公开(公告)号：CN117786564A

公开(公告)日：2024-03-29

申请号：CN202311575884.9

申请日：2023-11-23

Applicant: 重庆邮电大学

Inventor： 杜雨露 ,  倪瑞 ,  陈青青 ,  周青 ,  朴昌浩 ,  王进

IPC: G06F18/2433 ,  G06F18/241 ,  G06F18/23213 ,  G06F18/213 ,  G06F18/25 ,  G06F18/214 ,  G06Q50/06 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明属于异常用电检测技术领域，具体涉及一种异常用电智能检测方法，包括：获取待检测的电网用户数据；输入异常用电检测模型中；得到电网用户的异常用电检测结果。异常用电检测模型的训练过程主要包括：获取模型训练样本；提取用户每日用电量行为表征向量序列，提取用户用电量行为表征向量，通过聚类获得用户类别特征；将用户用电量行为表征向量和连续型特征向量进行拼接并输入特征交叉网络，将用户每日用电量行为表征向量序列输入条件层级归一化网络；通过全连接神经网络进行迭代训练；损失函数收敛，则训练结束，得到训练后的异常用电检测模型。本发明参考用户的多样性以及用户用电习惯的周期性影响，有效提高异常用电检测的准确性。

公开(公告)号：CN116610770A

公开(公告)日：2023-08-18

申请号：CN202310464853.X

申请日：2023-04-26

Applicant: 重庆邮电大学

Inventor： 王进 ,  王一雄 ,  周羽 ,  李俊莲 ,  曾思盈 ,  周青

IPC: G06F16/33 ,  G06F40/30 ,  G06F40/284 ,  G06F18/22 ,  G06F18/214

Abstract: 本发明涉及自然语言处理技术领域，具体涉及一种基于大数据的司法领域类案推送方法；包括将司法领域文书上传到数据库进行匹配；将司法领域文书及其匹配数据输入到训练好的类案相似度计算模型，输出该司法领域文书与每一个匹配数据的相似度；将所有相似度按照大小降序排列，并选取前k个相似度所对应的匹配数据进行推送；本发明解决了文书文本在预训练模型表征中文本特征趋同的难题，并通过数据扰动的方法进行数据增强，克服了司法领域文书类案推送情景下构建有监督样本时间、人工成本高的困难，可以高效、低成本和自动化地完成精准司法领域类案推送，帮助司法领域从业人员快速地获取与他们正在处理的案件相关的信息和先前的裁决结果。

公开(公告)号：CN116521870A

公开(公告)日：2023-08-01

申请号：CN202310487599.5

申请日：2023-04-28

Applicant: 重庆邮电大学

Inventor： 王进 ,  吴思奇 ,  谭鸿 ,  宋金淼 ,  周青

IPC: G06F16/35 ,  G06F16/33 ,  G06F40/216 ,  G06F40/30 ,  G06N3/0442

Abstract: 本发明属于自然语言处理领域，具体涉及一种基于大数据的法律文书要素智能识别方法；包括：获取法律案例训练数据并对其进行处理，得到词嵌入矩阵；采用多头多层注意力模型对词嵌入向量进行处理，得到语义特征和全局特征；拼接语义特征和全局特征，得到拼接向量；提取词频统计特征并对其进行处理，得到词频统计向量；融合语义特征和词频统计向量，得到融合特征向量；采用注意力机制处理融合特征向量、语义特征和拼接向量，得到综合特征；根据综合特征得到法律文书要素识别结果；计算模型总损失并根据模型总损失调整模型参数，得到训练好的法律文书要素智能识别模型；本发明增加了模型特征的多样性，提高了法律文书要素识别结果准确性。

公开(公告)号：CN117423378A

公开(公告)日：2024-01-19

申请号：CN202311413783.1

申请日：2023-10-27

Applicant: 重庆邮电大学

Inventor： 王进 ,  吴思奇 ,  刘彬 ,  周青

IPC: G16B5/00 ,  G16B30/00 ,  G16B40/00 ,  G16B15/30 ,  G16C20/50 ,  G16C20/70

Abstract: 本发明属于计算生物学领域，具体涉及一种基于图表示学习的药物‑靶标智能推荐方法；该方法包括：获取药物‑靶标信息，包括药物分子信息和氨基酸序列信息；根据药物分子信息构建初始药物分子嵌入向量；根据氨基酸序列信息构建初始氨基酸序列嵌入向量；采用分层注意力机制对初始药物分子嵌入向量和初始氨基酸序列嵌入向量进行处理，得到更新后的药物分子嵌入向量和氨基酸序列嵌入向量；拼接药物分子嵌入向量和氨基酸序列嵌入向量，将拼接后的向量输入到全连接层进行处理，得到药物‑靶标交互概率；选取交互概率大于交互阈值的药物‑靶标推荐给用户；本发明的预测结果准确度高，有助于减轻生物医学研究者对药物‑靶标研究负担。

公开(公告)号：CN117350287A

公开(公告)日：2024-01-05

申请号：CN202311347848.7

申请日：2023-10-18

Applicant: 重庆邮电大学

Inventor： 王进 ,  李翔宇 ,  刘彬 ,  周青 ,  吴思远

IPC: G06F40/289 ,  G06F18/22 ,  G06N3/0455 ,  G06N3/0985 ,  G06N3/048

Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于舆情大数据的文本情感分析方法，包括：获取舆情文本数据，分组后将文本数据根据情感正负倾向排序；使用预训练模型对文本向量化，得到词向量和句向量特征；对文本进行分词，对分词结果中的词进行逐个删除，计算删除词后的特征向量和原始文本向量的相似度；根据计算出的文本相似度表示词汇重要性，使用词向量加权求和方法表示文本特征；根据情感相对排序关系构造损失函数，根据损失函数调整模型参数，当损失函数最小时完成模型训练；本发明提出一种计算词汇重要性的方法，利用该权重加权词向量计算文本向量特征，增加了模型评判文本情感分数的能力。

公开(公告)号：CN116932853A

公开(公告)日：2023-10-24

申请号：CN202310914763.6

申请日：2023-07-25

Applicant: 重庆邮电大学

Inventor： 王进 ,  周继聪 ,  周青

IPC: G06F16/951 ,  G06F16/9535 ,  G06F16/35 ,  G06F18/214 ,  G06F18/24 ,  G06N3/08

Abstract: 本发明属于自然语言处理领域领域，具体涉及一种基于APP评论数据的用户需求获取方法，包括通过Python爬虫爬取APP评论数据并进行预处理，得到预处理文本数据；采用预处理文本数据对Bert模型进行SRP任务和LAP任务的联合预训练；构造用户需求预测模型，采用预训练完成的Bert模型对预处理文本数据构造训练数据编码，采用编码后的训练数据训练用户需求预测模型；预训练完成的Bert模型与训练完成的用户需求预测模型组成用户需求生成模型，获取待处理数据输入用户需求生成模型得到对应的用户需求生成结果；本发明将文本分类问题转换为匹配问题，缓解了评论类别分布不平衡的问题，提升了预测性能。