-
公开(公告)号：CN111353044B
公开(公告)日：2022-11-11
申请号：CN202010155795.9
申请日：2020-03-09
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/951 , G06F40/242 , G06F40/289 , G06K9/62 , G06Q50/14
Abstract: 本发明涉及自然语言处理情感分析领域，特别涉及一种基于评论的情感分析方法，该方法包括：获取数据；根据采集的数据构建情感词典，并对情感词典进行初始化；将获取的数据进行清洗，即对数据进行实时解析与预处理得到预处理后数据；将预处理的数据输入到初始化后的情感词典中，对数据的情感进行情感倾向性分类，得到情感分类结果；本发明通过利用词典与规则分类方式来提升相关指标，省却了机器学习模型训练时间优点、另外还不易产生过拟合现象、加入了pagerank算法思想与自定义分类规则集成增强了分类结果准确度。
-
公开(公告)号：CN111353044A
公开(公告)日：2020-06-30
申请号：CN202010155795.9
申请日：2020-03-09
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/951 , G06F40/242 , G06F40/289 , G06K9/62 , G06Q50/14
Abstract: 本发明涉及自然语言处理情感分析领域，特别涉及一种基于评论的情感分析方法，该方法包括：获取数据；根据采集的数据构建情感词典，并对情感词典进行初始化；将获取的数据进行清洗，即对数据进行实时解析与预处理得到预处理后数据；将预处理的数据输入到初始化后的情感词典中，对数据的情感进行情感倾向性分类，得到情感分类结果；本发明通过利用词典与规则分类方式来提升相关指标，省却了机器学习模型训练时间优点、另外还不易产生过拟合现象、加入了pagerank算法思想与自定义分类规则集成增强了分类结果准确度。
-
公开(公告)号：CN109101108A
公开(公告)日：2018-12-28
申请号：CN201810823980.3
申请日：2018-07-25
Applicant: 重庆邮电大学
Abstract: 本发明属于智能驾驶领域，为一种基于三支决策优化智能座舱人机交互界面的方法及系统，方法包括采集座舱内的手势视频，进行预处理，得到手势图像；对手势图像的手势和背景分割，得到手势区域图像；为其进行多粒度表达，利用卷积神经网络提取手势区域图像的多粒度特征；从粗粒度到细粒度计算每一粒度手势区域图像分类到各类别的条件概率，利用三支决策序贯的完成手势识别；将识别后的手势进行语义转换，人机交互界面根据语义转换后的结果进行操作；采用加权求和的方式获得最佳粒度，以该最佳粒度作为最细粒度。本发明不仅能够更精准的识别座舱内手势，执行手势命令，还能够减少座舱人机交互界面的交互时间，为用户提供更舒适的交互体验。
-
Patent Agency Ranking
公开(公告)号：CN112465253A
公开(公告)日：2021-03-09
申请号：CN202011426947.0
申请日：2020-12-09
Applicant: 重庆邮电大学
Abstract: 本发明属于城市交通技术领域，尤其涉及一种城市路网中的链路预测方法及装置；所述方法包括采集城市路网数据集，计算各个城市地点的属性值；利用云模型将各个属性值划分为类簇，得到该属性对城市节点之间是否建立链路连接的二分类结果，并计算出各个属性对于二分类标签的确定度；以二分类结果来计算出相关联的两个属性的频繁二项集，以构建二层泛函网络模型结构；对二层泛函网络模型进行训练，采用最小二乘法让目标损失函数达到最小；将待测的城市路网数据输入到训练后的二层泛函网络模型中，输出该城市路网中两个城市地点之间是否产生道路的二分类标签；本发明克服了复杂网络结构的高度依赖性，优化链路预测效果，从而提高了其预测准确性。
-
公开(公告)号：CN109101108B
公开(公告)日：2021-06-18
申请号：CN201810823980.3
申请日：2018-07-25
Applicant: 重庆邮电大学
Abstract: 本发明属于智能驾驶领域，为一种基于三支决策优化智能座舱人机交互界面的方法及系统，方法包括采集座舱内的手势视频，进行预处理，得到手势图像；对手势图像的手势和背景分割，得到手势区域图像；为其进行多粒度表达，利用卷积神经网络提取手势区域图像的多粒度特征；从粗粒度到细粒度计算每一粒度手势区域图像分类到各类别的条件概率，利用三支决策序贯的完成手势识别；将识别后的手势进行语义转换，人机交互界面根据语义转换后的结果进行操作；采用加权求和的方式获得最佳粒度，以该最佳粒度作为最细粒度。本发明不仅能够更精准的识别座舱内手势，执行手势命令，还能够减少座舱人机交互界面的交互时间，为用户提供更舒适的交互体验。
-
公开(公告)号：CN109857871B
公开(公告)日：2021-04-20
申请号：CN201910077708.X
申请日：2019-01-28
Applicant: 重庆邮电大学
IPC: G06F16/36 , G06F16/33 , G06F40/211 , G06Q50/00 , G06N3/04
Abstract: 本发明属于用户关系挖掘领域，尤其涉及一种基于社交网络海量情景数据的用户关系发现方法，包括获取网络中用户产生的情景数据信息以及用户所在网络的边关系类型，提取图像中的文本信息，对文本类型数据集进行预处理；利用实体链接工具获取预处理后的情景数据集中文本的实体向量，作为先验知识加入到对应文本中；构建卷积神经网络提取文本数据集中的有效特征等综合考虑来对节点进行量化；根据节点的向量化结果求出每两个节点的余弦距离并以此来作为用户间的关系强弱值；本发明增加原有数据的语义信息，提高机器对文本的可读性和理解性，减少深度学习对数据标签的依赖性，还能减弱很多分类问题中出现的边缘问题，降低过拟合的风险，优化模型性能。
-
公开(公告)号：CN109857871A
公开(公告)日：2019-06-07
申请号：CN201910077708.X
申请日：2019-01-28
Applicant: 重庆邮电大学
Abstract: 本发明属于用户关系挖掘领域，尤其涉及一种基于社交网络海量情景数据的用户关系发现方法，包括获取网络中用户产生的情景数据信息以及用户所在网络的边关系类型，提取图像中的文本信息，对文本类型数据集进行预处理；利用实体链接工具获取预处理后的情景数据集中文本的实体向量，作为先验知识加入到对应文本中；构建卷积神经网络提取文本数据集中的有效特征等综合考虑来对节点进行量化；根据节点的向量化结果求出每两个节点的余弦距离并以此来作为用户间的关系强弱值；本发明增加原有数据的语义信息，提高机器对文本的可读性和理解性，减少深度学习对数据标签的依赖性，还能减弱很多分类问题中出现的边缘问题，降低过拟合的风险，优化模型性能。
-
公开(公告)号：CN112465253B
公开(公告)日：2022-07-01
申请号：CN202011426947.0
申请日：2020-12-09
Applicant: 重庆邮电大学
Abstract: 本发明属于城市交通技术领域，尤其涉及一种城市路网中的链路预测方法及装置；所述方法包括采集城市路网数据集，计算各个城市地点的属性值；利用云模型将各个属性值划分为类簇，得到该属性对城市节点之间是否建立链路连接的二分类结果，并计算出各个属性对于二分类标签的确定度；以二分类结果来计算出相关联的两个属性的频繁二项集，以构建二层泛函网络模型结构；对二层泛函网络模型进行训练，采用最小二乘法让目标损失函数达到最小；将待测的城市路网数据输入到训练后的二层泛函网络模型中，输出该城市路网中两个城市地点之间是否产生道路的二分类标签；本发明克服了复杂网络结构的高度依赖性，优化链路预测效果，从而提高了其预测准确性。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.022 seconds)
