-
公开(公告)号：CN112287105B
公开(公告)日：2023-09-12
申请号：CN202011055105.9
申请日：2020-09-30
Applicant: 昆明理工大学
IPC: G06F16/35 , G06F40/205 , G06F40/258 , G06F40/284 , G06F40/289 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及融合标题和正文双向互注意力的涉法新闻相关性分析方法，属于自然语言处理技术领域。本发明包括步骤：获取标题和正文的词级特征向量；构建标题和正文相似矩阵去分别计算正文辅助标题的双向互注意力、正文辅助标题的双向互注意力；分别对正文辅助标题以及标题辅助正文这两种情况下得到的双向互注意力向量进一步提取深层次关系，然后把提取到的深层次关系在高维度联合，以得到整篇新闻的完整信息；根据新闻特性判断其是否属于涉法新闻。本发明相比基线模型准确率提高了2.7％，实验结果表明利用标题和正文以及它们之间的相互作用对新闻文本分类有很好的支撑作用。
-
公开(公告)号：CN113641888A
公开(公告)日：2021-11-12
申请号：CN202110347488.5
申请日：2021-03-31
Applicant: 昆明理工大学
IPC: G06F16/9532 , G06F40/30 , G06F16/35 , G06N3/04
Abstract: 本发明涉及基于融合主题信息增强PU学习的事件相关新闻过滤的学习方法。本发明将已标注和未标注的事件相关新闻数据集通过无监督预训练的方式进行主题信息抽取，再将抽取到的主题信息加入到PU学习的初次训练和后续的迭代训练过程中，确保在初始事件相关新闻样本较少的情况下能利用到更多的样本信息，并且在后续的迭代训练过程中都进行主题增强，使得每次迭代训练出来的分类器都能从未标注数据中获取到真正可靠的正负样本数据，来提高最终事件相关新闻分类器的性能。本发明比PU学习的基线模型，F1值提高了1.8％，且在低初始样本和高迭代的情况下领先更多。本发明利用主题信息增强PU学习的方法能有效解决与案例相关的新闻过滤任务中缺乏训练数据的问题。
-
公开(公告)号：CN112287105A
公开(公告)日：2021-01-29
申请号：CN202011055105.9
申请日：2020-09-30
Applicant: 昆明理工大学
IPC: G06F16/35 , G06F40/205 , G06F40/258 , G06F40/284 , G06F40/289 , G06N3/04 , G06N3/08
Abstract: 本发明涉及融合标题和正文双向互注意力的涉法新闻相关性分析方法，属于自然语言处理技术领域。本发明包括步骤：获取标题和正文的词级特征向量；构建标题和正文相似矩阵去分别计算正文辅助标题的双向互注意力、正文辅助标题的双向互注意力；分别对正文辅助标题以及标题辅助正文这两种情况下得到的双向互注意力向量进一步提取深层次关系，然后把提取到的深层次关系在高维度联合，以得到整篇新闻的完整信息；根据新闻特性判断其是否属于涉法新闻。本发明相比基线模型准确率提高了2.7％，实验结果表明利用标题和正文以及它们之间的相互作用对新闻文本分类有很好的支撑作用。
-
公开(公告)号：CN111309911A
公开(公告)日：2020-06-19
申请号：CN202010096028.5
申请日：2020-02-17
Applicant: 昆明理工大学
IPC: G06F16/35 , G06F16/33 , G06F40/216 , G06F40/284 , G06F40/30 , G06Q50/18
Abstract: 本发明涉及面向司法领域的案件话题发现方法，属于自然语言处理技术领域。本发明首先从案件相关的舆情舆情中抽取舆情标题，经由bert模型编码后得到同等长度的语义向量，并且加入舆情舆情发布时间的约束，使用增量聚类的方式得到不同话题，然后使用每个话题下所有的舆情进行关键字提取，进行编码后用于话题合并，最终生成有效话题。本发明对于不同案件下的相关舆情舆情，可以生成准确的话题类别，为后续的话题表征等工作提供了强有力的支撑。
-
公开(公告)号：CN117574255A
公开(公告)日：2024-02-20
申请号：CN202311728762.9
申请日：2023-12-15
Applicant: 昆明理工大学
IPC: G06F18/2411 , G06N3/006 , G06F18/27 , G06Q10/0635
Abstract: 本发明涉及边坡工程技术领域，具体涉及一种基于鹈鹕算法和支持向量机的边坡安全系数预测方法。所述基于鹈鹕算法和支持向量机的边坡安全系数预测方法，包括以下步骤：获取边坡数据样本，通过所述边坡数据样本获得边坡数据训练集和边坡数据验证集；设置算法优化策略，并利用所述算法优化策略优化鹈鹕算法，获得鹈鹕改进算法；基于所述鹈鹕改进算法，构建支持向量机预测优化模型，并通过所述边坡数据训练集和所述边坡数据验证集，训练并验证所述支持向量机预测优化模型；利用训练好的支持向量机预测优化模型，对边坡安全系数进行预测。本发明通过改进鹈鹕算法后优化支持向量机预测模型，只需利用边坡影响因素即可快速准确预测边坡安全系数。
-
Patent Agency Ranking
公开(公告)号：CN117447739A
公开(公告)日：2024-01-26
申请号：CN202311561827.5
申请日：2023-11-22
Applicant: 昆明理工大学
Abstract: 本发明涉及一种X射线辐射剂量延时探测薄膜制备方法及其应用，属于辐射检测技术领域，本发明末通，再将过制NaYF备Na4：YFHo43+：粉末Ho3+粉与环氧树脂复合制备得到NaYFNaYF44：：HoHo3+3+环氧树脂探测薄探测薄膜，利用膜在X射线作用下会产生光响应特性，通过对NaYF4：Ho3+环氧树脂探测薄膜施加机械力，储存的辐射能量以可见光的形式表现出来，再根据发光强度对辐射剂量进行定量判断，实现辐射剂量的长期、稳定储存，提高探测结果准确性，有效避免高剂量辐射对探测人员造成伤害。
-
公开(公告)号：CN113641888B
公开(公告)日：2023-08-29
申请号：CN202110347488.5
申请日：2021-03-31
Applicant: 昆明理工大学
IPC: G06F16/9532 , G06F40/30 , G06F16/35 , G06N3/0442 , G06N3/0455 , G06N3/0499 , G06N3/088
Abstract: 本发明涉及基于融合主题信息增强PU学习的事件相关新闻过滤的学习方法。本发明将已标注和未标注的事件相关新闻数据集通过无监督预训练的方式进行主题信息抽取，再将抽取到的主题信息加入到PU学习的初次训练和后续的迭代训练过程中，确保在初始事件相关新闻样本较少的情况下能利用到更多的样本信息，并且在后续的迭代训练过程中都进行主题增强，使得每次迭代训练出来的分类器都能从未标注数据中获取到真正可靠的正负样本数据，来提高最终事件相关新闻分类器的性能。本发明比PU学习的基线模型，F1值提高了1.8％，且在低初始样本和高迭代的情况下领先更多。本发明利用主题信息增强PU学习的方法能有效解决与案例相关的新闻过滤任务中缺乏训练数据的问题。
-
公开(公告)号：CN113996545A
公开(公告)日：2022-02-01
申请号：CN202111393186.8
申请日：2021-11-23
Applicant: 昆明理工大学
IPC: B07C5/02 , B07C5/34 , B07C5/36 , G06V10/25 , G06V10/44 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于计算机视觉的三七主根快速分选生产线，属于农产品检测分级技术领域，包括除杂上料装置、计算机视觉检测机构、分拣机构、输送装置、控制系统，输送装置对接安装在除杂上料装置末端，计算机视觉检测机构安装在输送装置的机架上，分拣机构安装在输送装置的机架上，处于计算机视觉检测机构后方，控制系统安装在输送装置的机架上；控制系统与计算机视觉检测机构、分拣机构及输送装置电连接；能够去除三七主根中的杂质；能够实现将三七主根离散化，其等间隔交错的斗槽排列，保证了三七无重叠、等间距快速上料；视觉检测机构能够快速提取和识别三七图像特征，进而快速判断三七等级，并分拣。
-
公开(公告)号：CN119824459A
公开(公告)日：2025-04-15
申请号：CN202510011532.3
申请日：2025-01-04
Applicant: 昆明理工大学
IPC: C25B11/077 , C25B1/23 , B82Y40/00
Abstract: 本发明公开了一种单分散氧化物纳米粒子在固体氧化物电解池中的应用，具体是通过热分解法制备单分散氧化物纳米颗粒正己烷溶液，将单分散氧化物纳米粒子溶液浸渍到燃料电极内部，干燥后在350‑450℃焙烧1‑2h后获得氧化物纳米粒子改性燃料极，并将其用于固体氧化物电解池(SOEC)电还原CO2中，以提高电还原CO2反应催化效率；本发明方法可通过单次/两次浸渍焙烧循环，将氧化铈纳米粒子均匀连续地分散于电极内部，并深入电极内部的电化学反应最佳活性区域(燃料电极深处靠近电解质界面的区域)，建立不间断的电‑离子“高速公路”；本方法在提升SOEC性能方面具有重要的应用价值，推动了高效能量转换和储存技术的发展。
-
公开(公告)号：CN118929682A
公开(公告)日：2024-11-12
申请号：CN202411092921.5
申请日：2024-08-09
Applicant: 昆明理工大学
Abstract: 本发明公开了一种Li4SiO4基颗粒吸附剂的制备方法，该方法是将锂盐和含硅矿石颗粒混合，混合物置于马弗炉进行两段焙烧，获得颗粒状Li4SiO4吸附剂，所述Li4SiO4基颗粒吸附剂应用在CO2吸附中，在600oC/20vol%CO2条件下吸附量可达29.09wt%，同时吸附量在150次循环测试后损失较小；本发明制备的吸附剂颗粒具有高热稳定性和丰富孔隙结构，颗粒尺寸均匀，硬度良好，CO2吸附性能优异，无需二次造粒，且成型工艺简单，成本低，利于工业化大规模生产。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.044 seconds)
