-
公开(公告)号：CN117370676A
公开(公告)日：2024-01-09
申请号：CN202311305867.3
申请日：2023-10-10
Applicant: 梧州学院
IPC: G06F16/9536 , G06F16/906 , G06F16/901
Abstract: 一种基于IT技术的数字社交网络中的关键人物识别方法，所述方法包括如下步骤：S100：从社交网络中构建情感图；S200：从所述情感图中检测情感社区；S300：对选定的情感社区中的节点进行排名，以识别关键人物。该方法在单步情感覆盖率和全路径情感覆盖率方面都优于现有方法。在情感覆盖率最大化方面，所提出的方法比随机方法好6.5倍左右。
-
公开(公告)号：CN103458363A
公开(公告)日：2013-12-18
申请号：CN201310394579.X
申请日：2013-08-30
Applicant: 梧州学院
Inventor： 冀肖榆 , 万励 , 贺杰 , 龚平 , 吴洁明 , 黄寄洪 , 李余琪 , 莫智懿 , 陆科达 , 彭金虎 , 梁朝湘 , 庞光垚 , 许传本 , 黄健荣 , 杜汝涛 , 陆广泉 , 黄腾
IPC: H04W4/02
Abstract: 本发明公开了一种基于手机定位的客流疏导装置，包括客流疏导控制装置，用于对某一固定区域内的客流进行疏导；设置在某一固定区域的多个扫频仪，用于对该固定区域的手机信号进行扫描，获取手机信号源信息给客流疏导控制装置；各扫频仪分别与客流疏导控制装置无线连接；客流疏导控制装置包括用于对每个扫频仪获取的手机信号源进行位置定位的定位装置，以及设置在固定区域内的多个用于对客流进行疏导提醒的显示疏导装置和语音疏导装置，各显示疏导装置、各语音疏导装置均与定位装置连接。本发明通过多个扫频仪对某一固定区域的手机信号进行扫描，再通过定位装置准确的定位重点人流区，方便工作人员通过显示疏导装置和语音疏导装置进行疏导。
-
公开(公告)号：CN115620813A
公开(公告)日：2023-01-17
申请号：CN202211297234.8
申请日：2022-10-21
Applicant: 梧州学院
Abstract: 本发明公开了一种识别癌症驱动通路的多核并行计算方法，包括如下步骤：1）设计驱动通路识别模型；2）定义个体适应度函数；3）设定交叉操作；4）设计突变操作；5）设定多核并行计算策略；6）定义算法参数；7）初始化两个种群；8）迭代演化操作。这种方法可以提供更多有用信息，扩展性强，实用性强，求解速度快，能识别到更多富集在重要驱动通路上的基因。
-
公开(公告)号：CN113705238B
公开(公告)日：2022-11-08
申请号：CN202110670846.6
申请日：2021-06-17
Applicant: 梧州学院
IPC: G06F40/30 , G06F40/289 , G06N3/08
Abstract: 本发明涉及一种基于BERT和方面特征定位模型的方面级情感分析方法及模型，该方法包括：首先利用BERT模型来获得高质量的上下文信息表示和方面信息表示，以保持文本信息的完整性；接着构建一个基于多头注意机制的注意编码器来学习体表征和上下文表征之间的相互作用，整合体词和上下文之间的关系，进一步区分不同句子和方面词对分类结果的贡献；然后构造一个方面特征定位模型来捕获句子建模时的方面信息，并将方面的完整信息整合到交互语义中，以减少与方面词无关的干扰词的影响，提高方面词信息的完整性；最后融合与目标相关的上下文和目标重要信息，并在融合信息的基础上利用情绪预测因子预测不同情绪极性的概率。能够更好地模拟上下文之间的隐式关系，更好地利用了方面词的信息和减少与方面词无关信息的干扰，从而获得了更高的精确度和宏F1。
-
公开(公告)号：CN105953400A
公开(公告)日：2016-09-21
申请号：CN201610480935.3
申请日：2016-06-24
Applicant: 梧州学院
CPC classification number: F24F13/28 , F24F3/1603 , F24F7/013 , F24F13/20 , F24F2003/1625 , F24F2013/205 , H05F3/02
Abstract: 本发明公开了一种用于计算机机房的除尘除静电设备，包括壳体和用于固定壳体的固定结构，其中，在所述的壳体两侧分别设有入风口和出风口，在所述的壳体内沿入风口至出风口方向依次设有除静电结构、活性炭网络和风扇，在所述壳体内还设有为风扇提供动力的旋转驱动装置；在所述壳体上设有用于将被活性炭网络阻挡的尘埃排出的出灰口。利用本发明的一种用于计算机机房的除尘除静电设备能够有效除去计算机机房内的尘埃和静电，防止因为灰尘聚集而导致电脑损坏，以及因静电聚集而导致触电。
-
Patent Agency Ranking
公开(公告)号：CN113869065B
公开(公告)日：2024-04-12
申请号：CN202111202671.2
申请日：2021-10-15
Applicant: 梧州学院
IPC: G06F40/30 , G06F40/289 , G06F16/35 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种基于“单词‑短语”注意力机制的情感分类系统和方法，所述方法在TCN的基础上，提出的基于单词注意力机制的浅层特征提取模型和基于短语注意力机制的深层提取模型，能够有效挖掘单词、短语和整体评论所蕴含的辅助信息以及不同贡献程度，以更低的计算资源实现了更精准的情感分类性能。实验表明本文所提的SC‑WPAtt方法性能优于传统方法。
-
公开(公告)号：CN116524495A
公开(公告)日：2023-08-01
申请号：CN202310108437.6
申请日：2023-02-14
Applicant: 梧州学院
IPC: G06V20/69 , G06V10/82 , G06V10/80 , G06V10/40 , G06V10/774 , G06N3/048 , G06N3/08 , G06N3/0464 , G06V10/764
Abstract: 本发明公开一种基于多维通道注意力机制的中药显微识别方法及系统，包括：在Input层结合中药显微图像细胞结构不完整、图像立体、特征分布不均衡的特性，得到一中药显微图像数据增强模型，并利用该增强模型对中药显微图像数据进行增强；在Backbone层融合浅层的特征信息，并在Neck层后Prediction层前融合深层的特征信息，得到一多维通道注意力的显微特征提取模型；通过该提取模型从浅层到深层不同通道中获取隐含有效辅助信息；利用隐含有效辅助信息，通过Prediction层生成预测框对中药显微图像特征进行预测，得到中药显微图像细胞的特征，完成中药显微图像细胞的识别，从而提高中药显微图像的预测准确率。
-
公开(公告)号：CN114356730A
公开(公告)日：2022-04-15
申请号：CN202111494070.3
申请日：2021-12-08
Applicant: 梧州学院
Abstract: 本发明提供一种训练推荐领域中强化学习模型的模拟器，其由2个核心模型组成，一是基于GAN的用户状态生成模型；另一个是环境反馈算法，其中，环境反馈算法包括基于层次注意力的用户评级预测模型，以及用户反馈计算模型。本发明可以生成用户状态，以及对推荐智能体生成的动作进行反馈。实验结果表明，在小数据集的条件下，借助GAN网络结构的特性，模型依旧能生成可用的用户状态，同时，评分结果也在可用范围之类，此外，所构建的反馈算法不仅能够有效终止学习过程，而且所计算得到的反馈数据也符合强化学习的训练要求。
-
公开(公告)号：CN113869065A
公开(公告)日：2021-12-31
申请号：CN202111202671.2
申请日：2021-10-15
Applicant: 梧州学院
IPC: G06F40/30 , G06F40/289 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于“单词‑短语”注意力机制的情感分类系统和方法，所述方法在TCN的基础上，提出的基于单词注意力机制的浅层特征提取模型和基于短语注意力机制的深层提取模型，能够有效挖掘单词、短语和整体评论所蕴含的辅助信息以及不同贡献程度，以更低的计算资源实现了更精准的情感分类性能。实验表明本文所提的SC‑WPAtt方法性能优于传统方法。
-
公开(公告)号：CN113705238A
公开(公告)日：2021-11-26
申请号：CN202110670846.6
申请日：2021-06-17
Applicant: 梧州学院
IPC: G06F40/30 , G06F40/289 , G06N3/08
Abstract: 本发明涉及一种基于BERT和方面特征定位模型的方面级情感分析方法及模型，该方法包括：首先利用BERT模型来获得高质量的上下文信息表示和方面信息表示，以保持文本信息的完整性；接着构建一个基于多头注意机制的注意编码器来学习体表征和上下文表征之间的相互作用，整合体词和上下文之间的关系，进一步区分不同句子和方面词对分类结果的贡献；然后构造一个方面特征定位模型来捕获句子建模时的方面信息，并将方面的完整信息整合到交互语义中，以减少与方面词无关的干扰词的影响，提高方面词信息的完整性；最后融合与目标相关的上下文和目标重要信息，并在融合信息的基础上利用情绪预测因子预测不同情绪极性的概率。能够更好地模拟上下文之间的隐式关系，更好地利用了方面词的信息和减少与方面词无关信息的干扰，从而获得了更高的精确度和宏F1。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.019 seconds)
