-
公开(公告)号：CN115757795A
公开(公告)日：2023-03-07
申请号：CN202211519636.8
申请日：2022-11-30
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F40/30 , G06F18/214 , G06N3/048 , G06N3/047 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06N3/096
Abstract: 本发明属于自然语言处理与多标签文本分类领域，特别涉及一种基于长尾问题的多标签文本分类方法，包括对头部标签和尾部标签进行文本语义提取，分别获得头部标签文本表示和尾部标签文本表示并进行采样，得到头部标签原型和尾部标签原型；利用头部标签文本表示训练得到头部标签分类器，通过最小化头部标签分类器的损失函数，得到头部标签权重；将头部标签原型映射到头部标签权重上，通过最小化迁移学习获取转移权重；根据转移权重对头部标签权重进行转移，得到尾部标签分类器；将尾部标签分类器和头部标签分类器进行融合，得到分类模块；将待分类数据的文本表示输入分类模块，得到分类结果；本发明提升多标签文本分类的准确率和归一化折损累计增益。
-
Patent Agency Ranking
公开(公告)号：CN114760692A
公开(公告)日：2022-07-15
申请号：CN202210242717.1
申请日：2022-03-11
Applicant: 重庆邮电大学
Abstract: 本发明属于超密集网络资源分配技术领域，一种超密集网络中基于混合聚类的资源分配方法，该方法包括：获取原始基站、用户位置的数据，并对数据进行预处理；采用Canopy算法与K‑means算法对微基站分簇；对聚类后的每个簇中的用户构建干扰图，根据干扰图采用染色算法对用户进行分组；对每组中的用户采用贪婪算法分配子信道；采用注水算法对每组中的用户进行功率分配；本发明通过两种算法结合的聚类算法，能够准确、快速对微基站进行聚类，之后用户分组，子信道分配、功率分配，能够有效减少基站之间的同层干扰，提高系统的吞吐量和性能。
-
公开(公告)号：CN114398488A
公开(公告)日：2022-04-26
申请号：CN202210047500.5
申请日：2022-01-17
Applicant: 重庆邮电大学
Abstract: 本发明属于自然语言处理与多标签文本分类领域，特别涉及一种基于注意力机制的BILSTM多标签文本分类方法；包括将文本数据和标签数据分别通过bert和Word2vec进行词嵌入；采用BILSTM模块分别提取词嵌入后的文本数据与标签数据的上下文信息，得到文本表示和标签表示；通过注意力机制模块得到基于标签的文本表示；通过损失函数训练多标签文本分类模型；将实时数据输入训练好的多标签文本分类模型，得到实时数据的标签分类预测结果；本发明利用Bert进行词嵌入，运用BILSTM进行上下文依赖关系的提取，充分利用文本和文本、文本和标签以及标签和标签的信息，从而提升了多标签文本分类的准确率和归一化折损累计增益。
-
公开(公告)号：CN115526149A
公开(公告)日：2022-12-27
申请号：CN202211295438.8
申请日：2022-10-21
Applicant: 重庆邮电大学
IPC: G06F40/126 , G06F40/30 , G06F16/335 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自然语言处理领域，具体涉及一种融合双注意力和生成对抗网络的文本摘要方法，通过双层双向LSTM编码器，获取单词层编码和句子层编码；对单词层编码和句子层编码进行筛选并输入解码器中获取上下文向量；利用交互注意力机制交互融合两层编码信息，获取交互注意力向量；采用双注意力动态聚合获取文本向量；将改进过后的指针生成网络作为生成器，结合覆盖机制生成器生成摘要；利用判别器判别摘要，结合强化学习的策略梯度不断更新模型参数，达到生成器与判别器的动态平衡；将文档输入到训练好的模型中，获取摘要；本发明深度挖掘本文局部关键信息，去除无用冗余信息的干扰，缓解曝光偏差问题，提高文本摘要模型的性能。
-
公开(公告)号：CN116634565A
公开(公告)日：2023-08-22
申请号：CN202310132365.9
申请日：2023-02-17
Applicant: 重庆邮电大学
IPC: H04W72/044 , H04W72/0453 , H04B17/391 , G06N3/092 , H04W16/10
Abstract: 本发明属于超密集网络资源分配技术领域，具体涉及一种基于改进双深度Q学习的超密集网络资源分配方法，该方法包括：构建超密集网络；获取网络中的数据；根据网络中的数据确定优化目标和限制条件；构建多智能体深度强化框架；采用多智能体深度强化框架对优化目标进行处理，得到状态空间、动作空间和回报函数；根据状态空间、动作空间和回报函数采用训练好的改进双深度Q网络进行子信道分配和功率分配；本发明通过改进双深度Q学习的资源分配方法能够有效减少基站之间的同层干扰，获得更大的传输速率。
-
公开(公告)号：CN114757177A
公开(公告)日：2022-07-15
申请号：CN202210242189.X
申请日：2022-03-11
Applicant: 重庆邮电大学
IPC: G06F40/284 , G06F40/126 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明涉及自然语言处理、深度学习、自动文本摘要领域，具体涉及一种基于BART融合指针生成网络的文本摘要方法，包括结合位置编码，对输入文本进行预处理；利用TF‑IDF权重机制，获取文本关键词权重向量；利用基于注意力机制的QRNN模型得到注意力分布，结合关键词分布，获取上下文向量；利用BART模型对上下文向量进行处理得到词表分布；利用指针生成网络，结合复制机制和覆盖机制，获取最终分布，得到基于BART融合指针生成网络的文本摘要模型；对基于BART融合指针生成网络的文本摘要模型进行优化训练，将文档输入到训练好的模型中，获取文档的摘要内容；本发明提升对低频词和集外词等的处理能力，同时减少重复冗余信息。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
