-
公开(公告)号：CN114742593B
公开(公告)日：2024-09-17
申请号：CN202210428659.1
申请日：2022-04-22
Applicant: 北京信息科技大学
IPC: G06Q30/0204 , G06F18/23213 , G06Q10/087
Abstract: 本发明公开了一种物流仓储中心优化选址方法及系统，该方法包括：获取数据集，包括目标地区各行政区域的政务中心位置数据及经济适应量；采用K均值聚类法对数据集中数据点进行基于位置数据的聚类；构建物流仓储中心的选址模型，基于选址模型，对各聚类区域分别采用帝王蝶优化法优化选取物流仓储中心地址。本发明更能契合实际问题的解决，可进一步降低物流运输时间和成本。
-
公开(公告)号：CN117973368A
公开(公告)日：2024-05-03
申请号：CN202311837987.8
申请日：2023-12-28
Applicant: 北京信息科技大学
IPC: G06F40/232 , G06F40/279 , G06N3/045 , G06F40/58 , G06N3/08 , G06F40/30
Abstract: 本发明公开了一种基于预训练模型的多音字读音消歧方法，涉及多音字消歧技术领域，首先联合跨语言互译模块获得多音字所在词语的另一种语言翻译，并作为额外特征输入模型以提升对词语的语义理解，然后使用判别微调中的层级学习率优化策略来适应神经网络不同层之间的学习特性，最后结合样本权重模块以解决多音字数据集的分布不均衡问题，在CPP基准数据集上对模型进行评测，取得了99.08％的正确率，性能优于其他基线模型。
-
公开(公告)号：CN110489665B
公开(公告)日：2023-11-14
申请号：CN201910759011.0
申请日：2019-08-16
Applicant: 北京信息科技大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/951 , G06F40/289 , G06Q50/00 , G06N3/0464 , G06F18/22
Abstract: 本发明提供一种基于情景建模和卷积神经网络的微博个性化推荐方法，首先从时间和地域两个维度对用户进行情景建模，提取用户的时间情景模式和地域情景模式；然后，构建情景模式相似度计算方法对用户的情景模式进行扩展，捕捉用户感兴趣的情景模式倾向，构建用户个性化情景模式库；最后，采用卷积神经网络构建个性化微博推荐模型，实现微博用户的个性化推荐。情景模型的构建和卷积神经网络的引入，对于捕获用户的兴趣提供了很大的帮助。最终本发明基于真实的微博数据与现有算法进行对比，证明了该模型具有很好的推荐效果，相比于现有模型在用户满意度和平均绝对误差上都提升了3％‑4％。
-
公开(公告)号：CN110489665A
公开(公告)日：2019-11-22
申请号：CN201910759011.0
申请日：2019-08-16
Applicant: 北京信息科技大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/951 , G06F17/27 , G06Q50/00 , G06N3/04 , G06K9/62
Abstract: 本发明提供一种基于情景建模和卷积神经网络的微博个性化推荐方法，首先从时间和地域两个维度对用户进行情景建模，提取用户的时间情景模式和地域情景模式；然后，构建情景模式相似度计算方法对用户的情景模式进行扩展，捕捉用户感兴趣的情景模式倾向，构建用户个性化情景模式库；最后，采用卷积神经网络构建个性化微博推荐模型，实现微博用户的个性化推荐。情景模型的构建和卷积神经网络的引入，对于捕获用户的兴趣提供了很大的帮助。最终本发明基于真实的微博数据与现有算法进行对比，证明了该模型具有很好的推荐效果，相比于现有模型在用户满意度和平均绝对误差上都提升了3％-4％。
-
-
Patent Agency Ranking
公开(公告)号：CN109325117A
公开(公告)日：2019-02-12
申请号：CN201810970734.0
申请日：2018-08-24
Applicant: 北京信息科技大学
IPC: G06F16/35 , G06F16/332 , G06F16/951 , G06F16/955 , G06F16/9535 , G06F17/27 , G06F17/22
Abstract: 本发明公开了一种多特征融合的微博中社会安全事件检测方法，包括获取微博文本数据后对获取到的微博文本进行预处理、提取微博文本中的社会安全事件特征词、基于语境的词语语义相关度计算方法计算社会安全事件特征词的相关度、构建社会安全事件侦测模型。本发明在对特征词进行相关度计算时，充分考虑了事件侦测过程中的领域性需求，利用大规模语料建立词语共现关系图实现特征词的相关度计算，在对事件进行识别的过程中，采用层次聚类和增量聚类相结合，充分考虑了事件随时间不断变化的过程，同时，采用特征词进行聚类，有效减小了特征维度，提升了模型的运行效率。
-
公开(公告)号：CN114297404B
公开(公告)日：2024-10-01
申请号：CN202111637269.7
申请日：2021-12-29
Applicant: 北京信息科技大学
IPC: G06F16/36 , G06F16/901 , G06F16/903 , G06F40/295
Abstract: 本发明提供一种领域评审专家行为轨迹的知识图谱构建方法，采用自顶向下与自底向上相结合的方法完成构建。通过爬虫进行数据采集并预处理；定义领域本体，建立模式结构；利用自然语言处理技术进行知识抽取；针对同名专家的多类属性特征，提出基于地点一致性与时间重合性相结合的行为轨迹相似度匹配算法，结合编辑距离和余弦相似度确定消歧专家，实现知识融合；最后将知识存储在图数据库neo4j中，查找专家间建立的直接关系路径和间接关系路径，完成亲密度计算。本发明的方法同名专家消歧的F1值为93％，相比现有技术提高16％，解决了知识图谱中实体歧义问题。该知识图谱可有效表示专家行为轨迹及社会关系等，计算专家亲密度，为评审专家的遴选提供知识基础。
-
公开(公告)号：CN118332098A
公开(公告)日：2024-07-12
申请号：CN202410294986.1
申请日：2024-03-14
Applicant: 北京信息科技大学
IPC: G06F16/34 , G06F16/36 , G06N5/022 , G06F40/30 , G06N3/0455
Abstract: 本发明涉及文本生成技术领域，具体公开了一种基于知识增强的生成式摘要方法，用以解决缺乏语义一致性，造成了事实性错误的问题。该方法通过从原始文本中抽取开放域三元组作为事实知识，设计关注语义偏差的损失函数，引导模型在解码模块关注事实知识的语义表征，进而生成与原文语义一致的摘要。在LCSTS数据集上进行了充分的实验，实验结果表明论文提出的模型在ROUGE和BLEU评价指标上均有显著的提升。
-
公开(公告)号：CN117763143A
公开(公告)日：2024-03-26
申请号：CN202311482270.6
申请日：2023-11-08
Applicant: 北京信息科技大学
Abstract: 本发明公开了一种面向网络社交媒体的语言暴力倾向性检测方法，涉及文本识别技术领域，包括一种基于RoBERTa‑WWM‑BiGRU的语言暴力倾向性文本识别方法，包括建立语言暴力倾向性识别模型，所述语言暴力倾向性识别模型包括输入层、RoBERTa‑WWM编码层、Bi‑GRU编码层、线性层、Sigmoid解码层；建立BullyDatasetNew和ViolenceDataSet；利用深度学习方式对模型参数进行调优；选用召回率、精确率、F1值作为模型准确性的评价指标，最终实现语言暴力检测，实验结果表明，本模型在BullyDatasetNew公开数据集上的F1值为97.93％，与ERNIE相比提升了0.6％；并在自建的开源数据集ViolenceDataSet上，F1值为90.58％，与ERNIE相比提升了3.59％。
-
公开(公告)号：CN112183094B
公开(公告)日：2023-06-16
申请号：CN202011209481.9
申请日：2020-11-03
Applicant: 北京信息科技大学
IPC: G06F40/289 , G06F40/253 , G06F40/216 , G06F40/30 , G06N3/049 , G06N3/084 , G06N3/0464
Abstract: 本发明公开了一种基于多元文本特征的中文语法查错方法及系统，方法包括：(1)分别利用预训练模型和语法先验知识对文本进行向量表示，得到语义特征向量和词性特征向量，词性特征向量和语义特征向量首尾拼接得到文本的向量序列；(2)利用Bi‑LSTM模型抽取文本的特征向量序列；(3)对特征向量序列进行基于语义和词性搭配信息的注意力增强；(4)对注意力增强后的特征向量序列进行线性变换，得到标签预测序列；(5)对标签预测序列进行基于词序关系特征的信息增强；(6)捕获信息增强后的标签预测序列的约束信息，基于约束信息判别语法错误边界位置。经过验证，本发明表现出较好的查错效果，优于其他现有同类方法。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.022 seconds)
