检索结果-内蒙古大学图书馆

本发明属于文本摘要提取技术领域，公开了一种结合局部主题和层次结构信息的抽取式摘要方法及系统，首先给定原文档，通过编码器得到文档的上下文表示，将其输入局部主题信息提取模块提取该句子所属片段的主题信息，将局部主题信息表示和文档的上下文表示相融合，得到融合局部主题信息的文本上下文表示；文本层次结构信息嵌入模块将文本的层次结构信息嵌入到融合局部主题信息的文本上下文表示中；通过Sigmoid层算出每个句子的置信度分数以判断该句是否属于摘要句。本发明更关注文本重要部分，提升生成摘要质量；通过修改Longformer的TokenPositionEmbeddings，使得其能够处理更长的文本数据。

关键词：局部主题层次结构信息上下文表示文本上下文文本融合句子文本层次结构信息提取模块嵌入模块文本数据信息表示摘要提取主题信息编码器抽取式置信度文档嵌入原文

来源：评论

学校读者我要写书评

暂无评论

基于链表树的硬件逻辑设计层次结构信息提取方法及系统

基于链表树的硬件逻辑设计层次结构信息提取方法及系统

引用

作者：潘国腾付文杰铁俊波周理罗莉荀长庆周海亮邓林龚锐石伟张剑锋刘威冯权友唐潇卢辉鸿赵王唐诗雯廖焕乾 410073 湖南省长沙市开福区砚瓦池正街47号

本发明公开了一种基于链表树的硬件逻辑设计层次结构信息提取方法及系统，本发明基于链表树的硬件逻辑设计层次结构信息提取方法包括使用综合工具将硬件设计的RTL代码综合为一组网表文件，提取网表文件中的信息，得到硬件设计综合报告... 详细信息

标准号: CN116050312A

本发明公开了一种基于链表树的硬件逻辑设计层次结构信息提取方法及系统，本发明基于链表树的硬件逻辑设计层次结构信息提取方法包括使用综合工具将硬件设计的RTL代码综合为一组网表文件，提取网表文件中的信息，得到硬件设计综合报告文件，处理硬件设计综合报告文件生成基于链表树的硬件逻辑设计层次结构信息，本发明从一组硬件模块网表文件中提取设计层级结构信息，并以链表树的方式组织和存储，为逻辑划分算法提供输入，本发明具有层次结构信息提取方便、存储空间资源占用少的优点，并且可进行可视化展示以便于FPGA原型验证系统开发人员直观地理解硬件逻辑设计层次结构。

关键词：层次结构信息硬件逻辑设计链表网表文件硬件设计综合报告存储空间资源原型验证系统层次结构层级结构处理硬件方式组织算法提供文件生成硬件模块综合工具表文件可视化组网存储直观占用展示开发

来源：评论

学校读者我要写书评

暂无评论

联合光谱、空间和层次结构信息的高光谱影像分类方法

联合光谱、空间和层次结构信息的高光谱影像分类方法

引用

作者：王毅段和祥 430074 湖北省武汉市洪山区鲁磨路388号

本发明公开了联合光谱、空间和层次结构信息的高光谱遥感影像分类技术，包括输入待分类的高光谱影像，提取参考数据样本集；选取监督分类的训练样本集；对原始影像采用主成分分析提取影像前三个主成分波段，使用拓展形态学方法提取空间... 详细信息

标准号: CN108427913B

本发明公开了联合光谱、空间和层次结构信息的高光谱遥感影像分类技术，包括输入待分类的高光谱影像，提取参考数据样本集；选取监督分类的训练样本集；对原始影像采用主成分分析提取影像前三个主成分波段，使用拓展形态学方法提取空间特征向量；对原始影像采用马尔科夫特征选择进行降维，采用代数多重网格方法构建影像金字塔，使用层次分割方法得到多层分割结果；将原始光谱特征向量、空间特征向量和层次结构特征向量组合构建多核矩阵；利用支持向量机方法计算核矩阵差异获取最终的类别属性标签；输出最终的影像分类图。本发明提供了一种有效的分类方法，能充分提取挖掘影像信息，能有效提高高光谱影像分类精度。

关键词：空间特征向量特征向量影像分类原始影像高光谱构建影像高光谱遥感影像形态学层次结构信息代数多重网格矩阵训练样本集影像金字塔支持向量机主成分分析参考数据层次分割层次结构方法提取分割结果分类技术监督分类类别属性特征选择影像信息原始光谱核矩阵样本集分类波段多层多核光谱降维标签输出挖掘拓展联合

来源：评论

学校读者我要写书评

暂无评论

联合光谱、空间和层次结构信息的高光谱影像分类方法

联合光谱、空间和层次结构信息的高光谱影像分类方法

引用

作者：王毅段和祥 430074 湖北省武汉市洪山区鲁磨路388号

标准号: CN108427913A

来源：评论

学校读者我要写书评

暂无评论

基于深度图正则化矩阵分解的多视图聚类算法

引用

智能系统学报 2022年第1期17卷 158-169页

作者：刘相男丁世飞王丽娟中国矿业大学计算机科学与技术学院江苏徐州221116 徐州工业职业技术学院信息与电气工程学院江苏徐州221400

针对现实社会中由多种表示或视图组成的多视图数据广泛存在的问题,深度矩阵分解模型因其能够挖掘数据的层次信息而备受关注,但该模型忽略了数据的几何结构信息。为解决以上问题,本文提出基于深度图正则化矩阵分解的多视图聚类算法,通过... 详细信息

针对现实社会中由多种表示或视图组成的多视图数据广泛存在的问题,深度矩阵分解模型因其能够挖掘数据的层次信息而备受关注,但该模型忽略了数据的几何结构信息。为解决以上问题,本文提出基于深度图正则化矩阵分解的多视图聚类算法,通过获取每个视图的局部结构信息和全局结构信息在逐层分解中加入两个图正则化限制,保护多视图数据的几何结构信息,同时将视图的权重与特征表示矩阵进行结合获得共识表示矩阵,最大化视角间的互补性,保证数据的一致性和差异性。除此之外,本文使用迭代更新变量的方法最小化目标函数,不断优化模型并进行收敛性分析。将本文算法和多个算法在三个人脸数据集和两个图像数据集上运行,通过多项指标的对比可以看出本文提出的算法具备良好的性能表现。

关键词：多视图聚类深度矩阵分解几何结构图正则化矩阵分解多视图表示学习层次结构信息深度学习

来源：评论

学校读者我要写书评

暂无评论

装配关系矩阵的分层表达与求解

引用

机械设计与制造 2021年第7期365卷 237-240,245页

作者：黄国权司前前哈尔滨工程大学机电工程学院黑龙江哈尔滨150001

针对复杂产品先部装后总装的装配组织形式,对具有层次关系的装配关系矩阵模型的直接生成与自动获取进行了研究。根据产品的层次结构信息给出了装配关系矩阵的分层表达方法,依据两待检测零部件间存在的连接关系数,以及存在连接关系的两... 详细信息

针对复杂产品先部装后总装的装配组织形式,对具有层次关系的装配关系矩阵模型的直接生成与自动获取进行了研究。根据产品的层次结构信息给出了装配关系矩阵的分层表达方法,依据两待检测零部件间存在的连接关系数,以及存在连接关系的两零件的父级关系,实现了子装配体内部连接关系的“过滤”;通过由外至内逐层遍历模型树,以及子装配体内部连接关系的“过滤”方法,能够将产品中子装配体处理为独立的“零件”获取产品的外层装配关系矩阵,并且可以求解出产品中各子装配体的装配关系矩阵,实现装配关系矩阵的分层求解;利用CATIA V5 Automation技术实现了层次性装配关系矩阵的自动获取,提取出了MBD装配信息模型中的装配关系信息与层次结构信息,使装配关系矩阵模型的信息表达更加完备。

关键词：装配关系矩阵层次结构信息分层求解 CATIA V5 Automation技术自动获取

来源：评论

学校读者我要写书评

暂无评论

Legal Judgment Prediction Based on Legal Text Hierarchical Information and Semantic Information

Legal Judgment Prediction Based on Legal Text Hierarchical I...

引用

作者：陆冠中华中师范大学

学位级别：硕士

人们的法律意识在逐渐的增强。尤其是近些年，法律案件的数量越来越多。伴随着的问题就是法官审判案件的速度赶不上日益增长的法律案件速度。合理的利用大数据等各种信息化技术去帮助法律案件实现自动化处理能够有效的解放法官的大部分... 详细信息

人们的法律意识在逐渐的增强。尤其是近些年，法律案件的数量越来越多。伴随着的问题就是法官审判案件的速度赶不上日益增长的法律案件速度。合理的利用大数据等各种信息化技术去帮助法律案件实现自动化处理能够有效的解放法官的大部分重复性工作。利用深度学习进行法律判决预测得到的结果能够帮助法律从业者从繁琐的文书中解放出来。法律判决预测的主要任务有罪名预测、法条文章预测以及刑期预测。早期关于判决预测主要围绕概率统计方法，到后期演变为机器学习方法。但是以上方法都损失了很大部分的案情描述信息。本文解决了下列问题。一方面当前的主流模型在对法律文书和案例事实的特征提取上依旧不是很全面，简而言之就是理解力不够。另一方面在法律文书和案例事实的交互上依旧不充分。第三个方面对于法律判决任务来说，由于高度相似的法条文章使得深度学习在做预测任务时很难区分易混淆法条不同的特征,这种情况对预测结果产生了很大的影响。本文提出的两种具体模型具体所述如下：　　第三章提出了一种基于法律文本层次结构信息和循环协同注意力网络的法律判决预测模型。本章使用Lawformer来初始化文本信息，将得到的输出送入Bi-LSTM中，进而使得获得的句向量能够更大程度的融入法律文本的上下文语义信息。考虑到法律文书的特殊性，通过利用法律文本的层次化结构信息将输入的法条文章分为公共部分和私有部分。公共部分作为罪名表示（Charge Presentation）。私有部分（Article Presentation）的表示则是通过法条文章的向量表示减去当前的公有部分表示得到。将上述得到的两部分与案件事实（Fact）进行交互。考虑到交互过程中只有互相融入更多对方的信息表示，才能使得最终的预测模块的输入端携带更多的细粒度信息，因此通过协同注意力网络来更好的捕捉法律文章和案情事实之间的细粒度交互。同时又考虑到法官在进行案件判决时不断地在案件和法条文章之间进行比对匹配，因此在协同注意力网络上还采用了循环机制，使得交互的特征更加的精细化。实验结果表明我们提出的模型在法律判决领域的子任务上确实有一定的提升。　　第四章提出了一种基于法律图结构和注意力机制的法律判决预测模型。本章换了一个视角聚焦如何让预测准确率提升这个问题。考虑到法条文章里边有相当一部分法条文章存在着高度重复性，这些高度重复性的法条很大程度上影响了法律判决预测任务准确率的提升。这章节通过法律图结构网络来解决这个问题，将目标聚焦到法条文章上。通过相关操作将整个法律图（法条文章组成的）分为多个法律子图。每个法律子图的法条文章都是高度相似的。因为每个子图里边都是高度相似的易混淆法条文章，通过处理最终得到每个子图的易区分特征表示。同时本文在案例事实的特征表示上也做了很大工作，使用了单词级和句子级两层结构、同时利用Bi-LSTM和自注意力机制来生成案例事实的特征表示。这样生成的案例事实表示在很大程度上都融合了更多的上下文语义信息。在案例事实和法条文章交互中，考虑到有多个子图的易区分特征表示。因无法衡量每个子图的重要性，因此再次引入注意力机制将各个法律子图的表示融入到案例事实的表示中，从而达到提高法律判决预测的性能。将数据集分为CAIL-small和CAIL-big两个部分进行实验，实验表明我们提出的模型在法律判决预测任务上确实有一定的提升。

关键词：法律判决预测法律文本层次结构信息循环协同注意力网络法律图结构注意力机制

来源：评论

学校读者我要写书评

暂无评论

网络评估方法及装置、电子设备和存储介质

网络评估方法及装置、电子设备和存储介质

引用

作者：王锐郑浩彬段新孙剑骏林纲 510623 广东省广州市天河区珠江新城珠江西路11号广东全球通大厦

本公开涉及计算机技术领域，尤其涉及一种网络评估方法及装置、电子设备和存储介质。其中，该网络评估方法，包括：确定待评估网络对应的层次结构信息；根据任一高层指标对应的至少两个低层指标之间的相对重要性，确定低层指标对应的初... 详细信息

标准号: CN116938740A

本公开涉及计算机技术领域，尤其涉及一种网络评估方法及装置、电子设备和存储介质。其中，该网络评估方法，包括：确定待评估网络对应的层次结构信息；根据任一高层指标对应的至少两个低层指标之间的相对重要性，确定低层指标对应的初次指标权重，并采用熵权法对初次指标权重进行指标权重修正，得到低层指标集合中任一低层指标对应的目标指标权重；根据目标指标权重，对低层指标集合进行加权递阶评估，得到待评估网络对应的评分。采用本公开可以提高对网络进行评估时评估结果的可靠性和准确性。

关键词：低层指标权重目标指标评估网络网络评估权重集合计算机技术领域层次结构信息存储介质电子设备评估结果评估递阶加权修正高层网络

来源：评论

学校读者我要写书评

暂无评论

一种新闻网页正文信息的提取方法

一种新闻网页正文信息的提取方法

引用

作者：舒文兵吴於茜肖建国 100871 北京市海淀区成府路298号方正大厦

本发明涉及一种新闻网页正文信息的提取方法，属于网页信息分析处理技术领域。现有技术中，通常采用包装器来抽取网页中感兴趣的数据，而包装器是根据一定的信息模式识别知识从特定的信息源中按固定规则抽取相关内容，并以特定形式加以... 详细信息

标准号: CN1786965B

本发明涉及一种新闻网页正文信息的提取方法，属于网页信息分析处理技术领域。现有技术中，通常采用包装器来抽取网页中感兴趣的数据，而包装器是根据一定的信息模式识别知识从特定的信息源中按固定规则抽取相关内容，并以特定形式加以表示的，包装器所需的信息模式识别知识的获取是一个费时费力且需要较高智能的工作。本发明所述的方法以堆栈数据结构，把网页数据的层次结构信息转化为用向量表达，构建和解析Html树，然后将Html树的各层次数据做对比，进行数据过滤，细化、识别，和数据重组，提取所需的数据信息。采用本发明所述的方法，适用于长期从一固定站点抓取由模版生成的新闻网页中的新闻信息，速度快，准确性高。

关键词：包装器信息模式识别新闻网页抽取层次结构信息分析处理技术知识的获取层次数据固定规则固定站点数据过滤数据结构数据信息数据重组特定形式网页数据网页信息相关内容堆栈模版向量感兴趣智能转化

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：