-
公开(公告)号：CN110647671A
公开(公告)日：2020-01-03
申请号：CN201910929480.2
申请日：2019-09-29
Applicant: 北京邮电大学
IPC: G06F16/906
Abstract: 本发明涉及基于AAE-DWMIL-LearnNSE的数据流分类算法，是一种对数据流进行分类的方法，属于数据挖掘与机器学习领域，其特征在于采用如下步骤：(1)更新每个分类器权重；(2)加权处理基分类器；(3)加权合成集成分类器；(4)计算新数据集上分类错误率；(5)综合预测模型；(6)数据流分类函数确定及分类。本发明克服了由于缺乏对训练样本进行有选择的选取，导致分类精度受影响程度大的问题，去掉了对旧的数据样本的保存环节，为新数据节省了大部分存储空间，同时充分利用了旧的分类模型，取得了较高的分类准确率。有效解决了度量源领域中有标签的训练样本和目标领域中无标签测试样本之间相似度问题。
-
公开(公告)号：CN114757175B
公开(公告)日：2025-05-06
申请号：CN202210492445.0
申请日：2022-04-29
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/211 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/047 , G06N3/084
Abstract: 本发明公开了一种基于融合列空洞卷积的《标准》内容关键词识别方法，步骤是：(1)确定标准内容文本的序列化向量；(2)提取每个词的局部特征；(3)确定词语上下文权重信息；(4)得到最终的标注序列条件分布；(5)优化参数得到最优标注序列。本发明使用列空洞卷积与BiLSTM‑Fusion结合的形式，利用列空洞卷积进行局部特征信息提取，有效提高模型对长程依赖的信息提取能力，同时保留了文本的空间信息，为标准内容的关键词提取提供了一种准确率高的提取方法。
-
公开(公告)号：CN115114432A
公开(公告)日：2022-09-27
申请号：CN202210492503.X
申请日：2022-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了一种融合全局语义特征与拼接特征的标准内容文本分类方法，步骤是：(1)提取标准内容文本的序列化向量；(2)确定每个单词的上下文表示；(3)提取词语上下文权重及全局语义信息；(4)提取文本特征信息；(5)融合输出特征得到最终的类别预测概率。本发明使用基于层和词的局部信息提取方法获得更多的局部语义特征，融合多网络有效提取全局语义特征，最后将二者融合，为标准内容文本分类提供了一种准确率高的文本分类方法。
-
Patent Agency Ranking
公开(公告)号：CN118798195A
公开(公告)日：2024-10-18
申请号：CN202410958672.7
申请日：2024-07-17
Applicant: 北京邮电大学
IPC: G06F40/289 , G06N3/08 , G06F40/216 , G06N20/10
Abstract: 本发明提供一种燃气管网突发事件情景要素关联关系建立方法。所述方法包括以下步骤：获取与燃气管网突发事件相关的文本数据，并对所述文本数据进行分词处理；计算分词处理得到的每个词语的重要性权重，从所述词语中筛选出重要性权重大于设定阈值的词语，得到情景要素；建立任意两个情景要素之间的关联关系，计算所述关联关系的关联程度，滤除关联程度小于设定阈值的关联关系，得到情景要素的关联关系。本发明能够在有效减少人工参与程度的同时，保证情景要素提取的准确性；能够通过多层关联规则构建情景要素的关联关系。
-
公开(公告)号：CN114757175A
公开(公告)日：2022-07-15
申请号：CN202210492445.0
申请日：2022-04-29
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于融合列空洞卷积的《标准》内容关键词识别方法，步骤是：(1)确定标准内容文本的序列化向量；(2)提取每个单词的局部特征；(3)确定词语上下文权重信息；(4)得到最终的标注序列条件分布；(5)优化参数得到最优标注序列。本发明使用列空洞卷积与BiLSTM‑Fusion结合的形式，利用列空洞卷积进行局部特征信息提取，有效提高模型对长程依赖的信息提取能力，同时保留了文本的空间信息，为标准内容的关键词提取提供了一种准确率高的提取方法。
-
公开(公告)号：CN118798195B
公开(公告)日：2025-02-25
申请号：CN202410958672.7
申请日：2024-07-17
Applicant: 北京邮电大学
IPC: G06F40/289 , G06N3/08 , G06F40/216 , G06N20/10
Abstract: 本发明提供一种燃气管网突发事件情景要素关联关系建立方法。所述方法包括以下步骤：获取与燃气管网突发事件相关的文本数据，并对所述文本数据进行分词处理；计算分词处理得到的每个词语的重要性权重，从所述词语中筛选出重要性权重大于设定阈值的词语，得到情景要素；建立任意两个情景要素之间的关联关系，计算所述关联关系的关联程度，滤除关联程度小于设定阈值的关联关系，得到情景要素的关联关系。本发明能够在有效减少人工参与程度的同时，保证情景要素提取的准确性；能够通过多层关联规则构建情景要素的关联关系。
-
公开(公告)号：CN114925195A
公开(公告)日：2022-08-19
申请号：CN202210475184.1
申请日：2022-04-29
Applicant: 北京邮电大学
Abstract: 本发明公开了融合词汇编码与结构编码的标准内容文本摘要生成方法，步骤是：(1)确定标准内容的序列化向量；(2)经TextCNN模型处理进行词汇编码输出；(3)经TreeLSTM模型处理进行结构编码输出；(4)经Att‑LSTM模型处理进行解码；(5)确定损失函数。本发明相对于传统的编码能够提取到更精确的局部信息及句法结构信息，将文本中的核心词汇及重点语法在摘要表述中进一步加强，有效提高了标准内容文本摘要生成的准确度。
-
公开(公告)号：CN110659695A
公开(公告)日：2020-01-07
申请号：CN201910925989.X
申请日：2019-09-27
Applicant: 北京邮电大学
IPC: G06K9/62
Abstract: 本发明涉及基于AWE-OTLMS-RC-OTL的数据流分类算法，是一种对数据流进行分类的方法，属于数据分析与机器学习领域，其特征在于采用如下步骤：(1)计算每个基分类器分类误差；(2)计算无效数据检测及剔除函数；(3)构建基分类器；(4)加权整合输出分类概率；(5)判定概念漂移样本错误率；(6)构建新的加权分类器。本发明有效的抑制了“负迁移”导致的分类准确率下降现象，降低了在检测到概念漂移之前发生概念漂移导致分类准确率下降的程度，加快了适应重现概念速度。这说明本发明达到较好分类效果，为数据流分类提供了一种准确率较高的新方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
