一种针对网络商品的专利侵权线索网络爬虫方法

    公开(公告)号:CN113420198A

    公开(公告)日:2021-09-21

    申请号:CN202110582488.3

    申请日:2021-05-27

    Applicant: 江苏大学

    Abstract: 本发明公开了一种针对网络商品的专利侵权线索网络爬虫方法,包括:构建专利侵权线索模板,根据高风险侵权产品、用户投诉的相关信息或相关专家经验自动挑选关键字、图片、技术特征,将这些关键字、图片放入待抓取队列;从待抓取队列中取出待抓取关键字、图片,放入搜索引擎中,并将搜索到对应的URL网页下载下来,存储进已下载URL网页库中;此外,将这些网页放进已抓取队列;分析已抓取队列中的URL网页,分析已抓取URL网页中包含的其他URL网页,并且将这些URL放入待抓取URL队列,从而进入第二次抓取,以此循环下去;分析最终抓取URL中的下载数据,获得相关产品的信息,最后推送到页面上。本发明可有效提高网络专利侵权假冒线索分析判断的精准度。

    一种基于随机梯度下降和多示例多标签学习的图像标引方法

    公开(公告)号:CN111950602B

    公开(公告)日:2024-05-14

    申请号:CN202010704143.6

    申请日:2020-07-21

    Applicant: 江苏大学

    Inventor: 包翔 汪满容

    Abstract: 本发明提供了一种基于随机梯度下降和多示例多标签学习的图像标引方法,属于图像标引技术领域。本发明进行图像标引时,用于确定测试集图像所属类别的预测的输出矩阵,由迭代参数Wt、未标引的图像与所述神经网络隐层节点之间的距离矩阵#imgabs0#计算得到,迭代参数Wt利用加入动量的梯度下降优化算法对神经网络中隐层与输出层之间的参数进行迭代分析得到,参数迭代分析是在最小化误差矩阵E的过程中进行的。本发明避免了直接运用奇异值分解法,造成误差不断的增加,实现未标引图像快速精确的自动标引。

    一种适用于不同场景的多运动对象特征表达方法

    公开(公告)号:CN103279769B

    公开(公告)日:2016-02-24

    申请号:CN201310232933.9

    申请日:2013-06-13

    Applicant: 江苏大学

    Abstract: 本发明公开了一种适用于不同场景的多运动对象特征表达方法,针对不同的运动对象特征各异的特点,提出了自适应组合不变矩量值方法,可动态选择不变矩量值用于描述不同运动对象的特征。通过定义同类频率-逆奇异频率方法,简称SF-ISF方法,计算出每个对象的不变矩量值的权重值,之后再将不变矩量值的权重值和组合不变矩量值作为输入参数;建立多类分类器模型,对场景中的多种运动对象进行分类。本发明可有效地减少计算时间,对运动对象的识别率高,适用于对实时监控中的运动对象进行识别,可应用于多种不同的视频监控场景。

    医院不良事件管理中品管圈关联图自动生成装置及方法

    公开(公告)号:CN113934859A

    公开(公告)日:2022-01-14

    申请号:CN202111134653.5

    申请日:2021-09-27

    Applicant: 江苏大学

    Abstract: 本发明提供了一种医院不良事件管理中品管圈关联图自动生成装置及方法,属于医疗信息管理技术领域。数据采集模块采集医院不良事件系统中对不良事件的文本描述性数据,机器学习模块训练、测试文本数据集,对导致不良事件发生的主要因素进行实体识别,实现不良事件实体抽取功能,关联图生成模块用于将实体抽取结果通过关键词权重降序分析自动生成关联图的标题、主题因素、箭头和箭头方向个数,实现对不良事件分析结果可视化呈现,关联图推送模块用于将关联图通过医院公众号自动推送,便于各部门医护管理人员及时查看最新关联图。本发明自动生成不良事件管理中品管圈关联图,实现对整个不良事件形成原因的智能性和关联性分析。

    一种基于随机梯度下降和多示例多标签学习的图像标引方法

    公开(公告)号:CN111950602A

    公开(公告)日:2020-11-17

    申请号:CN202010704143.6

    申请日:2020-07-21

    Applicant: 江苏大学

    Inventor: 包翔 汪满容

    Abstract: 本发明提供了一种基于随机梯度下降和多示例多标签学习的图像标引方法,属于图像标引技术领域。本发明进行图像标引时,用于确定测试集图像所属类别的预测的输出矩阵,由迭代参数Wt、未标引的图像与所述神经网络隐层节点之间的距离矩阵计算得到,迭代参数Wt利用加入动量的梯度下降优化算法对神经网络中隐层与输出层之间的参数进行迭代分析得到,参数迭代分析是在最小化误差矩阵E的过程中进行的。本发明避免了直接运用奇异值分解法,造成误差不断的增加,实现未标引图像快速精确的自动标引。

    一种专利文本向量的语义表示方法

    公开(公告)号:CN104199809A

    公开(公告)日:2014-12-10

    申请号:CN201410169250.8

    申请日:2014-04-24

    Applicant: 江苏大学

    Abstract: 本发明公开了一种专利文本向量的语义表示方法,通过构建领域专利知识库,用于计算专利文本词项的专利语义权重,具体过程为:假设两待比对的专利文本为dx和dz,首先通过词包法将dx和dz表示成实词向量xx和zz;然后通过构建的领域专利知识库赋以各词项专利语义权重,将xx和zz进一步表示成带有专利语义信息的向量xx0和zz0;再结合利用TF-IDF规则,最后将专利文本表示成带有专利语义权重信息以及词频权重信息的文本向量x和z。本发明可应用于专利文本向量表示过程中专利词项语义信息的表达,并进一步用于后续的专利文本相似度的计算,从而进一步提高专利文本相似度计算的精确率和召回率。

Patent Agency Ranking