-
公开(公告)号：CN111538830B
公开(公告)日：2023-09-05
申请号：CN202010350649.1
申请日：2020-04-28
Applicant: 清华大学
IPC: G06F16/34 , G06F16/335 , G06F16/338
Abstract: 本公开涉及计算机技术领域，尤其涉及一种法条检索方法、装置、计算机设备及存储介质。所述方法包括：根据待查询案例的案情描述文本，生成待查询的文本摘要；获取候选法条集合；根据待查询的文本摘要和候选法条集合，调用预设检索模型输出得到多个候选法条各自对应的评分；根据多个候选法条各自对应的评分，显示至少两个候选法条。本公开实施例通过基于待查询案例的案情描述文本，计算机设备可以自动生成对应的文本摘要以进行检索，提高了检索的便利性。并且，通过调用预设检索模型得到多个候选法条各自对应的评分，由于评分用于指示候选法条与文本摘要之间的相关性，进而能够快速的确定出与文本摘要相关的法条，提高了检索的准确性。
-
公开(公告)号：CN111538827B
公开(公告)日：2023-09-05
申请号：CN202010350837.4
申请日：2020-04-28
Applicant: 清华大学
IPC: G06F16/335 , G06N3/0442 , G06N3/08
Abstract: 本公开涉及一种基于内容和图神经网络的判例推荐方法、装置及存储介质，所述方法包括：根据目标用户的日志数据，从判例库中确定出多个候选判例；根据所述目标用户的兴趣特征信息及所述多个候选判例的第一特征信息，分别预测所述目标用户对各个候选判例的评分，其中，所述兴趣特征信息包括目标用户的长期兴趣特征和短期兴趣特征，所述长期兴趣特征及所述第一特征信息是通过图神经网络确定的；根据所述评分及预设的推荐数量，确定向所述目标用户推荐的目标判例。根据本公开实施例的判例推荐方法能够有效提高判例推荐的准确性。
-
公开(公告)号：CN114023447A
公开(公告)日：2022-02-08
申请号：CN202111480742.5
申请日：2021-12-06
Applicant: 清华大学 , 中国医学科学院北京协和医院
Abstract: 本公开涉及一种罕见病患者数量预测模型训练方法及装置，所述方法包括：对罕见病名称的文本进行预处理，获得罕见病查询关键词数据库；根据罕见病查询关键词数据库，以及查询历史数据库，确定在多个地区的多个时间段内，对于多种罕见病的查询人数；根据查询人数以及确诊人数，对罕见病患者数量预测模型进行训练。根据本公开的实施例的罕见病患者数量预测模型训练方法，可对罕见病名称的文本进行预处理，减少查询数据的遗漏，提升数据的准确度。且可基于搜索引擎的查询历史数据库预测查询罕见病信息的人数，进而基于人数和实际的确诊人数来训练罕见病患者数量预测模型，提升模型对罕见病患者数量的预测精度。
-
公开(公告)号：CN111414539A
公开(公告)日：2020-07-14
申请号：CN202010197501.9
申请日：2020-03-19
Applicant: 清华大学 , 智者四海(北京)技术有限公司
IPC: G06F16/9535 , G06F16/435 , G06F16/335 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本公开涉及一种基于特征增强的推荐系统神经网络训练方法及装置，所述方法包括：将第一训练集中的多个第一样本，输入第t轮待训练的神经网络中进行处理，得到与多个第一样本对应的预测分值；根据多个第一样本的特征信息及与多个第一样本对应的预测分值，分别确定神经网络对各个属性的关注度；根据关注度阈值及神经网络对各个属性的关注度，分别确定各个属性的增强概率；根据第一增强率及增强概率，从多个第一样本的特征信息中，确定出待更新的特征信息；根据待更新的特征信息及噪声特征值，更新第一训练集中的第一样本，得到更新后的第二训练集；根据第二训练集，对神经网络进行第t轮训练。本公开的实施例可提高神经网络的鲁棒性。
-
公开(公告)号：CN109145213A
公开(公告)日：2019-01-04
申请号：CN201810962635.8
申请日：2018-08-22
Applicant: 清华大学
IPC: G06F16/9535 , G06F16/33
Abstract: 本公开涉及一种基于历史信息的查询推荐方法及装置，包括：响应于当前查询会话中当前查询的查询操作，获取所述当前查询会话的多个历史查询的历史查询词以及与所述多个历史查询对应的目标文档的标题信息，所述目标文档为历史查询中被浏览过的文档；根据所述目标文档的标题信息及所述历史查询词，生成与当前查询会话对应的上下文向量；获取所述当前查询的查询词相匹配的多个候选查询词；根据所述上下文向量，确定所述多个候选查询词的推荐分值；根据所述推荐分值，从所述多个候选查询词中确定所述当前查询的推荐查询词。根据本公开提供的一种基于历史信息的查询推荐方法及装置，能够提高推荐查询词的精准度。
-
Patent Agency Ranking
公开(公告)号：CN109086417A
公开(公告)日：2018-12-25
申请号：CN201810885991.4
申请日：2018-08-06
Applicant: 清华大学
IPC: G06F17/30
Abstract: 本公开涉及一种搜索评价方法及装置，所述方法包括：根据搜索结果的相关性评分和点击必要性评分，确定搜索结果被点击的概率；根据搜索结果的摘要的深度、目标页面的深度以及被点击的概率，确定搜索结果的期望浏览深度；根据搜索结果的期望浏览深度，确定搜索结果的期望浏览起始深度；根据搜索结果的期望浏览起始深度、摘要的深度、目标页面的深度、相关性评分以及浏览深度分布函数，确定搜索结果的收益；根据搜索结果的收益，确定搜索页面的评分。根据本公开的实施例的搜索评价方法及装置，在确定搜索页面的评分时，将搜索结果的摘要的深度和目标页面的深度考虑到指标的设计中，可较好地反映用户的使用体验。
-
公开(公告)号：CN106015748A
公开(公告)日：2016-10-12
申请号：CN201610424340.6
申请日：2016-06-16
Applicant: 清华大学 , 常州容大结构减振股份有限公司
CPC classification number: F16L3/1016 , F16F15/022 , F16F15/023 , F16F15/08 , F16L3/18 , F16L58/18
Abstract: 本发明涉及一种大公称管道的多向限位支架，包括管道固定支架和固定框，在所述固定框内的相对两侧上各设置有一个限位槽；所述管道固定支架上对称设置有支撑架，所述支撑架卡入到限位槽内，沿限位槽作直线移动；在所述固定框的底部与管道固定支架之间设置有一个三向阻尼器，所述三向阻尼器包括油缸、阻尼结构和阻尼杆，阻尼杆的一端固定连接在上盖板上，阻尼杆的另一端与阻尼结构相连，上盖板通过弹性密封带连接在油缸侧壁上，阻尼杆与阻尼结构连接的一端及阻尼结构的表面都开有耗能孔。
-
公开(公告)号：CN105890575A
公开(公告)日：2016-08-24
申请号：CN201410756501.2
申请日：2014-12-10
Applicant: 青岛理工大学 , 中国航空工业集团公司西安飞行自动控制研究所 , 清华大学
Abstract: 本发明涉及一种普通及特殊环境的人工智能机器视觉识别方法及装置，为解决现有技术不适合多视场测量问题，是利用沿光路依次配置在精密丝杠(8-1)和精密导轨(8-2)的激光器(1)、光束整形系统(2)、矩形光栅(3)、单色傅立叶变换透镜(4)、频谱选择器(5)、波片(6)、单色变倍率镜头(7)、高速振镜(9)组成的光输出系统向待识别目标(10)投射正弦结构光；由计算机(14)及与之相连的远心镜头及高速CCD或CMOS(11)、激光测距系统(12)、内部环境控制系统(13)组成的视觉采集识别系统对待识别目标(10)进行视觉采集识别；通过内置光输出系统和视觉采集识别系统的保护外壳(15)配置防辐射保护窗口对光输出系统和视觉采集识别系统进行防辐射保护。具有适合由近及远的大视场范围测量的正弦结构光连续输出，兼顾远近不同距离，不同特征的静态、低速，以及高速运动物体的模式识别的优点。
-
公开(公告)号：CN104166014A
公开(公告)日：2014-11-26
申请号：CN201410375008.6
申请日：2014-07-31
Applicant: 清华大学
IPC: G01P15/03
Abstract: 本发明涉及一种基于加速度传感器获取加速度信号的方法，包括以下步骤：S1：激光通过端口输入耦合器中，并将激光分为等光强的两束光；S2：等光强的两束光分别进入参考光纤与传感光纤；S3：当传感器所处的加速度环境发生变化时，加速度信号转化为质量块的振动；S4：质量块的振动使弹性筒的压缩状态产生改变，以及使传感光纤发生形变，其中，传感光纤与参考光纤之间存在相位差；S5：通过相位测量电路获取相位差信息，并通过分析相位差的变化获取加速度信号。本发明利用单弹性筒-质量块的结构，并选取合适的弹性筒材料、外径及厚度尺寸，在保证大于100rad/g高灵敏度的前提下，将带宽提高至1200Hz以上。本发明还公开了一种加速度传感器。
-
公开(公告)号：CN103605641A
公开(公告)日：2014-02-26
申请号：CN201310557161.6
申请日：2013-11-11
Applicant: 清华大学
Abstract: 本发明提供一种汉语缩略语自动发现的方法，包括：对预置训练集上的“原语-缩略语”对进行统计，得到“原语-缩略语”的统计集合；对于统计集合中的每个“原语-缩略语”对，将“原语-缩略语”对转化成相应的缩略模式，并对于每个原语，得到其各个缩略模式对应的概率；对于缩略语未知的原语，利用对应长度的缩略模式集合，生成缩略语候选，并且为每一个候选缩略语赋以缩略模式的概率值；将每一个原语作为查询在二部图上拓展得到一个相关查询列表，相关查询列表以相似性降序排列；对于每一个通过缩略语候选，基于相关查询列表对缩略语候选进行验证，计算缩略语候选的候选分数；选取候选分数最高的缩略语候选作为原语的缩略语。
-
-
-
-
-
-
-
-
-
Search Results
163
records
(took 0.039 seconds)
