-
公开(公告)号：CN114881042A
公开(公告)日：2022-08-09
申请号：CN202210625855.8
申请日：2022-06-02
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/284 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种基于图卷积网络融合句法依存与词性的中文情感分析方法，采用词向量模型对上下文文本和方面词进行向量化表示；词向量模型将每个待分析的中文文本矩阵与文本中单词的词性标注矩阵进行拼接操作将图卷积网络中的编码部分与长短期记忆网络进行融合；多头交互注意力网络对具有上下文特征的隐藏层向量和具有语义信息的隐藏层向量分别通过多头注意力得到经过注意力值加权之后的向量矩阵；将两个隐层向量矩阵与交互多头注意力机制输出的两个矩阵的池化结果进行拼接得到融合后的文本表示再通过Softmax进行概率计算确定情感极性。本发明将中文中的词性标记与向量表示融合，特征提取既拥有强大特征提取能力，在中文数据集的情感分析上有良好的表现。
-
公开(公告)号：CN113407646A
公开(公告)日：2021-09-17
申请号：CN202110676528.0
申请日：2021-06-18
Applicant: 电子科技大学
IPC: G06F16/28 , G06F16/27 , G06F16/2458 , G06F16/2455 , G06K9/62 , G16H40/20
Abstract: 本发明公开了一种基于知识图谱的分布式医院信息综合查询系统，包括医疗信息模块、用户信息模块、耗材信息模块、设备信息模块和药品信息模块。本分布式医院信息综合查询系统可对医疗信息等进行实时查询，并通过数据统计分析对医院及科室的运营和管理起到数据支撑作用，系统将查询统计的功能分为以下四大类：医疗信息的统计分析功能、药品信息的查询与统计功能、医疗耗材信息的查询与统计功能和医疗设备的查询与统计功能。
-
公开(公告)号：CN111064611A
公开(公告)日：2020-04-24
申请号：CN201911275527.4
申请日：2019-12-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种区块链系统模型的分析方法，包括以下步骤：S1：输入包含存储池的区块链和包含队列的挖掘池；S2：向存储池中输入事务源站，向队列中输入矿工；S3：根据临时占位符和事务源站确定一个全局难题参数的随机数D；S4：根据D确定新的区块链和新的挖掘池并广播到网络节点中；S5：确定新的区块链和新的挖掘池的最终参数，并将其作为每个新的区块链平均挖掘时间μs；S6：将μs与每个实际区块链平均挖掘时间μ's进行比较，得到吻合度λ；S7：根据λ判断区块链系统模型是否为理想状态，完成区块链系统模型的分析。本发明将所提出系统模型的区块链参数和实际区块链参数进行比较，比较方式简单，可用于估算系统模型是否理想。
-
公开(公告)号：CN111046865A
公开(公告)日：2020-04-21
申请号：CN201911289020.4
申请日：2019-12-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于膜电压驱动的spiking神经元监督学习模型的光学字符识别方法，该方法包括获取光学字符样本集，采用相位编码方法将采用相位编码方法脉冲序列，建立基于膜电压驱动的spiking神经元监督学习模型并进行训练，利用训练后的spiking神经元监督学习模型对待检测光学字符进行识别。本发明通过采用相位编码方法将采用相位编码方法脉冲序列，建立基于膜电压驱动的spiking神经元监督学习模型并进行训练，利用训练后的spiking神经元监督学习模型对待检测光学字符进行识别，显著提高了spiking神经元序列学习的效率，进一步提高了光学字符识别的效率和准确率。
-
公开(公告)号：CN113505101B
公开(公告)日：2023-07-07
申请号：CN202110791754.3
申请日：2021-07-13
Applicant: 电子科技大学
IPC: G06F16/16 , G06F16/172 , G06F16/17 , G06F16/188 , G06F16/13 , G06F16/901
Abstract: 本发明公开了一种基于VFS的内核文件系统，包括初始化模块、伙伴系统、文件页管理模块以及文件系统，其中，所述初始化模块用于实现对保留内存的初始化以及高速缓存的分配；所述伙伴系统用于实现对内存页的管理以及文件页的分配/回收计算；所述文件页管理模块用于进程对文件操作时进行当前进程的文件页的修复，并控制文件页的分配、回收以及增添操作；所述文件系统用于向上实现虚拟内存层的函接口，向下通过文件页管理模块对保留内存进行操作，通过上述方式，用户系统不需要去关心底层设备的实现，直接使用系统调用就可以访问，操作底层设备,系统调用使得用户系统有着很高的可移植性，该程序就可以在不同的内核版本上运行。
-
Patent Agency Ranking
公开(公告)号：CN113626589B
公开(公告)日：2023-04-18
申请号：CN202110676123.7
申请日：2021-06-18
Applicant: 电子科技大学
IPC: G06F16/35 , G06F40/284 , G06F40/30 , G06F18/2431 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于混合注意力机制的多标签文本分类方法，包括：S1、构建基于混合注意力机制的多标签分类模型；S2、将待分类的文本输入到多标签分类模型中；S3、在多标签分类模型中，依次对输入文本进行词嵌入、编码处理、并行提取输入文本对应的与文本自身内容相关的文本特征表示及与标签相关的文本特征表示、文本特征表示融合及标签关系挖掘；S4、基于标签挖掘关系挖掘结果和融合文本特征表示，获得多标签文本分类结果。该方法能够得到针对每个标签的文本特征表示，同时也使用了自注意力机制提取文本自身的特征，式文本序列中每个词都可以和序列中任意距离的单词建立联系，解决了CNN和RNN对于长距离依赖建模能力的问题。
-
公开(公告)号：CN113626589A
公开(公告)日：2021-11-09
申请号：CN202110676123.7
申请日：2021-06-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于混合注意力机制的多标签文本分类方法，包括：S1、构建基于混合注意力机制的多标签分类模型；S2、将待分类的文本输入到多标签分类模型中；S3、在多标签分类模型中，依次对输入文本进行词嵌入、编码处理、并行提取输入文本对应的与文本自身内容相关的文本特征表示及与标签相关的文本特征表示、文本特征表示融合及标签关系挖掘；S4、基于标签挖掘关系挖掘结果和融合文本特征表示，获得多标签文本分类结果。该方法能够得到针对每个标签的文本特征表示，同时也使用了自注意力机制提取文本自身的特征，式文本序列中每个词都可以和序列中任意距离的单词建立联系，解决了CNN和RNN对于长距离依赖建模能力的问题。
-
公开(公告)号：CN114881042B
公开(公告)日：2023-05-02
申请号：CN202210625855.8
申请日：2022-06-02
Applicant: 电子科技大学
IPC: G06F40/30 , G06F40/284 , G06F40/289 , G06F18/24 , G06N3/0442 , G06N3/08
Abstract: 本发明提供一种基于图卷积网络融合句法依存与词性的中文情感分析方法，采用词向量模型对上下文文本和方面词进行向量化表示；词向量模型将每个待分析的中文文本矩阵与文本中单词的词性标注矩阵进行拼接操作将图卷积网络中的编码部分与长短期记忆网络进行融合；多头交互注意力网络对具有上下文特征的隐藏层向量和具有语义信息的隐藏层向量分别通过多头注意力得到经过注意力值加权之后的向量矩阵；将两个隐层向量矩阵与交互多头注意力机制输出的两个矩阵的池化结果进行拼接得到融合后的文本表示再通过Softmax进行概率计算确定情感极性。本发明将中文中的词性标记与向量表示融合，特征提取既拥有强大特征提取能力，在中文数据集的情感分析上有良好的表现。
-
公开(公告)号：CN110991547A
公开(公告)日：2020-04-10
申请号：CN201911276766.1
申请日：2019-12-12
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多特征最优融合的图像显著性检测方法，针对现有的显著性检测算法只是在空间域选择图像的颜色、纹理、方向等底层特征，或者只是从频率域角度来分析问题的单一性，选择空间域和频率域比较能够展示物体显著性的特征来计算物体的显著性；本发明方法通过支持向量机对训练数据的学习，能够根据图像的各种特征对于显著性检测的重要程度大小为各种特征设置不同的权重；本发明提供了一种能够得到更加准确和清晰的显著图的显著性检测算法，以便在各种计算机视觉领域任务中给提取的显著性区域分配更多计算机资源以便高效的处理各种视觉领域任务。
-
公开(公告)号：CN113392325A
公开(公告)日：2021-09-14
申请号：CN202110688005.8
申请日：2021-06-21
Applicant: 电子科技大学
IPC: G06F16/9535 , G06F17/16 , G06F17/18 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的信息推荐方法，包括：S1、将数据集输入至推荐系统中；S2、在推荐系统中，通过对数据集依次在召回阶段、排序阶段及深度学习模型的特征处理阶段进行数据处理，获得信息推荐结果。本发明提出了改进的概率矩阵分解模型，并且融入了消费者或者商品的个人兴趣、偏好等，能够对RS召回的目的性与准确性有所提升；同时构建了一个基于深度神经网络的FWHFM模型，将特征域对嵌入矩阵与特征嵌入向量的产生的FHWFM交互层与原本的特征向量层进行拼接，在通过深度神经网络DNN进行训练，其点击率估计效果明显优于其他深度模型；基于本发明对推荐系统中两个模型的改进，提升了信息推荐过程中的信息推荐的准确性。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.023 seconds)
