-
公开(公告)号：CN114265943A
公开(公告)日：2022-04-01
申请号：CN202111599289.X
申请日：2021-12-24
Applicant: 吉林大学
Abstract: 本发明涉及一种种因果关系事件对提取方法及系统，方法包括：获取训练集D；构建语言模型；采用所述训练集对所述语言模型进行训练，得到环境模型；构建对抗模型；采用所述对抗模型对所述训练集中的数据进行数据增强；利用增强后的数据同时对所述环境模型进行训练，得到训练后的环境模型；将待提取的数据输入到所述训练后的环境模型中，得到因果关系事件对；所述因果事件对包括：原因事件和结果事件。本发明中的上述方法对句子中的词进行合理的删除以构造出提升模型表现的数据，利用大型预训练的语料以及对抗攻击的数据增强，小规模语料上获得更好的因果事件抽取效果。
-
公开(公告)号：CN111489827A
公开(公告)日：2020-08-04
申请号：CN202010277951.9
申请日：2020-04-10
Applicant: 吉林大学
IPC: G16H50/50
Abstract: 本发明公开了一种基于关联决策树的甲状腺疾病预测建模方法，提出一种关联决策树MsaDtd算法，充分利用复合特征，将原始特征空间转化为更大的疾病诊断特征空间的算法来预测PTMC患者的LNM，并且引入模糊逻辑来处理连续属性，以避免产生大量频繁项的成本，这提高了模型的鲁棒性和泛化能力。通过临床医生可以利用预测模型提供的信息，在整个治疗过程中采用特定的治疗方案，对于易发生LNM的患者，临床医生应采取针对性的干预措施，降低癌症复发的风险提供帮助。
-
公开(公告)号：CN105975984B
公开(公告)日：2018-05-15
申请号：CN201610280055.1
申请日：2016-04-29
Applicant: 吉林大学
Abstract: 本发明涉及一种基于证据理论的网络质量评价方法，给出了清晰、明确、可计算的网页质量评价指标体系，能够针对任何类别的网页进行质量评价，以综合可信度质量为重点，结合了网页内容质量和网站内容质量的各种评价角度，可以保证相当的客观性和真实性，同时实现了自动化的指标采集量化。
-
公开(公告)号：CN103577876B
公开(公告)日：2016-10-05
申请号：CN201310547349.2
申请日：2013-11-07
Applicant: 吉林大学
IPC: G06N3/02
Abstract: 本发明公开了一种基于前馈神经网络的可信与不可信用户识别方法，旨在克服现有技术存在精准度不够、识别依据不足、灵活性缺失与社会网络解析粒度较粗等问题。该方法的步骤为：1.获取特殊用户并确定训练集包含的用户；2.分析并量化用户特征，将用户表示为用户特征向量；3.构建前馈神经网络；4.训练前馈神经网络；5.由训练后的前馈神经网络实现可信与不可信用户识别：其步骤为：1)获取社会网络中用户信息；2)量化用户信息并生成用户特征向量；3)将用户特征向量输入到前馈神经网络中，依据输出节点的输出值识别可信与不可信用户。
-
公开(公告)号：CN103995820A
公开(公告)日：2014-08-20
申请号：CN201410081840.5
申请日：2014-03-06
Applicant: 吉林大学
IPC: G06F17/30
Abstract: 本发明公开了一种用户个人品性预测方法，旨在克服现有技术存在的整体精准度不高、适用性不强、特征权重及用户个人品性标记阈值分配过于主观化等问题，该方法的步骤为：1.由特征解析与表示模块实现用户个人品性相关特征集合的解析和表示；2.由特征分析和预处理模块实现多元数据类型的归一化；3.由参数学习模块实现特征权重的分配以及用户个人品性标记最低阈值的确定；4.由用户个人品性预测模块实现用户个人品性的预测。
-
Patent Agency Ranking
公开(公告)号：CN114265943B
公开(公告)日：2024-07-30
申请号：CN202111599289.X
申请日：2021-12-24
Applicant: 吉林大学
Abstract: 本发明涉及一种种因果关系事件对提取方法及系统，方法包括：获取训练集D；构建语言模型；采用所述训练集对所述语言模型进行训练，得到环境模型；构建对抗模型；采用所述对抗模型对所述训练集中的数据进行数据增强；利用增强后的数据同时对所述环境模型进行训练，得到训练后的环境模型；将待提取的数据输入到所述训练后的环境模型中，得到因果关系事件对；所述因果事件对包括：原因事件和结果事件。本发明中的上述方法对句子中的词进行合理的删除以构造出提升模型表现的数据，利用大型预训练的语料以及对抗攻击的数据增强，小规模语料上获得更好的因果事件抽取效果。
-
公开(公告)号：CN112463970B
公开(公告)日：2022-11-22
申请号：CN202011489612.3
申请日：2020-12-16
Applicant: 吉林大学
Abstract: 本发明公开了一种基于时间关系对文本包含的因果关系进行抽取的方法，包括：构建基于时间关系的Bi‑LSTM+GCN网络模型；将待输入的文本中的单词输入到Bi‑LSTM网络获得文本中单词的特征；将文本中单词的时间关系转化成时间关系特征矩阵输入到GCN网络，由GCN网络输出特征向量；将GCN网络输出特征向量输入分类器，获得因果关系的抽取结果：原因、结果和非因非果。与现有技术相比，本发明利用时间关系与因果关系的联系,本文通过将时间关系转化成特征矩阵的方式结合了Bi‑LST+GCN网络模型，并且通过实验能准确获得因果关系标注，时间关系有利于因果关系的抽取，本发明提出的基于时间关系的Bi‑LSTM+GCN模型能有效的获取因果关系。
-
公开(公告)号：CN112380434B
公开(公告)日：2022-09-16
申请号：CN202011276253.3
申请日：2020-11-16
Applicant: 吉林大学
IPC: G06F16/9535 , G06Q30/06
Abstract: 本发明涉及一种融合异质信息网络的可解释推荐系统方法，特别涉及一种基于元路径和深度神经网络方法的的离线推荐系统方法。该方法应用元路径在异质信息网络上提取辅助信息生成的相似度矩阵作为补充信息。应用矩阵分解方法对相似度矩阵进行矩阵分解，得到对应元路径的多组用户和商品的特征表示。利用注意力神经网络来区分组合基于不同类型元路径获得的表示，最后利用深度神经网络来组合表示向量得到预测评分，同时选择重要的元路径生成解释。
-
公开(公告)号：CN112417219A
公开(公告)日：2021-02-26
申请号：CN202011276695.8
申请日：2020-11-16
Applicant: 吉林大学
IPC: G06F16/901 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于超图卷积的超边链接预测方法，旨在通过采用超边建模网络数据中的多元关联关系，实现潜在超边链接关系的预测，从而克服基于成对关系的网络数据进行研究的传统方法所带来的局限。该模型的步骤为：1.通过特征提取构建特征矩阵，将原始网络邻接矩阵转换为超图关联矩阵；2.融合超图卷积实现超图卷积自动编码器，将超图网络数据转换成一种低维空间表示；3.加入节点近邻度函数，最大程度的保留其结构信息；4.通过迭代优化获得鲁棒的隐层向量表示从而预测潜在的超边关联关系。
-
公开(公告)号：CN106355095A
公开(公告)日：2017-01-25
申请号：CN201611046454.8
申请日：2016-11-23
Applicant: 吉林大学
CPC classification number: G06F21/566 , G06F17/30864
Abstract: 本发明公开一种利用模糊理论对欺诈网页进行识别的方法，涉及一种不依赖网页特征的欺诈网页识别技术，利用分工协作的思维和模糊理论来解决欺诈网页识别问题，由不同的用户来决定网页的质量，由计算机来分析用户作出标记后的数据集，以解决现有欺诈网页识别方法对网页的依赖性大的技术问题。这种技术方案简单有效，在未来搜索引擎中具有重要实用价值。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.018 seconds)
