-
公开(公告)号：CN111950296A
公开(公告)日：2020-11-17
申请号：CN202010849958.3
申请日：2020-08-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于BERT微调模型的评论目标情感分析，包括BCR-CRF目标抽取模型和BCR-DA目标情感分类模型，BCR-DA目标情感分类模型分为在线课程评论情感分析、BCR-CRF目标抽取模型、BCR-DA目标情感分析模型和真实中文在线课程评论数据集上的实验结果；BCR-CRF目标抽取模型步骤为：第一步：基于大规模中文评论语料库进行域内无监督训练BERT预训练模型BCR；第二步：引入CRF层，对BCR模型中语义表征层的输出序列添加语法约束，保证预测标签间依赖关系的合理性，准确抽取课程评论文本中的评论目标；第三步：构建包含双注意力层的BCR-DA模型分类表达课程评论目标的情感极性。本发明能够准确分析在线课程评论中蕴含的目标情感对理解学习者情绪变化、提升课程质量具有重要意义。
-
Patent Agency Ranking
公开(公告)号：CN116071166A
公开(公告)日：2023-05-05
申请号：CN202310107730.0
申请日：2023-02-13
Applicant: 桂林电子科技大学
IPC: G06Q40/06 , G06Q10/04 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于股价波动异常检测的投资组合优化方法，涉及股票价格预测技术领域，包括如下步骤：收集股市一段时间内股票价格的涨跌幅信息，并采用自然语言处理中的Skip‑gram词嵌入方法，对交易过程中可能发生的多种交易类型进行嵌入训练，得到交易类型对应的密集向量表示。在多个真实的股票数据集上进行实验。实验结果表明，经过Skip‑gram嵌入训练的模型，预测的收敛效果更优，另外，将嵌入结果用于股票价格异常波动检测和股票投资组合优化任务上，比随机嵌入结果或者非嵌入结果更加稳定，获取收益更高。
-
公开(公告)号：CN110956497A
公开(公告)日：2020-04-03
申请号：CN201911181002.4
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote-Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。
-
公开(公告)号：CN110956497B
公开(公告)日：2022-11-25
申请号：CN201911181002.4
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote‑Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。
-
公开(公告)号：CN111310474A
公开(公告)日：2020-06-19
申请号：CN202010065670.7
申请日：2020-01-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于激活-池化增强BERT模型的在线课程评论情感分析方法，涉及在线课程评估技术领域，包括构建在线课程评论情感分析模型来编码评论文本中分句内词语上下文语义和分句间逻辑关系；设计激活函数层和最大-平均池化层解决BERT模型在课程评论情感分析中存在的过拟合问题；通过新增的情感分类层对在线课程评论进行情感正负极性分类。本发明改进了直接应用BERT模型做课程评论情感分析任务时出现过拟合的问题，同时增加了情感分类层对课程评论情感进行分析；相对于传统课程评论情感分析模型，在线课程评论情感分析模型具有精确度高，训练容易的优点，该模型的准确率和AUC值与基准模型相比分别有显著的提升。
-
公开(公告)号：CN208861229U
公开(公告)日：2019-05-14
申请号：CN201821963549.0
申请日：2018-11-27
Applicant: 桂林电子科技大学
IPC: G06F1/18
Abstract: 本实用新型属于计算机技术领域，尤其为一种新型计算机机箱，包括机箱，所述机箱上设置有后板，所述后板的一侧外壁上固定安装有四个呈矩形分布的第一固定块，四个第一固定块上均开设有圆形槽，所述圆形槽内滑动安装有圆杆，所述圆杆远离后板的一端固定安装有第一圆板，所述圆形槽远离第一圆板的一侧内壁上固定连接有第一弹簧的一端，所述第一弹簧的另一端与圆杆固定连接。本实用新型实用性强，通过在后板上设置开设有多个放置口的固定板能将计算机的音频线、数据线和电源线等间隔开，容易区分，方便后期检修，并且后板上设置有缓冲防护机构，能给与计算机的音频线、数据线和电源线等接头很好的保护。
-
-
-
-
-
Search Results
6
records
(took 0.021 seconds)
