-
公开(公告)号：CN107730507A
公开(公告)日：2018-02-23
申请号：CN201710740014.0
申请日：2017-08-23
Applicant: 成都信息工程大学
CPC classification number: G06T7/11 , G06N3/0454 , G06N3/08 , G06T5/002 , G06T2207/20081 , G06T2207/20084 , G06T2207/30096
Abstract: 本发明涉及一种基于深度学习的病变区域自动分割方法，其包括以下步骤：S1)采集多个病例数据，然后对病变部位特定模态的医学图像进行标准化预处理；S2)由医学影像师对病变区域逐层进行边缘标注，将其作为真实数据；S3)进行训练样本的提取，从病变区域内部和病变区域之外一定距离内的体素中，随机各抽取若干体素，并以该体素为中心取固定大小的图片块作为下一步的训练样本；S4)建立深度学习神经网络，对上述病例的正负样本进行训练；进行后处理和分割精度测评，在取得满意分割精度后，得到分割模型；S5)对于待诊断的病例，采集同部位同样模态的医学图像，进行标准化预处理；S6)使用分割模型自动检测病变区域，输出分割结果。
-
公开(公告)号：CN118410798A
公开(公告)日：2024-07-30
申请号：CN202311237635.9
申请日：2023-09-25
Applicant: 成都信息工程大学
IPC: G06F40/289 , G06F40/30 , G06F18/241 , G06F40/211
Abstract: 本发明涉及一种基于语法树和提示模板的方面情感分析方法。该方法具体为：首先使用现有的解析器对文本进行句法分析生成依赖树和成分树，并提取依赖树中的依赖关系类型，再利用方面词构建提示模板结合方面词所在句子作为BERT预训练模型的输入，得到具有上下文表征的词向量表达。然后使用图注意力网络分别对两种语法树和依赖关系类型进行编码，再使用双仿射模型BiAffine进行融合，经过多次迭代获得最终的方面词特征表达。最后将BERT的池化向量和模板中的遮蔽向量与方面词特征进行结合，通过一个分类器得到最后的情感分类结果。本发明有效的利用了文本的语义信息，并充分利用了预训练模型的能力，提升了方面情感分析任务的性能。
-
公开(公告)号：CN112966103B
公开(公告)日：2022-04-19
申请号：CN202110190612.1
申请日：2021-02-05
Applicant: 成都信息工程大学
IPC: G06F16/35 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多任务学习的混合注意力策略文本标题匹配方法，模型的多任务学习体现在模型同时对输入文本进行文本原有类别的分类任务1和是否为“标题党”文章的分类任务2，通过多任务学习模型对模型进行联合训练，由其中一个任务辅助另一个任务学习到更好的参数。本方案用分类任务1的反向传播来调整模型参数，使分类任务2获得更好的表现，本发明从正文中提取重点信息与标题进行匹配从而实现“标题党”文章的检测，明显提高了标题党的检测精度和准确性。本发明方法提出的注意力机制可以一步到位的计算出每个元素与其他元素的关联度，计算量小，效率高。
-
公开(公告)号：CN112906383B
公开(公告)日：2022-04-19
申请号：CN202110169936.7
申请日：2021-02-05
Applicant: 成都信息工程大学
IPC: G06F40/284 , G06F16/906 , G06F16/951 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明涉及一种基于增量学习的集成式自适应水军识别方法，采用集成式模型，集成了传统分类器A和神经网络分类器B，传统分类器A，用于学习离散的用户信息特征，基于RNN的神经网络模型属于神经网络分类器B，通过深度学习捕获文本序列中的语言特征，集成式模型可以自适应水军特征的变化，通过多个模型同时对水军特征进行学习，以互补的形式提高了模型的识别准确率。同时增量学习通过不断学习新的样本特征，能够自适应的拟合用户各类特征的变化，无需重新收集新样本，无需重新训练模型，提升了模型可持续性效应，减少了各方人力成本。通过增量学习，模型可以实现更好的泛化性能。
-
公开(公告)号：CN108804524B
公开(公告)日：2020-03-27
申请号：CN201810394797.6
申请日：2018-04-27
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
IPC: G06F16/35
Abstract: 本发明涉及一种基于层次化分类体系的情感判别和重要性划分方法，其包括:S1)采集垂直领域的大量新闻数据,其内容尽可能多样化；S2)分析垂直领域，根据层次化分类的思想对该领域进行层次化划分，划分后的垂直领域由树状图表示；S3)针对每层中的内节点和基类，选取一定量的新闻数据进行人工标注；S4)对于每个内节点和基类，使用S3中标注好的训练数据建立分类器，分类器输出新进新闻属于该节点的概率；S5)对于新采集到的新闻数据，使用S4中建立的分类器计算其属于每个节点的概率，将其归类于概率最大或超过门限值的节点，从而使得新闻数据被归类到内节点或基类；S6)将新闻数据归类到节点后，计算并确定其情感和重要性标签。
-
Patent Agency Ranking
公开(公告)号：CN110705292A
公开(公告)日：2020-01-17
申请号：CN201910780471.1
申请日：2019-08-22
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
IPC: G06F40/295 , G06F16/33 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于知识库和深度学习的实体名称提取方法，包括获得对待匹配实体进行描述的文本，将描述文本、外部知识库及两者的结合作为训练词和实体嵌入的文本集；使用词嵌入工具得到各个词和实体的嵌入式表达。建立深度学习网络，将嵌入式表达和外部现有知识库的文本表达作为输入，输出词m对应待匹配实体的概率，采集训练数据输入到建立好的深度学习网络中对深度学习网络模型进行训练，对待匹配文本，通过计算词w和实体之间的余弦相似度得到多个匹配候选项，最后将词w和匹配候选项输入到深度学习网络中，得到匹配概率。本发明较现有技术，可以基本实现端到端的自动化匹配，具有更好的匹配准确度和效率。
-
公开(公告)号：CN108846547A
公开(公告)日：2018-11-20
申请号：CN201810423340.3
申请日：2018-05-06
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
Abstract: 本发明公开了一种动态调整的企业信用风险评估方法，其包括：通过网络爬虫以预设的周期抓取设定的新闻采集网站上的新闻；在新闻中进行企业主体提取，标注出新闻文本中的企业主体名称；对于一定数量含有企业主体的新闻，对其进行情感标注；使用专家标注的金标数据，采用机器学习模型训练新闻情感的分类器；对于获取的未标注新闻数据，使用训练的模型进行分类；根据与一个企业主体相关的正面、负面、中性新闻数量，分别计算一个累计分值；综合新闻的数量和情感类型的分布，计算新闻舆情的总体评分值；结合财务指标和舆情指标，采用加权求和的方式计算总体信用风险评分，该评分能够基于实时的新闻进行动态更新；进行信用评分和相应信用评级的输出。
-
公开(公告)号：CN108804524A
公开(公告)日：2018-11-13
申请号：CN201810394797.6
申请日：2018-04-27
Applicant: 成都信息工程大学 , 成都智睿通拓科技有限公司
IPC: G06F17/30
Abstract: 本发明涉及一种基于层次化分类体系的情感判别和重要性划分方法，其包括:S1)采集垂直领域的大量新闻数据,其内容尽可能多样化；S2)分析垂直领域，根据层次化分类的思想对该领域进行层次化划分，划分后的垂直领域由树状图表示；S3)针对每层中的内节点和基类，选取一定量的新闻数据进行人工标注；S4)对于每个内节点和基类，使用S3中标注好的训练数据建立分类器，分类器输出新进新闻属于该节点的概率；S5)对于新采集到的新闻数据，使用S4中建立的分类器计算其属于每个节点的概率，将其归类于概率最大或超过门限值的节点，从而使得新闻数据被归类到内节点或基类；S6)将新闻数据归类到节点后，计算并确定其情感和重要性标签。
-
公开(公告)号：CN106846840A
公开(公告)日：2017-06-13
申请号：CN201710261659.6
申请日：2017-04-20
Applicant: 成都信息工程大学
Inventor： 冯翱
IPC: G08G1/08
Abstract: 本发明涉及一种基于道路流量的交通信号灯控制方法，方法包括：在进入路口前的每个道路上均安装一个第一摄像装置，用于采集其对应道路上即将进入路口车辆的第一车辆数据。在路口中央安装一个垂直向地面的第二摄像装置，用于记录已进入路口车辆的第二车辆数据；第一摄像装置和第二摄像装置将采集到的第一车辆数据和第二车辆数据输出至数据处理模块，数据处理模块根据第一车辆数据和第二车辆数据分析得到各个路口信号灯的配置信息。本发明的方法能够根据实时的道路情况对信号灯进行调整，提高了道路利用率，降低了拥堵情况出现的概率。
-
公开(公告)号：CN110609899B
公开(公告)日：2022-04-19
申请号：CN201910809516.3
申请日：2019-08-29
Applicant: 成都信息工程大学
IPC: G06F16/35 , G06F40/211 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于改进BERT模型的特定目标情感分类方法，包括：采集公开或自行构造的数据集，对自行构造的数据集进行人工标注，初始化BERT模型参数后将采集的数据集作为模型的输入，数据集中的句子经过分词处理后全部输入到模型中，得到目标词的编码，对目标词的编码进行进行最大池化处理、全连接层、函数分类得到分类结果，对多目标任务，将全连接输出结果利用神经网络进行不同目标之间的特征组合，然后进行分类。本发明的技术方案在进行特定目标情感分类时，对目标词与整个句子的上下文建立很好地编码联系，提高了分类的准确性和泛化能力。进一步的，将多个目标的分类结果利用神经网络进行串连处理，提取出不同目标之间的内在联系和相互影响。
-
-
-
-
-
-
-
-
-
Search Results
39
records
(took 0.025 seconds)
