-
公开(公告)号：CN118093878A
公开(公告)日：2024-05-28
申请号：CN202410350939.4
申请日：2024-03-26
Applicant: 东北林业大学
IPC: G06F16/35 , G06N3/0464 , G06N3/084
Abstract: 基于PeM‑Bert的知识嵌入社交媒体情绪检测系统，涉及文本检测领域。本发明是为了解决现有社交媒体文本情绪识别方法还存在文本情绪识别针对性弱以及识别出的情绪分类细粒度差的问题。本发明包括：获取原始情绪文本序列X，并对原始情绪文本序列X设定情绪标签，利用设定情绪标签的原始情绪文本组成原始数据集，并将原始数据集划分为第一训练集和第一测试集；利用第一训练集对注意力机制模型进行训练，获得训练好的注意力机制模型；利用第一测试集对训练好的注意力机制模型进行测试，将测试通过的训练好的注意力机制模型作为情绪检测网络；将待检测情绪的文本序列输入到情绪检测网络中，获得情绪检测结果。本发明用于社交媒体文本的情绪检测。
-
公开(公告)号：CN109166317A
公开(公告)日：2019-01-08
申请号：CN201811267985.9
申请日：2018-10-29
Applicant: 东北林业大学
Abstract: 基于状态特征的城市交通路径通过时间确定方法，涉及交通技术领域。为了解决现有路段行程时间确定方法存在准确度较低的问题，本发明基于采集车辆GPS轨迹数据，计算相邻轨迹点间的直角坐标系上的距离和均值速度；然后结合车辆载客情况和行驶速度，调整设置合适的卷积模板，建立双参卷积理论速度模型；将数据集中的路段分为不同子路段，预测不同始终点车辆的通行时间T′；同时，计算起点所在路段相同和终点所在路段相同的所有车辆各自的行驶时间总和的平均值 最后根据修正因子 对每辆车车辆的通行时间进行修正；并根据修的车辆通行时间T′修作为城市交通路径的通行时间确定结果。本发明适用于交通路径通过时间的确定。
-
公开(公告)号：CN118916476A
公开(公告)日：2024-11-08
申请号：CN202410958527.9
申请日：2024-07-17
Applicant: 东北林业大学
IPC: G06F16/335 , G06F16/33 , G06F16/35 , G06N3/0464 , G06N3/045 , G06N3/0499
Abstract: 基于Transformer的模态异质摘要情感分析系统，属于信息挖掘技术领域。为了解决传统模态融合方式的情感分析方法存在互补信息挖掘不充分的问题，进而导致了情感分析准确率欠佳的问题。本发明包括预训练特征提取模块、多模态摘要生成模块和模态融合模块；其中，预训练特征提取模块包括对文本进行标记和编码的文本特征提取单元，以及对语音进行离散化和编码的语音特征提取单元；多模态摘要生成模块首先对段落进行编码并构建一个表示句子间相似度的无向加权图，基于图卷积网络的聚类划分子图，利用图结构信息对句子进行编码；将图编码层和段落编码层得到的特征向量进行融合并生成摘要序列；模态融合模块基于摘要文本序列和语音特征进行情感分类。
-
公开(公告)号：CN112597302B
公开(公告)日：2022-04-29
申请号：CN202011505843.9
申请日：2020-12-18
Applicant: 东北林业大学
IPC: G06F16/35 , G06F40/237 , G06F40/253 , G06F40/284 , G06K9/62 , G06N3/04
Abstract: 基于多维评论表示的虚假评论检测方法，属于信息挖掘技术领域。本发明是为了解决现有的虚假评论检测方法不能真实的、自动的、准确的解决电子商务平台中的商品评价信息处理的问题。本发明从词级和句子级将用户级相关特征表示、产品级相关特征表示和细粒度方面级相关特征表示进行融合，并对用户与产品之间的关系进行建模，将关系融入模型之中；基于注意力机制计算包含丰富上下文信息h′与用户‑产品知识的评论表示UP′之间的交互影响，获得最终的评论表示Fr，然后进行分类，进而判断评论是虚假评论还是真实评论。主要用于虚假评论的检测。
-
公开(公告)号：CN111951803A
公开(公告)日：2020-11-17
申请号：CN202010804529.4
申请日：2020-08-13
Applicant: 东北林业大学
Abstract: 基于Star-Transformer的口语理解方法、系统及设备，属于语言处理技术领域。本发明是为了解决利用现有的神经网络对口语进行识别存在的准确度较低的问题。本发明所述的方法首先利用Star-Transformer对口语语音信息对应文本序列的特征矩阵进行信息提取；然后使用双向门控循环单元对Star-Transformer提取的全局信息和局部信息进行整合，最后将插槽预测的概率最大的意图作为输出结果。主要用于口语的计算机理解。
-
Patent Agency Ranking
公开(公告)号：CN109684647B
公开(公告)日：2020-07-24
申请号：CN201910122560.7
申请日：2019-02-19
Applicant: 东北林业大学
IPC: G06F40/211 , G06F40/247 , G06F40/289 , G06F40/284 , G06F16/35
Abstract: 电影评论情感分析方法及装置，属于数据分析领域，具体涉及一种评论的分析方法及装置。为了解决利用现有的情感分析方法对电影评论进行情感分析存在准确度低的问题。本发明首先对影评语料进行分词等预处理并进行句法分析；判断词是否属于影评属性特征词词典中的词，并查询判断该词的父节点的兄弟节点，获取句子中距离该词最近的节点对应的词，作为情感词；遍历W‑SVM情感词典和SO‑VEC情感词典，并判断情感词属于情感词典中的哪一类，并记录词语情感值；最后根据该词与情感词之间的否定词数量更新词语情感值；最终根据词语情感值确定影评细粒度情感。本发明适用于电影评论的情感分析。
-
公开(公告)号：CN117912248A
公开(公告)日：2024-04-19
申请号：CN202410087571.7
申请日：2024-01-22
Applicant: 东北林业大学
IPC: G08G1/01 , G06N3/0442 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 基于表示学习的车辆到达时间预测方法，属于智慧交通技术领域。为了解决现有的车辆到达时间预测准确率较低的问题。本发明首先采用SDNE算法对交叉口类型矩阵和包括交通流量信息、重要信息点的补充信息矩阵进行处理，然后输入到MLP全连接神经网络中得到第一表示向量；采用LSTM算法对节点信息向量行处理得到第二表示向量；同时采用xDeepFM算法对离散语义信息向量进行处理，得到第三表示向量；然后将第一表示向量至第三表示向量按channel拼接，进行1维ResNet做卷积操作，再通过CBAM注意力模块和MLP处理，MLP输出预测的车辆到达时间。
-
公开(公告)号：CN109166317B
公开(公告)日：2020-07-24
申请号：CN201811267985.9
申请日：2018-10-29
Applicant: 东北林业大学
Abstract: 基于状态特征的城市交通路径通过时间确定方法，涉及交通技术领域。为了解决现有路段行程时间确定方法存在准确度较低的问题，本发明基于采集车辆GPS轨迹数据，计算相邻轨迹点间的直角坐标系上的距离和均值速度；然后结合车辆载客情况和行驶速度，调整设置合适的卷积模板，建立双参卷积理论速度模型；将数据集中的路段分为不同子路段，预测不同始终点车辆的通行时间T′；同时，计算起点所在路段相同和终点所在路段相同的所有车辆各自的行驶时间总和的平均值最后根据修正因子对每辆车车辆的通行时间进行修正；并根据修的车辆通行时间T′修作为城市交通路径的通行时间确定结果。本发明适用于交通路径通过时间的确定。
-
公开(公告)号：CN110231824A
公开(公告)日：2019-09-13
申请号：CN201910530895.2
申请日：2019-06-19
Applicant: 东北林业大学
IPC: G05D1/02
Abstract: 基于直线偏离度方法的智能体路径规划方法，涉及智能体路径规划方法，属于人工智能研究领域。本发明为了解决现有的图搜索类算法在复杂环境下存在的计算时间复杂度高的问题以及在已知环境中移动机器人的全局路径规划问题的工作效率和实时性不佳的问题。本发明首先按照实际环境建立等比例缩小的模型，并对应建立坐标系；然后添加智能节点，删除与添加节点毫无关联的路线，基于直线偏离度进行建模，根据偏离角度进行筛选，最后查找路径节点确定最终确找到的最佳路线。主要用于智能体的路径规划。
-
公开(公告)号：CN109410577A
公开(公告)日：2019-03-01
申请号：CN201811332450.5
申请日：2018-11-09
Applicant: 东北林业大学
Abstract: 基于空间数据挖掘的自适应交通控制子区划分方法，属于交通技术领域。本发明为了解决现有的控制子区划分方法所划分的控制区存在出行效率较低的问题。本发明首先进行高低峰时段与高、中、低流量阈值的特征抽取，选取影响控制子区划分的交通信息特征；然后建立基于时空特征的影响力权重计算模型，得到为特征r的权重，最后基于动态模块度划分的带权社区发现算法实现交通控制子区的划分。本发明适用于交通控制子区的划分。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.025 seconds)
