-
公开(公告)号：CN102799884A
公开(公告)日：2012-11-28
申请号：CN201210243656.7
申请日：2012-07-13
Applicant: 北京工商大学
IPC: G06K9/46
Abstract: 一种基于格式塔规则的图像目标轮廓提取方法，它有五大步骤：一、根据由Canny图像边缘检测算法，生成图像的边缘数据，得到目标轮廓的候选边缘集，用与图像像素点相同的二维矩阵储存；二、依据二维矩阵元素对应的像素点取3邻域的平均值，减去整个二维矩阵的元素平均值，得到边缘的特征串进行存储；三、根据边缘特征串投影到图像平面的强度，通过一个阈值选择10-15%的候选边缘作为轮廓提取数据集，作为轮廓提取的特征量用二维矩阵储存，此二维矩阵储存量最大可为约减前的1/100；四、对候选的边缘进行编组，形成目标轮廓：五、根据四的方法提取图像中的闭合轮廓的概率，选择其中闭合环概率大的环作为目标轮廓。
-
公开(公告)号：CN112257429B
公开(公告)日：2024-04-16
申请号：CN202011109749.1
申请日：2020-10-16
Applicant: 北京工商大学
IPC: G06F40/284 , G06F40/216 , G06F40/242 , G06F16/33 , G06F16/35 , G06F16/36
Abstract: 本发明公开了基于BERT‑BTM网络的微博突发事件检测方法，读取微博数据集，对所述微博数据集进行处理，获得原始数据集；将所述原始数据集进行向量化处理，得到向量化处理后的词向量集，然后通过调用预训练BERT模型对所述基础BERT词向量集处理，得到BERT词向量集；构建BERT‑BTM模型，通过所述BERT‑BTM模型对所述原始数据集进行处理；构建BERT‑BTM网络，然后对所述BERT‑BTM网络进行划分，完成突发事件检测。本发明解决了现有微博突发事件检测方法中短文本数据稀疏、无法解决一词多义的问题，并提高了突发事件检测效率。
-
公开(公告)号：CN113191144B
公开(公告)日：2024-04-09
申请号：CN202110297717.7
申请日：2021-03-19
Applicant: 北京工商大学
IPC: G06F40/289 , G06F18/2415 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种基于传播影响力的网络谣言识别方法，具体包括如下步骤：对多个包含谣言信息的文本进行神经网络训练，得到文本特征矩阵；获取第一用户节点信息矩阵；构建传播图结构；构建发布用户传递注意力节点模型；根据更新后的第二用户节点信息矩阵和所述文本特征矩阵来训练神经网络模型，得到谣言识别模型；根据所述谣言识别模型识别网络谣言。本发明还公开一种基于传播影响力的网络谣言识别系统，包括：文本特征矩阵获取模块、用户节点信息获取模块、第一构建模块、第二构建模块、训练模块、识别模块；综上，本发明有效的捕获了谣言信息在转发关系中不同维度的节点信息，能够有效识别谣言信息。
-
公开(公告)号：CN110677284B
公开(公告)日：2022-06-17
申请号：CN201910904558.5
申请日：2019-09-24
Applicant: 北京工商大学
IPC: H04L41/147 , H04L41/14 , H04L41/12 , G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于元路径的异构网络链路预测的方法，利用元路径处理异构网络丰富且复杂的语义，从网络中抽取元路径实例并学习网络节点权重，综合网络拓扑特征以更新网络节点嵌入，利用更新的网络节点嵌入，可以做分类、聚类及链路预测等工作，在实际生活中应用性高，能够有效提高异构网络的分类、聚类及链路预测等工作的准确率。
-
公开(公告)号：CN114201583A
公开(公告)日：2022-03-18
申请号：CN202111503732.9
申请日：2021-12-10
Applicant: 北京工商大学
IPC: G06F16/33 , G06F16/35 , G06F40/194 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于图注意力网络的中文金融事件自动抽取方法及系统，其方法包括：步骤S1：从相关领域网站获取中文金融事件的相关数据和金融领域词典，对获取的数据进行预处理；步骤S2：构建原型事件，手工标注典型类别的金融事件数据作为种子数据，得到每类对应的原型事件；步骤S3：构建中文金融事件自动抽取模型，对待分类的中文金融事件进行分类并进行事件元素的抽取。本发明能够利用小样本数据对中文金融事件语料进行扩充，能够解决中文事件抽取语料稀缺问题，为相关研究提高有力的数据支撑；同时，利用图注意力网络和双向长短期记忆网络能够提高事件抽取效果，结合原型事件和相似度计算，能够大大降低模型对标注样本的需求，提高模型的泛化能力。
-
Patent Agency Ranking
公开(公告)号：CN113688171A
公开(公告)日：2021-11-23
申请号：CN202110974801.8
申请日：2021-08-24
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q50/30
Abstract: 本发明涉及一种基于图卷积神经网络的列车制动故障检测方法及系统，方法包括：获取列车制动故障数据以及各监测器之间的连接关系，根据所述列车制动故障数据和所述连接关系构建列车制动故障样本集；根据所述各监测器之间的连接关系构建标准邻接矩阵；根据所述列车制动故障数据构建自适应邻接矩阵；根据所述标准邻接矩阵和所述自适应邻接矩阵构建列车制动故障检测模型；利用所述列车制动故障样本集对所述列车制动故障检测模型进行训练，得到训练好的列车制动故障检测模型；利用训练好的列车制动故障检测模型进行列车制动故障检测。本发明能有效检测出列车运行过程中所发生的制动故障及其故障类型，从而保证了列车运行的安全性和可靠性。
-
公开(公告)号：CN113191144A
公开(公告)日：2021-07-30
申请号：CN202110297717.7
申请日：2021-03-19
Applicant: 北京工商大学
IPC: G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于传播影响力的网络谣言识别方法，具体包括如下步骤：对多个包含谣言信息的文本进行神经网络训练，得到文本特征矩阵；获取第一用户节点信息矩阵；构建传播图结构；构建发布用户传递注意力节点模型；根据更新后的第二用户节点信息矩阵和所述文本特征矩阵来训练神经网络模型，得到谣言识别模型；根据所述谣言识别模型识别网络谣言。本发明还公开一种基于传播影响力的网络谣言识别系统，包括：文本特征矩阵获取模块、用户节点信息获取模块、第一构建模块、第二构建模块、训练模块、识别模块；综上，本发明有效的捕获了谣言信息在转发关系中不同维度的节点信息，能够有效识别谣言信息。
-
公开(公告)号：CN112395482A
公开(公告)日：2021-02-23
申请号：CN202011227796.6
申请日：2020-11-06
Applicant: 北京工商大学 , 北京市疾病预防控制中心
IPC: G06F16/951 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08 , G06Q50/26
Abstract: 本发明涉及一种食品安全事件预警平台。所述预警平台包括：新闻挖掘模块、数据管理模块、预警模块和展示模块，所述新闻挖掘模块用于从各大新闻网站采集食品数据，所述数据管理模块用于存储所述新闻挖掘模块采集的食品数据，所述预警模块用于从所述数据管理模块调取食品数据并根据所述食品数据基于图神经网络的机器阅读理解模型进行关键信息的提取，根据关键信息进行食品判定和评估；所述展示模块用于根据所述预警模块的评估结果展示预警信息。本发明能够及时对食品安全事件进行预警，避免时间进一步扩大造成更大的人员伤亡以及财产损失。
-
公开(公告)号：CN112231455A
公开(公告)日：2021-01-15
申请号：CN202011099857.5
申请日：2020-10-15
Applicant: 北京工商大学
IPC: G06F16/332 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种机器阅读理解方法及系统，方法包括：获取机器阅读理解数据集；对机器阅读理解数据集进行处理，获得训练集和测试集；构建基于图注意力网络的机器阅读理解模型；将训练集输入机器阅读理解模型进行训练，获得模型参数；将测试集输入已求取模型参数后的机器阅读理解模型进行阅读理解，获得每篇文章中每个问题的答案。本发明基于图注意力网络构建机器阅读理解模型既可以捕获到文章的语义信息，又可以捕获到上下文信息和单词间的关联信息，从而提高机器阅读理解任务的准确性。
-
公开(公告)号：CN107403007B
公开(公告)日：2020-05-05
申请号：CN201710609782.2
申请日：2017-07-25
Applicant: 北京工商大学
IPC: G06F16/2458 , G06F16/28 , G06F16/958 , G06F40/279
Abstract: 本发明是一种基于网络的微博消息可信度判别模型的方法，步骤如下：步骤一：计算先验知识；步骤二：定义网络模式；步骤三：定义元路径并生成网络；步骤四：在异构信息网络上做分类；步骤五：虚假消息识别。本发明的优点及功效：一、将评论网络建模为异构信息网络并在异构信息网络上做分类，这在微博虚假消息识别中是一次创新。二、训练数据不需要标注，节省了人力和时间。三、相比于以往研究中通过最终结果来计算特征的重要性，本发明中将特征权重的计算作为模型的一部分，得到最终分类结果的同时也得到了特征的重要性，并且在分类过程中可以观察到特征权重的变化。四、提高了微博虚假消息识别的准确率。
-
-
-
-
-
-
-
-
-
Search Results
54
records
(took 0.028 seconds)
