一种文本情感测量方法和装置

    公开(公告)号:CN111078882A

    公开(公告)日:2020-04-28

    申请号:CN201911283463.2

    申请日:2019-12-13

    Abstract: 本发明公开了一种文本情感测量方法和装置,包括:对所测量对象的文本文字数据进行收集;对收集的对象数据进行数据预处理,将对象数据转换为适用于策略模型学习的格式化数据;对格式化数据进行模型训练、验证评估,得到策略模型;根据所需识别对象的文本文字数据,选择合适的策略模型作为文本情感测量模型;对所需识别对象的文本文字数据进行预处理后,输入文本情感测量模型中,得出预测结果。本发明根据检测对象的在不同情感状态下所表现出的状态(如文本评论的倾向性)不同,设计一个文本情感自动化测量的方法和装置,该方法和装置可为人工测量提供参考,进而提升测量准确率和效率。

    基于深度卷积神经网络的番茄病害识别方法

    公开(公告)号:CN111046793A

    公开(公告)日:2020-04-21

    申请号:CN201911268844.3

    申请日:2019-12-11

    Inventor: 张涛 朱显坤 张琨

    Abstract: 本发明公开了基于深度卷积神经网络的番茄病害识别方法,本发明采用深度神经网络Residual 56Attention,ResNet通过残差学习解决了深度网络的退化问题,以训练出更深的网络的同时节省了大量资源占用。Residual 56Attention在ResNet基础上引入了Attention机制,逐渐提取高层特征并增大模型的感受野,高层特征的激活对应位置能够反映attention的区域,然后再对这种具有attention特征的feature map进行上采样,使其大小回到原始feature map的大小,就将attention对应到原始图片的每一个位置上。在原有的Residual 56Attention网络基础上所有的激活函数层均使用ELU函数作为激活函数,在样本识别时运算效率更高,而模型参数减少,收敛速度更快,降低了资源的占用,以及对软硬件的高需求,可以更好投入到实际使用。

    一种基于多领域语义融合的推荐方法及系统

    公开(公告)号:CN110968675A

    公开(公告)日:2020-04-07

    申请号:CN201911232045.0

    申请日:2019-12-05

    Abstract: 本发明公开了一种基于多领域语义融合的推荐方法与系统,通过构建语义本体,利用skip-gram模型实现不同领域中本体类型的融合,从而实现项目的跨领域融合,得到跨领域项目相似度,再根据领域相关度排序迭代多个领域的数据,生成最终的用户-项目评分矩阵,最后结合协同过滤方法实现跨领域推荐,为用户推荐跨领域项目。本发明可以有效缓解单一领域推荐中存在的数据稀疏和冷启动问题,同时优化了基于语义的跨域推荐方法,避免了人工标签等形式的大量人力工作。

    基于深度卷积神经网络的番茄病害识别方法

    公开(公告)号:CN111046793B

    公开(公告)日:2023-05-02

    申请号:CN201911268844.3

    申请日:2019-12-11

    Inventor: 张涛 朱显坤 张琨

    Abstract: 本发明公开了基于深度卷积神经网络的番茄病害识别方法,本发明采用深度神经网络Residual 56Attention,ResNet通过残差学习解决了深度网络的退化问题,以训练出更深的网络的同时节省了大量资源占用。Residual 56Attention在ResNet基础上引入了Attention机制,逐渐提取高层特征并增大模型的感受野,高层特征的激活对应位置能够反映attention的区域,然后再对这种具有attention特征的feature map进行上采样,使其大小回到原始feature map的大小,就将attention对应到原始图片的每一个位置上。在原有的Residual 56Attention网络基础上所有的激活函数层均使用ELU函数作为激活函数,在样本识别时运算效率更高,而模型参数减少,收敛速度更快,降低了资源的占用,以及对软硬件的高需求,可以更好投入到实际使用。

    一种基于文本相似度的舆情话题跟踪方法

    公开(公告)号:CN111241281A

    公开(公告)日:2020-06-05

    申请号:CN202010031039.5

    申请日:2020-01-13

    Inventor: 张涛 张琨 朱显坤

    Abstract: 本发明公开了一种基于文本相似度的舆情话题跟踪方法,基于word2vec模型演化而来的doc2vec模型,可以很好的获得句子、段落或者文档的向量的表达,很适合对舆情话题的处理,但是该模型忽略了舆情话题的时间特性,本发明将时间特性作为重要特征加入到算法,确保话题的时效性,同时采用选文本相似性计算方式,实验结果表明采用上述方式对舆情话题跟踪表现出良好的效果。与现有技术相比较,本发明在句子、段落或者文档的向量的表达上数据维度相对较低降低了时间复杂度,语义的表达相对更加准确,提升了文本相似度计算精确性,且本发明在现有模型的基础添加时间特性确保话题的时效性,经过实验测试本发明在话题跟踪方面效果良好。

    一种基于自回归移动平均和支持向量机的农产品需求量预测方法

    公开(公告)号:CN111222712A

    公开(公告)日:2020-06-02

    申请号:CN202010050394.7

    申请日:2020-01-17

    Inventor: 张涛 寇晓燕 张琨

    Abstract: 本发明公开了一种基于自回归移动平均和支持向量机的农产品需求量预测方法,由于农产品在市场的需求量上具有明显的波动性和季节性差异,以ARIMA模型预测农产品需求量变动的线性趋势,SVM模型预测农产品需求量变动的非线性规律,有效的弥补了自回归移动平均算法对非线性序列的局限性,同时又发挥了自回归移动平均算法特有的差分运算和支持向量机模拟非线性、自适应自学习的优点。与使用单独的自回归移动平均和支持向量机相比较,基于自回归移动平均和支持向量机的农产品需求量预测方法可以提高预测的精确度,准确把握农产品需求量变动趋势,比单个模型的预测结果更合理、更可靠,可以作为农产品需求量时间序列预测的有效工具。

Patent Agency Ranking