公开(公告)号：CN111091005A

公开(公告)日：2020-05-01

申请号：CN201911327882.1

申请日：2019-12-20

Applicant: 北京邮电大学

Inventor： 冯春燕 ,  楚云霏 ,  郭彩丽 ,  贺同泽

IPC: G06F40/295 ,  G06F40/30 ,  G06N3/08

Abstract: 本发明公开了一种基于元结构的无监督异质网络表示学习方法，属于人工智能领域。首先给出事件数据的定义，并构建针对事件数据的异质网络模型；采用元结构来描述事件数据中基于事件的关联关系类型，并基于给定的元结构进行邻居节点采样；提出基于元结构邻近度的网络表示学习模型，以捕捉单视角下基于事件语义的关联关系；提出融合多视角关联关系的网络表示学习模型，以捕捉多视角下基于事件语义的关联关系；最后用随机梯度下降法进行训练，得到各节点的特征向量表示。本发明提出用元结构描述复杂的事件语义关系，设计网络表示学习模型解决了事件数据缺乏标签、异质、关联多视角的挑战，提供了低复杂度的训练算法。

公开(公告)号：CN112966109B

公开(公告)日：2023-04-18

申请号：CN202110255154.5

申请日：2021-03-09

Applicant: 北京邮电大学 ,  上海理想信息产业(集团)有限公司

Inventor： 郭彩丽 ,  贺同泽 ,  张亮 ,  代晓菊 ,  杜忠田 ,  张宇峰

IPC: G06F16/35 ,  G06F18/2431 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请公开了一种多层级的中文文本的分类方法及其系统，其中多层级的中文文本的分类方法具体包括以下步骤：获取文本数据；对文本数据进行处理，得到特征库；响应于特征库构建完成，构建并训练粗分类模型；响应于完成粗分类模型的构建，进行细分类模型的构建；对训练好的粗分类模型和细分类模型进行测试。本申请结合分级结构的数据特点，利用深度学习方法进行粗分类，利用机器学习算法进行细分类，最终实现准确率较高的文本分类。

公开(公告)号：CN111091005B

公开(公告)日：2022-05-13

申请号：CN201911327882.1

申请日：2019-12-20

Applicant: 北京邮电大学

Inventor： 冯春燕 ,  楚云霏 ,  郭彩丽 ,  贺同泽

IPC: G06F40/295 ,  G06F40/30 ,  G06N3/08

Abstract: 本发明公开了一种基于元结构的无监督异质网络表示学习方法，属于人工智能领域。首先给出事件数据的定义，并构建针对事件数据的异质网络模型；采用元结构来描述事件数据中基于事件的关联关系类型，并基于给定的元结构进行邻居节点采样；提出基于元结构邻近度的网络表示学习模型，以捕捉单视角下基于事件语义的关联关系；提出融合多视角关联关系的网络表示学习模型，以捕捉多视角下基于事件语义的关联关系；最后用随机梯度下降法进行训练，得到各节点的特征向量表示。本发明提出用元结构描述复杂的事件语义关系，设计网络表示学习模型解决了事件数据缺乏标签、异质、关联多视角的挑战，提供了低复杂度的训练算法。

公开(公告)号：CN112966109A

公开(公告)日：2021-06-15

申请号：CN202110255154.5

申请日：2021-03-09

Applicant: 北京邮电大学 ,  上海理想信息产业(集团)有限公司

Inventor： 郭彩丽 ,  贺同泽 ,  张亮 ,  代晓菊 ,  杜忠田 ,  张宇峰

IPC: G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本申请公开了一种多层级的中文文本的分类方法及其系统，其中多层级的中文文本的分类方法具体包括以下步骤：获取文本数据；对文本数据进行处理，得到特征库；响应于特征库构建完成，构建并训练粗分类模型；响应于完成粗分类模型的构建，进行细分类模型的构建；对训练好的粗分类模型和细分类模型进行测试。本申请结合分级结构的数据特点，利用深度学习方法进行粗分类，利用机器学习算法进行细分类，最终实现准确率较高的文本分类。