段的向量;通过向量相似度计算,计算非结构化文本中实体文本片段的向量与知识库中实体的向量的相似度评分并排序,选取排序结果中评分大于阈值且评分最高的候选实体作为非结构化文本与知识库链接的实体;本发明避免了由于图数据结构和文本数据结构之间的差异性带来的各自空间下实体特征向量的不一致性;本发明有利于实体特征相似度的准确计算。
  • 实体链接方法
  • [发明专利]基于异构图神经网络的流行病舆情实体识别方法与装置-CN202310358447.5在审
  • 侯琳琳;张吉;余婷 - 之江实验室
  • 2023-04-06 - 2023-07-04 - G16H50/80
  • 本发明公开了一种基于异构图神经网络的流行病舆情实体识别方法与装置,包括:采集流行病舆情文本,并按实体类别分类标注,再输入至BERT网络,得到第一特征向量;将第一特征向量输入BiLSTM,得到包含流行病舆情文本中各个字符对应的第二特征向量,将每个字符对应的第二特征向量组成第一向量矩阵;构建异构图,其中,异构图中的字符节点的初始向量为BiLSTM输出的各个字符对应的第二特征向量,子句虚拟节点的初始向量为子句中每一字符对应的第二特征向量的平均值;利用异构图注意力网络算法对异构图进行聚合更新,得到第二向量矩阵;将第二向量矩阵拼接于第一向量矩阵后,将拼接结果输入至条件随机场预测模型,得到预测标签。
  • 基于构图神经网络流行病舆情实体识别方法装置

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