基于深度学习的专利价值评估的方法

    公开(公告)号:CN108416535B

    公开(公告)日:2021-08-13

    申请号:CN201810259236.5

    申请日:2018-03-27

    Abstract: 本发明公开了一种基于深度学习的专利价值评估的方法,包括:获取专利的属性特征与引用关系,通过属性网络表征的方法,得到专利对应的属性网络表征;获取专利的文本信息,通过多层卷积神经网络,得到专利对应的文本表征;利用专利对应的属性网络表征与文本表征,对专利的价值进行评估预测。通过该方法可以精确地评估专利的价值。

    一种基于城市公共交通资源联合调度方法

    公开(公告)号:CN112417753A

    公开(公告)日:2021-02-26

    申请号:CN202011215298.X

    申请日:2020-11-04

    Abstract: 本发明提供一种基于城市公共交通资源联合调度方法,聚焦于公交车系统和共享单车系统,在时空预测的基础上使用强化学习长期的最优调度以及协同调度策略,能够实现两者之间的协同调度,解决可能会出现的局部贪心问题,当某种交通服务临时不可用或不适用时,能够及时调度其他交通资源满足用户的出行需求。该方法依据已记录的不同时间地点下人群流动的数据和各类交通工具承载的人流变化,预先构造出一个随时间变化的人群乘坐交通工具的需求流量图;然后,将当前车站状态和未来预测的流量图当作当前系统的状态,利用强化学习技术来对当前多种交通系统进行协同高效的调度。

    模型无关的自适应测试方法

    公开(公告)号:CN112330509A

    公开(公告)日:2021-02-05

    申请号:CN202011216274.6

    申请日:2020-11-04

    Abstract: 本发明公开了一种模型无关的自适应测试方法,其特征在于,包括:根据考生的历史答题记录估计考生认知状态,从而预测考生对未测试题目集合中每一道题目答对概率,并通过模型无关的信息量评估函数,量化未测试题目集合中每一道题目的信息量,根据信息量大小选择排名靠前的KC个题目组成高质量候选集;通过模型无关的题集多样性评估函数,并结合题目中知识点的重要性权重,来量化已测试题集的多样性,从高质量候选集中选择使得多样性的边界增益最大的题目作为本次选题的最终结果。该方法剥离算法对模型底层细节的依赖,使得该方法适用于现有所有认知诊断模型,降低了自适应测试系统的耦合性,提高其灵活性。

    图像增强的层次化语义表示的自然语言推理方法

    公开(公告)号:CN109214006B

    公开(公告)日:2020-10-27

    申请号:CN201811088770.0

    申请日:2018-09-18

    Abstract: 本发明公开了一种图像增强的层次化语义表示的自然语言推理方法,包括:获取具有异构数据结构的自然语言句子对和对应的图像信息;对所述自然语言句子对分别进行词级别、短语级别与句子级别的不同粒度的语义建模,获得相应的语义表示;利用对应的图像信息,分别对词级别、短语级别与句子级别的语义表示进行增强处理;根据增强处理后的词级别、短语级别与句子级别的语义表示,利用自然语言推理中的匹配方法处理得到的自然语言句子对的表示向量,以此判断自然句子对中两个句子之间的推断关系。该方法实现对句子语义的全面准确理解和表示,进而高效建模两个句子之间的语义交互,最终准确判断两个句子之间的语义推断关系。

    基于异构结构的知识追踪方法

    公开(公告)号:CN111539528A

    公开(公告)日:2020-08-14

    申请号:CN202010355445.7

    申请日:2020-04-29

    Abstract: 一种基于异构结构的知识追踪方法,包括以下步骤:获取学生的练习历史日志,以及每道习题考察的知识点;获取知识点之间关系构成的异构知识结构;将学生的成绩日志处理为若干按照时间顺序排列的作答序列,每个作答序列包括特定学生在特定时间的一系列答题结果;基于知识所具有的图结构性质,应用两个不同的传播模型来追踪沿不同关系的影响,包括同步传播方法和异步传播方法;采用级联影响传播单元对模型的时间效果和空间效果进行联合建立模型,将异构知识结构和学生的作答序列作为输入,由级联影响传播单元从每一个时刻的作答情况中提取出每次学习对知识点产生的时序影响;采用门控函数综合时序影响和空序影响的综合效果,更新学生的知识状态。

    基于联邦学习的知识追踪的方法及系统

    公开(公告)号:CN111461442A

    公开(公告)日:2020-07-28

    申请号:CN202010265714.0

    申请日:2020-04-07

    Abstract: 本发明公开了一种基于联邦学习的知识追踪的方法及系统,相关方案运用深度知识追踪模型,结合循环神经网络对本地学生知识状态进行建模,同时计算本地数据的置信度;最终服务器结合置信度作为权重,加权平均各个模型的参数,得到全局知识追踪模型,进而更好的利用各个客户端的私有数据,并且保持数据隐私,最终更加准确的追踪建模学生的能力,弥补了现有方法泄露隐私信息,对教育数据质量的忽略等弊端。

    基于笔画和字形的形态学双通道中文词嵌入方法

    公开(公告)号:CN110610006A

    公开(公告)日:2019-12-24

    申请号:CN201910881062.0

    申请日:2019-09-18

    Abstract: 本发明公开了一种基于笔画和字形的形态学双通道中文词嵌入方法,包括:获取中文文本,并通过预处理得到相应的词序列;将词序列中的每个单词拆分为若干个汉字,再根据汉字的笔顺信息与字形图片信息,针对字级形态学特征、字级特征与词级特征的提取过程进行建模,从而获得适用于汉语自身特点的词嵌入表达。上述方法可以增强词嵌入的效果,为汉语自然语言处理、文本挖掘等领域的实践提供一定的技术支持。

Patent Agency Ranking