-
公开(公告)号：CN109284506B
公开(公告)日：2023-09-29
申请号：CN201811445401.2
申请日：2018-11-29
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/284 , G06F16/35
Abstract: 本发明公开了一种基于注意力卷积神经网络的用户评论情感分析系统及方法。该发明为模块化设计，主要包括四个模块，即词嵌入模块，卷积模块，注意力模块以及分类器模块。其中词嵌入模块将评论文本使用低维向量表示，卷积模块通过卷积操作提取评论的局部特征，注意力模块通过比较相似度来决定局部特征的权重，并通过加权计算评论的最终特征表达，分类器模块根据最终特征表达进行情感分类。本发明通过将注意力机制加入到神经网络模型中，克服传统神经网络模型特征提取方法的不足。通过大量数据训练后，注意力机制可以判断评论中不同词语的重要程度，使得模型可以“注意到”评论中对情感影响最大的部分，提高模型情感分类的准确率。
-
公开(公告)号：CN110245881A
公开(公告)日：2019-09-17
申请号：CN201910639180.0
申请日：2019-07-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及机器学习领域，特别涉及一种基于机器学习的污水处理的水质预测方法及系统，所述方法包括确定污水的测量参数和污水处理的行业标准，并初始化污水的测量参数，并将测量参数的特征权重向量初始化为1；获取污水测量参数的适应度，将适应度最大的个体作为最优的个体；将最优的个体复制n-1个，并在每个复制的个体上的特征权重上加一个随机值；获取当前个体的适应度，选择适应度最大的个体作为最优的个体；若达到最大迭代次数，则输出最优的特征权重向量；将得到最优特征向量输入线性支持向量机；将实时污水测量参数输入完成训练的线性支持向量机即可得到预测结果；本发明可以有效地对污水质量进行预测，为实际的污水处理提供辅助。
-
公开(公告)号：CN111930892B
公开(公告)日：2023-09-29
申请号：CN202010786910.2
申请日：2020-08-07
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/35 , G06F40/247 , G06F40/289 , G06F40/30
Abstract: 本发明涉及计算机领域，尤其涉及一种基于改进互信息函数的科技文本分类方法，包括构建科技文本数据库，对数据库中的科技文本进行数据融合，通过对目标文本进行分词，通过word2vec模型得出词向量；构建文本特征提取模型，并为每个词向量根据TF‑ATF模型计算权值，根据权值更新词向量的表示；构建改进互信息函数计算词向量的互信函数值，根据该函数更新词向量的表示；构建合并同义词或近义词的语义距离模型，剔除其中权值较小的词，将合并后的词向量进行正则化，得到最终的文本特征向量；利用LSTM模型对文本特征向量进行训练，利用训练好的模型对科技文本进行分类；本发明可以通过科技文本分类对主题进行分类，优化资讯浏览体验。
-
公开(公告)号：CN111930892A
公开(公告)日：2020-11-13
申请号：CN202010786910.2
申请日：2020-08-07
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/35 , G06F40/247 , G06F40/289 , G06F40/30
Abstract: 本发明涉及计算机领域，尤其涉及一种基于改进互信息函数的科技文本分类方法，包括构建科技文本数据库，对数据库中的科技文本进行数据融合，通过对目标文本进行分词，通过word2vec模型得出词向量；构建文本特征提取模型，并为每个词向量根据TF-ATF模型计算权值，根据权值更新词向量的表示；构建改进互信息函数计算词向量的互信函数值，根据该函数更新词向量的表示；构建合并同义词或近义词的语义距离模型，剔除其中权值较小的词，将合并后的词向量进行正则化，得到最终的文本特征向量；利用LSTM模型对文本特征向量进行训练，利用训练好的模型对科技文本进行分类；本发明可以通过科技文本分类对主题进行分类，优化资讯浏览体验。
-
公开(公告)号：CN110400234A
公开(公告)日：2019-11-01
申请号：CN201910639232.4
申请日：2019-07-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及计算机领域，尤其涉及一种基于BP神经网络的城市供水调度方法及系统，所述方法包括根据退火算法改进的遗传算法和Metropolis准则获得最优的初始权值阈值，并将该权值阈值输入神经网络，将训练数据输入BP神经网络进行训练，计算BP神经网络的网络的误差均方和，若网络的误差均方和满足设定阈值，则完成训练；否则更新权值阈值继续训练；将当前需要预测的地区的水务信息数据输入BP神经网络，BP神经网络即可输出供水调度信息；本发明的模型预测输出和实际负荷值拟合度更好，且预测输出稳定性较好，没有出现大幅度的波动，即本发明对水资源调度预测更可靠，更有优势。
-
Patent Agency Ranking
公开(公告)号：CN109766547A
公开(公告)日：2019-05-17
申请号：CN201811601236.5
申请日：2018-12-26
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种句子相似度计算方法，包括以下步骤：步骤(1)，获取句子相似度计算的测试集和训练集,并通过词向量模型获取各词语对应的语义向量；步骤(2)，基于词语权重的句向量，分别计算测试集中某一测试句子与训练集中每个训练句子的余弦相似度；步骤(3)，基于词序的句向量，分别计算上述测试句子和由步骤(2)的结果筛选出的相似度前10的句子的相似度；步骤(4)，基于步骤(2)和步骤(3)得到的两种句子向量计算的句子相似度，并采用MRR(平均排序倒数)参数确定方法来调节优化系数β，得出与训练集中句子相似度最大的句子。由于本发明考虑了影响句子相似度的词语权重和词序因素来计算，大大提高了句子相似度计算的精准度。
-
公开(公告)号：CN109597891A
公开(公告)日：2019-04-09
申请号：CN201811414183.6
申请日：2018-11-26
Applicant: 重庆邮电大学
IPC: G06F16/35
Abstract: 本发明属于人工智能与数据挖掘的交叉领域，具体涉及基于双向长短时记忆神经网络的文本情感分析方法；所述方法包括以下步骤将文本映射词向量映射框架中，将所述文本表示为词向量矩阵；构建改进的卷积神经网络，对映射的词向量矩阵进行特征提取；利用双向长短时记忆循环神经网络对提取的特征进行训练，直至其损失函数最小时；在该循环神经网络后增加全局均值池化层和分类层，从而输出该文本的情感分类。本发明将深度学习应用在文本情感分析中，摆脱了人工提取文本情感特征的局限性，同时在深度学习领域结合了卷积神经网络和循环神经网络的优点，并对网络进行改进，使其能更好的应用在文本处理的任务中。
-
公开(公告)号：CN109597891B
公开(公告)日：2023-04-07
申请号：CN201811414183.6
申请日：2018-11-26
Applicant: 重庆邮电大学
IPC: G06F16/35
Abstract: 本发明属于人工智能与数据挖掘的交叉领域，具体涉及基于双向长短时记忆神经网络的文本情感分析方法；所述方法包括以下步骤将文本映射词向量映射框架中，将所述文本表示为词向量矩阵；构建改进的卷积神经网络，对映射的词向量矩阵进行特征提取；利用双向长短时记忆循环神经网络对提取的特征进行训练，直至其损失函数最小时；在该循环神经网络后增加全局均值池化层和分类层，从而输出该文本的情感分类。本发明将深度学习应用在文本情感分析中，摆脱了人工提取文本情感特征的局限性，同时在深度学习领域结合了卷积神经网络和循环神经网络的优点，并对网络进行改进，使其能更好的应用在文本处理的任务中。
-
公开(公告)号：CN111767368B
公开(公告)日：2022-08-23
申请号：CN202010462498.9
申请日：2020-05-27
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/332 , G06F16/35 , G06F16/36 , G06F40/295 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于实体链接的构建问答知识图谱的方法及存储介质，该方法包括以下步骤：步骤1)爬取相关业务咨询问句语料以及规范政策文本；步骤2)对预处理过后的问句语料以及规范政策文本进行结构信息抽取；步骤3)筛选得到实体候选集，筛选得到实体标准名候选集，将候选实体集中的实体与候选实体标准名进行相似度计算；步骤4)分别融合咨询语料与规范政策文本中事件的实体，链接至规范政策文本中标准事件的实体；步骤5)按照知识图谱所需结构抽取相似度在阈值范围内的规范政策文本实体及属性，构建问答知识图谱。本发明可以保证在问答系统中答案回复的准确性和高效性。
-
公开(公告)号：CN109284506A
公开(公告)日：2019-01-29
申请号：CN201811445401.2
申请日：2018-11-29
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于注意力卷积神经网络的用户评论情感分析系统及方法。该发明为模块化设计，主要包括四个模块，即词嵌入模块，卷积模块，注意力模块以及分类器模块。其中词嵌入模块将评论文本使用低维向量表示，卷积模块通过卷积操作提取评论的局部特征，注意力模块通过比较相似度来决定局部特征的权重，并通过加权计算评论的最终特征表达，分类器模块根据最终特征表达进行情感分类。本发明通过将注意力机制加入到神经网络模型中，克服传统神经网络模型特征提取方法的不足。通过大量数据训练后，注意力机制可以判断评论中不同词语的重要程度，使得模型可以“注意到”评论中对情感影响最大的部分，提高模型情感分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.039 seconds)
