-
公开(公告)号：CN111191099B
公开(公告)日：2023-04-07
申请号：CN201911392834.0
申请日：2019-12-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/951 , G06F16/958 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种基于社交媒体的用户活动类型识别方法，通常情况下一张图由结点和边构成。首先将所有的用户评论和构成评论的词看做图中的多个结点，并定义不同词与词之间，词与评论之间的边的权重和关系，形成最基本的图；然后将发表评论的用户看做另一类结点，根据用户与评论之间的发表关系，定义用户和评论间边的权重，向已经形成的图中添加用户结点；然后将发表评论的用户的其他好友看做新一类的结点，定义用户和他们对应的好友结点间的关系权重，形成一张包含评论的文本信息和结构信息的大图。最后利用图卷积网络对形成的大图进行结点分类，得到用户活动分类的准确性。
-
公开(公告)号：CN111191099A
公开(公告)日：2020-05-22
申请号：CN201911392834.0
申请日：2019-12-30
Applicant: 中国地质大学(武汉)
IPC: G06F16/951 , G06F16/958 , G06N3/08
Abstract: 本发明提供了一种基于社交媒体的用户活动类型识别方法，通常情况下一张图由结点和边构成。首先将所有的用户评论和构成评论的词看做图中的多个结点，并定义不同词与词之间，词与评论之间的边的权重和关系，形成最基本的图；然后将发表评论的用户看做另一类结点，根据用户与评论之间的发表关系，定义用户和评论间边的权重，向已经形成的图中添加用户结点；然后将发表评论的用户的其他好友看做新一类的结点，定义用户和他们对应的好友结点间的关系权重，形成一张包含评论的文本信息和结构信息的大图。最后利用图卷积网络对形成的大图进行结点分类，得到用户活动分类的准确性。
-
公开(公告)号：CN109933789B
公开(公告)日：2021-04-13
申请号：CN201910145396.1
申请日：2019-02-27
Applicant: 中国地质大学(武汉)
IPC: G06F40/295 , G06F40/216 , G06N3/04 , G06F16/36
Abstract: 一种基于神经网络的司法领域关系抽取方法及系统，本发明在原有的开放式神经网络关系抽取框架基础上，构建司法领域专用数据集，并形成司法领域罪名特征集，通过优化神经网络提高关系抽取准确率的方法：首先，从中国裁判文书网获取大量司法领域相关非结构化文本，并用Word2Vec模型，Bert模型等向量转换模型得到文本的向量表示；其次，通过对非结构化文本进行TF‑IDF词频统计，得到不同罪名及案由的特征集，并得到向量表示；然后优化OpenNRE模型及JointNRE模型，得到准确性更高的JudNRE模型；最后，利用JudNRE模型对文本向量，罪名特征向量向量进行处理，得到司法领域关系抽取模型，用于对待处理的司法领域非结构化文本数据进行司法领域关系抽取，得到对应的实体三元组。
-
公开(公告)号：CN109933789A
公开(公告)日：2019-06-25
申请号：CN201910145396.1
申请日：2019-02-27
Applicant: 中国地质大学(武汉)
Abstract: 一种基于神经网络的司法领域关系抽取方法及系统，本发明在原有的开放式神经网络关系抽取框架基础上，构建司法领域专用数据集，并形成司法领域罪名特征集，通过优化神经网络提高关系抽取准确率的方法：首先，从中国裁判文书网获取大量司法领域相关非结构化文本，并用Word2Vec模型，Bert模型等向量转换模型得到文本的向量表示；其次，通过对非结构化文本进行TF-IDF词频统计，得到不同罪名及案由的特征集，并得到向量表示；然后优化OpenNRE模型及JointNRE模型，得到准确性更高的JudNRE模型；最后，利用JudNRE模型对文本向量，罪名特征向量向量进行处理，得到司法领域关系抽取模型，用于对待处理的司法领域非结构化文本数据进行司法领域关系抽取，得到对应的实体三元组。
-
-
-
Search Results
4
records
(took 0.023 seconds)
