-
Patent Agency Ranking
公开(公告)号：CN112861541A
公开(公告)日：2021-05-28
申请号：CN202011476049.6
申请日：2020-12-15
Applicant: 哈尔滨工程大学
IPC: G06F40/30 , G06F40/216 , G06F40/242 , G06F40/289 , G06F16/35 , G06K9/62
Abstract: 本发明提供了一种基于多特征融合的商品评论情感分析方法。对数据集进行噪音过滤，进行文本的分词、词性筛选，统计词频，得到预处理后的文本；对文本中的词语使用word2Vec进行词向量表示；使用基于词语共现度的方法，结合凝聚层次聚类算法挖掘商品评论中的有关属性的情感词；针对描述商品属性的情感词进行情感词典扩充，确定新词的情感倾向；将否定词典、连词词典、程度词典等文本特征、用户特征、商品特征进行多特征进行有机融合来确定文本的情感倾向，以此构建半监督训练集；根据构建的训练集，对文本进行基于SVM的情感分类。本发明提出的基于多特征融合的情感分类方法能够有效提高分类的准确度，在产品跟踪、服务反馈、意见挖掘以及舆情监控等方面有着重要的应用价值。
-
公开(公告)号：CN112511474A
公开(公告)日：2021-03-16
申请号：CN202011351885.1
申请日：2020-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于卷积神经网络和迁移学习的智能设备振动通信方法。本发明涉及物联网振动通信技术领域，本发明对智能设备的发送端进行振动信号的比特流分组调制发送；对智能设备的接收端采用信标位检测算法确定振动起点；对三轴加速度计信号进行主成分特征提取，去除信号噪声；对主成分分析特征提取后的加速度信号进行卷积神经网络解码，得到比特位组对应的符号标签；当通信环境发生改变时，进行迁移学习，提高振动信号识别准确率。本发明采用的比特流分组编码结合卷积神经网络解码的方式无需关心组内符号间干扰对传输准确率影响，能加快振动通信速率。相对于振幅调制和频率调制技术，本发明能被当前各种商业化智能设备所通用。
-
公开(公告)号：CN119718942A
公开(公告)日：2025-03-28
申请号：CN202411857862.6
申请日：2024-12-17
Applicant: 哈尔滨工程大学
IPC: G06F11/3668 , G06F16/2458 , G06F18/22 , G06F17/10
Abstract: 本发明是一种基于关联规则挖掘的软件故障多维度关联关系分析方法。本发明涉及软件服务故障检测技术领域，本发明针对软件故障定位领域提出基于关联规则挖掘的软件故障多维度关联关系分析方法，实现了对软件故障从故障间关联、故障内特征关联、软件故障结构关联三个维度进行关联关系分析，并将不同维度的分析结果进行故障多维度关联系数计算，生成最终的关联关系分析结果。本发明相对于传统基于测试用例、软件度量的故障关联关系分析方法，具有综合考虑了软件故障发生的场景下多个不同维度，分析更加全面的优势；相对于Apriori关联规则挖掘算法，具有面对大规模数据时效率更高的优势。
-
公开(公告)号：CN112861541B
公开(公告)日：2022-06-17
申请号：CN202011476049.6
申请日：2020-12-15
Applicant: 哈尔滨工程大学
IPC: G06F40/30 , G06F40/216 , G06F40/242 , G06F40/289 , G06F16/35 , G06K9/62
Abstract: 本发明提供了一种基于多特征融合的商品评论情感分析方法。对数据集进行噪音过滤，进行文本的分词、词性筛选，统计词频，得到预处理后的文本；对文本中的词语使用word2Vec进行词向量表示；使用基于词语共现度的方法，结合凝聚层次聚类算法挖掘商品评论中的有关属性的情感词；针对描述商品属性的情感词进行情感词典扩充，确定新词的情感倾向；将否定词典、连词词典、程度词典等文本特征、用户特征、商品特征进行多特征进行有机融合来确定文本的情感倾向，以此构建半监督训练集；根据构建的训练集，对文本进行基于SVM的情感分类。本发明提出的基于多特征融合的情感分类方法能够有效提高分类的准确度，在产品跟踪、服务反馈、意见挖掘以及舆情监控等方面有着重要的应用价值。
-
公开(公告)号：CN112511474B
公开(公告)日：2022-05-17
申请号：CN202011351885.1
申请日：2020-11-26
Applicant: 哈尔滨工程大学
Abstract: 本发明是一种基于卷积神经网络和迁移学习的智能设备振动通信方法。本发明涉及物联网振动通信技术领域，本发明对智能设备的发送端进行振动信号的比特流分组调制发送；对智能设备的接收端采用信标位检测算法确定振动起点；对三轴加速度计信号进行主成分特征提取，去除信号噪声；对主成分分析特征提取后的加速度信号进行卷积神经网络解码，得到比特位组对应的符号标签；当通信环境发生改变时，进行迁移学习，提高振动信号识别准确率。本发明采用的比特流分组编码结合卷积神经网络解码的方式无需关心组内符号间干扰对传输准确率影响，能加快振动通信速率。相对于振幅调制和频率调制技术，本发明能被当前各种商业化智能设备所通用。
-
-
-
-
Search Results
5
records
(took 0.02 seconds)
