一种有机废物高温好氧功能强化菌剂及其制备方法与应用

    公开(公告)号:CN114606163A

    公开(公告)日:2022-06-10

    申请号:CN202210258435.0

    申请日:2022-03-16

    Applicant: 中南大学

    Abstract: 本发明提供了一种有机废物高温好氧功能强化菌剂及其制备方法与应用,以极端环境、农林有机废弃物好氧发酵高温期、城市有机废物好氧发酵高温期所获得的微生物富集物为基础,经孟加拉红培养基、水解酪蛋白培养基、牛肉膏蛋白胨培养基以及LB培养基连续培养,生物发酵,按一定比例复配获得复合菌液;将复合菌液与菌剂载体混合后压滤,再真空冷冻干燥,即得;根据不同种类的有机废弃物的组分特征筛分具有降解不同有机废物组分的高温好氧功能强化微生物菌剂;该种菌剂与其它有机废物处理菌剂不同,其具有耐高温、降解速率快、减量化效果明显等特点,能够使有机废物快速、高效的资源化利用,降低有机废弃物对环境的影响。

    文本摘要抽取方法、计算机装置、产品及存储介质

    公开(公告)号:CN113887240A

    公开(公告)日:2022-01-04

    申请号:CN202111185278.7

    申请日:2021-10-12

    Applicant: 中南大学

    Abstract: 本发明公开了一种文本摘要抽取方法、计算机装置、产品及存储介质,提出双层记忆网络,使句子向量融合了上下文中的语义关系。变换后的记忆网络有两层,第一层是单向记忆网络,第二层是双向记忆网络。为了使后续句子分类时充分融合前文已有信息,本发明通过单向记忆网络将目标语句向量和前文语句向量相结合。在单向记忆网络中,前文的句子向量被不加区分地融合,为了引入句子在司法裁判文书中的位置信息,本发明通过双向记忆网络将目标语句向量和其上下文语句向量相结合。本发明可以在将裁判文书的上下文语义融入句子本身的语义特征,使抽取式摘要更精准,更符合司法裁判文书的逻辑性,极大地提高了句子分类准确率。

    一种微生物除臭菌剂及其制备方法

    公开(公告)号:CN110438031A

    公开(公告)日:2019-11-12

    申请号:CN201910571160.4

    申请日:2019-06-28

    Abstract: 本发明属于微生物制剂技术领域,具体涉及一种微生物除臭菌剂及其制备方法。本发明的微生物除臭菌剂包括酵母菌发酵液、醋酸菌发酵液和硫氧化菌发酵液,将酵母菌、醋酸菌和硫氧化菌分别活化后接种至液体培养基中培养,再接种至发酵罐中发酵,将各自的发酵液稀释后按体积比2-4:1:1-2混合即得。本发明的微生物除臭菌剂选择的各种菌株之间具有良好的协同作用,能高效协同地吸收并去除臭气中的氨气和硫化氢,使用时直接喷洒于垃圾表面,在刚施用时对臭气中的氨气、硫化氢的去除率平均分别达到90%和80%以上,施用6h后去除率依然平均达到50%和40%以上,瞬时除臭效果好,除臭持续时间长,且对环境友好。

    司法裁判文书摘要生成方法及系统

    公开(公告)号:CN117708644A

    公开(公告)日:2024-03-15

    申请号:CN202311592898.1

    申请日:2023-11-27

    Applicant: 中南大学

    Abstract: 本发明公开了一种司法裁判文书摘要生成方法及系统,具体过程为:获取句子语义功能标签;获取包含语义功能信息的句子关键程度向量;生成抽取式摘要;训练长文本摘要模型;生成生成式摘要;本发明利用条件归一化将句子法律语义功能信息融合到关键句的分类中,使关键句的选取更具有逻辑性。本发明以RoFormer+Unilm的方式构建生成式摘要模型,更适应法律文领域中常见的长文本情况。同时将法律词典融合到生成式摘要的生成中,使最终的生成式摘要更具专业性。

    基于边界检测和提示学习的中文法律文本实体识别方法

    公开(公告)号:CN114372470B

    公开(公告)日:2022-07-29

    申请号:CN202210279342.6

    申请日:2022-03-22

    Applicant: 中南大学

    Abstract: 本发明中提供了一种基于边界检测和提示学习的中文法律文本实体识别方法,属于数据处理技术领域,具体包括:文本编码模块输出文本向量;将文本向量输入实体边界检测模块,输出文本中实体的边界检测结果;基于构建好的法律文本语料库进行进一步的领域预训练,得到适用于法律领域的预训练模型;在实体类型预测模块中,基于提示学习思想,根据实体边界检测模块输出的结果构建适用于命名实体识别任务的模板,再利用模板和预训练模型进行提示学习,输出实体类型的预测结果;对实体边界检测模块和实体类型预测模块进行联合训练,得到适用于中文法律文本实体识别任务的模型。通过本发明的方案,提高了法律文本命名实体识别时的适应性和精准度。

    高效转化土壤重金属铬的复合菌剂及其制备方法和应用

    公开(公告)号:CN113265362A

    公开(公告)日:2021-08-17

    申请号:CN202110708489.8

    申请日:2021-06-23

    Abstract: 本发明属于土壤修复技术领域,具体涉及一种高效转化土壤重金属铬的复合菌剂及其制备方法和应用。所述复合菌剂由以下两个菌群混合后富集培养得到:芽孢杆菌、乳酸片球菌、科氏梭菌、产琥珀酸放线杆菌和醋酸杆菌组成的菌群A;嗜酸铁质菌、氧化亚铁硫杆菌、硫氧化酸硫杆状菌、硫氧化菌和嗜酸氧化亚铁硫杆菌组成的菌群B。使用本发明的复合菌剂处理铬污染土壤后铬的去除率能达到91%以上。该复合菌剂由多个菌株培养混合而成,各菌株之间具有良好的协同作用,不会产生拮抗,复配后能提高彼此对重金属的适应性,进而提高地在重金属污染土壤中的生存和去除效果,制备和应用方法简单,培养周期和处理周期短,成本低,无二次污染,具有广阔的应用前景。

    基于边界检测和提示学习的中文法律文本实体识别方法

    公开(公告)号:CN114372470A

    公开(公告)日:2022-04-19

    申请号:CN202210279342.6

    申请日:2022-03-22

    Applicant: 中南大学

    Abstract: 本发明中提供了一种基于边界检测和提示学习的中文法律文本实体识别方法,属于数据处理技术领域,具体包括:文本编码模块输出文本向量;将文本向量输入实体边界检测模块,输出文本中实体的边界检测结果;基于构建好的法律文本语料库进行进一步的领域预训练,得到适用于法律领域的预训练模型;在实体类型预测模块中,基于提示学习思想,根据实体边界检测模块输出的结果构建适用于命名实体识别任务的模板,再利用模板和预训练模型进行提示学习,输出实体类型的预测结果;对实体边界检测模块和实体类型预测模块进行联合训练,得到适用于中文法律文本实体识别任务的模型。通过本发明的方案,提高了法律文本命名实体识别时的适应性和精准度。

Patent Agency Ranking