-
公开(公告)号：CN112163705B
公开(公告)日：2022-07-22
申请号：CN202011054678.X
申请日：2020-09-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于CNN+SEIR和LSTM的疫情预测预警方法，属于信息化领域。利用卷积神经网络CNN+标准传染病SEIR模型作为新冠疫情的预测模型，通过CNN模型从大量的人口迁移的数据中提取特征，然后利用SEIR模型作为新冠疫情的预测模型。所述卷积神经网络CNN用于实现预测模型的特征提取，包括局部感受野、权值共享和池化；预测模型通过卷积神经网络提取来自各个维度的人口迁移数据，将统计得来的患者行动轨迹和人口迁移数据做匹配，利用KL散度计算患者行动轨迹和人口迁移数据的相似度；如果易感染者和患者行动轨迹相似度较大，则见面几率高，否则见面几率小。
-
公开(公告)号：CN111506706A
公开(公告)日：2020-08-07
申请号：CN202010296825.8
申请日：2020-04-15
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F40/289
Abstract: 本发明涉及一种基于关系相似度的上下义关系森林构建方法，属于自然语言处理和知识图谱领域。该方法包括：输入所有三元组，通过传统多层感知机获得所有三元组中关系的实体对概率集合C，并对C作笛卡尔，对笛卡尔积C×C用公式计算得出相似度量值(矩阵S)并用门限值ThresholdA进行过滤，筛选出关系相似度集合；然后结合开放域实体数据集，利用训练好的相似关系在改进的多层感知模型上预测开放域实体中关系对应的实体数量，并用门限值ThresholdB进行过滤，得到Result矩阵；最后根据Result矩阵和关系相似度集合构建关系森林。本发明能够检索知识图谱中相似关系实体；提高关系抽取任务中相似关系抽取的精度。
-
公开(公告)号：CN111506706B
公开(公告)日：2022-06-17
申请号：CN202010296825.8
申请日：2020-04-15
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F40/289
Abstract: 本发明涉及一种基于关系相似度的上下义关系森林构建方法，属于自然语言处理和知识图谱领域。该方法包括：输入所有三元组，通过传统多层感知机获得所有三元组中关系的实体对概率集合C，并对C作笛卡尔，对笛卡尔积C×C用公式计算得出相似度量值(矩阵S)并用门限值ThresholdA进行过滤，筛选出关系相似度集合；然后结合开放域实体数据集，利用训练好的相似关系在改进的多层感知模型上预测开放域实体中关系对应的实体数量，并用门限值ThresholdB进行过滤，得到Result矩阵；最后根据Result矩阵和关系相似度集合构建关系森林。本发明能够检索知识图谱中相似关系实体；提高关系抽取任务中相似关系抽取的精度。
-
公开(公告)号：CN112163705A
公开(公告)日：2021-01-01
申请号：CN202011054678.X
申请日：2020-09-29
Applicant: 重庆邮电大学
Abstract: 本发明涉及一种基于CNN+SEIR和LSTM的疫情预测预警方法，属于信息化领域。利用卷积神经网络CNN+标准传染病SEIR模型作为新冠疫情的预测模型，通过CNN模型从大量的人口迁移的数据中提取特征，然后利用SEIR模型作为新冠疫情的预测模型。所述卷积神经网络CNN用于实现预测模型的特征提取，包括局部感受野、权值共享和池化；预测模型通过卷积神经网络提取来自各个维度的人口迁移数据，将统计得来的患者行动轨迹和人口迁移数据做匹配，利用KL散度计算患者行动轨迹和人口迁移数据的相似度；如果易感染者和患者行动轨迹相似度较大，则见面几率高，否则见面几率小。
-
-
-
Search Results
4
records
(took 0.023 seconds)
