-
公开(公告)号：CN103106616A
公开(公告)日：2013-05-15
申请号：CN201310062057.X
申请日：2013-02-27
Applicant: 中国科学院自动化研究所
IPC: G06Q50/00
Abstract: 本发明涉及社会信息化传播网络中用户行为的数据挖掘，本发明具体公开了一种基于资源整合与信息传播特征的社区发现及演化方法，从而更加精确地定义用户社区，并发现有意义的社区演化模式。本发明针对现有社区发现与演化方法中网络资源整合度低和信息传播因素考虑较少等特点，提出了基于资源整合的社区发现方法，利用共享潜在特征的协同矩阵分解方法将用户行为和用户交互行为有机地结合到一起；并以信息传播理论为指导，纳入用户的好友影响为信息传播特征，基于一阶马尔科夫假设，采用机器学习方法完成社区演化模式的挖掘。实验表明这一方案能有效地提高用户社区的挖掘与演化质量。
-
公开(公告)号：CN108304911A
公开(公告)日：2018-07-20
申请号：CN201810018789.1
申请日：2018-01-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及知识抽取领域，具体涉及一种基于记忆神经网络的知识抽取方法以及系统和设备，目的在于解决现有技术中存在的信息冗余问题。本发明在给定预定义关系类型的前提下，首先利用卷积神经网络获取输入文本中可能具有的关系类型，及其语义编码向量；再利用双向长短时记忆神经网络进行语义编码，得到语义向量；将关系类型作为双向长短时记忆网络的初始值以及解码模块中的第一个标签，进而将关系类型信息融入到编码信息以及解码模块的标签信息中；最后采用单向长短时记忆网络结构的解码模块得到标签序列，然后通过解析标签序列得到结构化信息。本发明不但极大地提高了结构化信息抽取的效率，而且克服了现有技术中存在的信息冗余问题。
-
公开(公告)号：CN104915448A
公开(公告)日：2015-09-16
申请号：CN201510372795.3
申请日：2015-06-30
Applicant: 中国科学院自动化研究所
CPC classification number: G06F17/30533 , G06N3/08
Abstract: 一种基于层次卷积网络的实体与段落链接方法，包括：利用卷积神经网络通过词向量化表示转化成句子向量化表示；利用句子向量化表示再次经过卷积神经网络并考虑所述句子次序信息得到段落向量化表示；句子向量化表示和段落向量化表示通过Softmax输出，借助已有实体作为监督信息进行所述卷积神经网络模型的训练；同时，考虑段落语义向量特征与实体语义向量特征之间的pair-wise相似度信息进一步改善卷积神经网络模型的训练；给定一个测试描述段落，利用训练好的神经网络模型进行深层语义特征抽取得到测试段落的向量化表示，然后基于此语义表示经过Softmax输出可直接链接到目标实体上。
-
Patent Agency Ranking
公开(公告)号：CN109452941B
公开(公告)日：2021-04-23
申请号：CN201811410151.9
申请日：2018-11-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及测量算法技术领域，尤其涉及一种基于图片正畸与边界提取的肢体周径测量方法及系统，旨在解决肢体不同位置的周径长快速、便捷获取的问题，本发明方法包括获取包含待测量肢体图像信息的输入图像；通过透视变换对输入图像进行去畸变处理，得到矫正图像；对所述矫正图像进行肢体边界区域提取，得到肢体的上边界和下边界；基于上边界和下边界，获取所有位置的对应点肢体周径。通过本发明可以快速、便捷的获取被测肢体不同位置的周径长，可以让患者在家中进行测量，并记录病情发展状况。
-
公开(公告)号：CN109452941A
公开(公告)日：2019-03-12
申请号：CN201811410151.9
申请日：2018-11-23
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及测量算法技术领域，尤其涉及一种基于图片正畸与边界提取的肢体周径测量方法及系统，旨在解决肢体不同位置的周径长快速、便捷获取的问题，本发明方法包括获取包含待测量肢体图像信息的输入图像；通过透视变换对输入图像进行去畸变处理，得到矫正图像；对所述矫正图像进行肢体边界区域提取，得到肢体的上边界和下边界；基于上边界和下边界，获取所有位置的对应点肢体周径。通过本发明可以快速、便捷的获取被测肢体不同位置的周径长，可以让患者在家中进行测量，并记录病情发展状况。
-
公开(公告)号：CN108304911B
公开(公告)日：2020-03-13
申请号：CN201810018789.1
申请日：2018-01-09
Applicant: 中国科学院自动化研究所
Abstract: 本发明涉及知识抽取领域，具体涉及一种基于记忆神经网络的知识抽取方法以及系统和设备，目的在于解决现有技术中存在的信息冗余问题。本发明在给定预定义关系类型的前提下，首先利用卷积神经网络获取输入文本中可能具有的关系类型，及其语义编码向量；再利用双向长短时记忆神经网络进行语义编码，得到语义向量；将关系类型作为双向长短时记忆网络的初始值以及解码模块中的第一个标签，进而将关系类型信息融入到编码信息以及解码模块的标签信息中；最后采用单向长短时记忆网络结构的解码模块得到标签序列，然后通过解析标签序列得到结构化信息。本发明不但极大地提高了结构化信息抽取的效率，而且克服了现有技术中存在的信息冗余问题。
-
公开(公告)号：CN104915448B
公开(公告)日：2018-03-27
申请号：CN201510372795.3
申请日：2015-06-30
Applicant: 中国科学院自动化研究所
Abstract: 一种基于层次卷积网络的实体与段落链接方法，包括：利用卷积神经网络通过词向量化表示转化成句子向量化表示；利用句子向量化表示再次经过卷积神经网络并考虑所述句子次序信息得到段落向量化表示；句子向量化表示和段落向量化表示通过Softmax输出，借助已有实体作为监督信息进行所述卷积神经网络模型的训练；同时，考虑段落语义向量特征与实体语义向量特征之间的pair‑wise相似度信息进一步改善卷积神经网络模型的训练；给定一个测试描述段落，利用训练好的神经网络模型进行深层语义特征抽取得到测试段落的向量化表示，然后基于此语义表示经过Softmax输出可直接链接到目标实体上。
-
公开(公告)号：CN103106616B
公开(公告)日：2016-01-20
申请号：CN201310062057.X
申请日：2013-02-27
Applicant: 中国科学院自动化研究所
IPC: G06Q50/00
Abstract: 本发明涉及社会信息化传播网络中用户行为的数据挖掘，本发明具体公开了一种基于资源整合与信息传播特征的社区发现及演化方法，从而更加精确地定义用户社区，并发现有意义的社区演化模式。本发明针对现有社区发现与演化方法中网络资源整合度低和信息传播因素考虑较少等特点，提出了基于资源整合的社区发现方法，利用共享潜在特征的协同矩阵分解方法将用户行为和用户交互行为有机地结合到一起；并以信息传播理论为指导，纳入用户的好友影响为信息传播特征，基于一阶马尔科夫假设，采用机器学习方法完成社区演化模式的挖掘。实验表明这一方案能有效地提高用户社区的挖掘与演化质量。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
