-
公开(公告)号：CN114611011B
公开(公告)日：2024-03-29
申请号：CN202210232835.4
申请日：2022-03-09
IPC: G06F16/9536 , G06F16/35 , G06F40/289 , G06Q50/00
Abstract: 本发明公开了一种考虑动态舆情主题的高影响力用户发现方法，其步骤包括：1、构建不同时期的用户在线关系网络，2、设计动态有参贝叶斯模型生成不同时期的舆情主题，3、识别不同时期的高影响力用户。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，并能有效发现不同时期的舆情主题演变及高影响力用户，从而为决策者提供重要信息，帮助决策者在特定时间内引导民众舆情，及时了解舆情主题变化。
-
公开(公告)号：CN117334254A
公开(公告)日：2024-01-02
申请号：CN202311335418.3
申请日：2023-10-16
Applicant: 之江实验室
Abstract: 本申请涉及一种RNA相似度分析图计算方法、装置、设备和介质，其中，RNA相似度分析图计算方法包括：将被查找RNA的序列数据转换为被查找RNA结构图；对所述被查找RNA结构图与目标RNA结构图进行相似性分析，得到第一相似度；确定所述被查找RNA结构图中基础组成结构的数量，并基于所述被查找RNA结构图中基础组成结构的数量与所述目标RNA结构图中基础组成结构的数量，得到第二相似度；基于所述被查找RNA结构图中的基础组成结构，对所述被查找RNA结构图进行重构，生成被查找RNA高阶图；对所述被查找RNA高阶图与目标RNA高阶图进行相似性分析，得到第三相似度；基于第一相似度、第二相似度以及第三相似度，获得被查找RNA与目标RNA的最终相似度，提高了计算的准确性。
-
公开(公告)号：CN116386895B
公开(公告)日：2023-11-28
申请号：CN202310358447.5
申请日：2023-04-06
Applicant: 之江实验室
IPC: G06F17/00 , G16H50/80 , G16H50/70 , G06F40/295 , G06F16/35 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/084 , G06N7/01
Abstract: 本发明公开了一种基于异构图神经网络的流行病舆情实体识别方法与装置，包括：采集流行病舆情文本，并按实体类别分类标注，再输入至BERT网络，得到第一特征向量；将第一特征向量输入BiLSTM，得到包含流行病舆情文本中各个字符对应的第二特征向量，将每个字符对应的第二特征向量组成第一向量表示矩阵；构建异构图，其中，异构图中的字符节点的初始向量表示为BiLSTM输出的各个字符对应的第二特征向量，子句虚拟节点的初始向量表示为子句中每一字符对应的第二特征向量的平均值；利用异构图注意力网络算法对异构图进行聚合更新，得到第二向量表示矩阵；将第二向量表示矩阵拼接于第一(56)对比文件CN 114628008 A,2022.06.14CN 114817466 A,2022.07.29WO 2021174774 A1,2021.09.10顾凌云.基于多注意力的中文命名实体识别.信息与电脑(理论版).2019,(第09期),第41-48页.胡甜甜 等.基于注意力机制的Bi-LSTM结合CRF的新闻命名实体识别及其情感分类.计算机应用.2020,第40卷(第07期),第1879-1883页.
-
公开(公告)号：CN116662554A
公开(公告)日：2023-08-29
申请号：CN202310924083.2
申请日：2023-07-26
Applicant: 之江实验室
IPC: G06F16/35 , G06F40/211 , G06F40/30 , G06N3/045 , G06N3/0442 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048
Abstract: 本发明公开了基于异构图卷积神经网络的传染病方面级情感分类方法，通过采集传染病舆情文本，并按方面类别和情感极性进行分类标注，再输入至词嵌入层，得到第一特征向量；将第一特征向量输入BiLSTM，得到第二特征向量，将第二特征向量组成第一向量表示矩阵；构建异构图；利用异构图卷积神经网络算法对异构图进行聚合更新，得到第二向量表示矩阵；将第二向量表示矩阵输入至注意力机制层；然后掩码层屏蔽非方面单词的隐藏状态向量，增强的方面特征向量；最后得到情感预测标签。采用本方法可以有效地分类社交媒体中与传染病舆情相关方面实体的情感极性，大大提高了方面情感分类任务的检测效果，有助于人们更好地理解公共舆论。
-
公开(公告)号：CN116645690A
公开(公告)日：2023-08-25
申请号：CN202310189355.9
申请日：2023-02-23
IPC: G06V40/10 , G06V10/82 , G06V10/44 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种跨模态行人重识别方法、电子设备、介质，包括：获取行人图片数据集并划分为训练集和测试集，并对训练集进行数据增强，得到具有RGB、IR、Aux模态的训练集；对各模态对应的图片进行特征提取，得到每个模态对应的类中心及模态无关类中心；将训练集中的图片分批输入跨模态行人重识别网络提取深度特征；对跨模态行人重识别网络进行训练，计算损失函数，直至网络收敛；损失函数为：每一批提取的深度特征分别与RGB、IR、Aux模态对应的类中心及模态无关类中心的对比损失之和，RGB/IR的跨模态互信息约束与IR/Aux的跨模态互信息约束之和，深度特征的度量损失约束；利用训练得到的跨模态行人重识别网络对测试集进行跨模态行人重识别。
-
Patent Agency Ranking
公开(公告)号：CN111523738B
公开(公告)日：2023-07-21
申请号：CN202010572727.2
申请日：2020-06-22
Abstract: 本发明提供一种基于用户在线学习行为模式预测学习效果的系统，包括学习行为信息采集模组、学习效率计算模组、学习行为模式计算模组、学习能力‑动机计算模组及学习效果预测模组。所述学习行为信息采集模组对应采集用户学习行为信息及用户基本信息。所述学习效率计算模组根据用户在不同类别的在线课程中的学习行为信息生成用户的学习效率矩阵。所述学习行为模式计算模组生成用户分类信息及用户的学习行为模式信息。所述学习能力‑动机计算模组生成用户在在线课程学习中的学习能力信息和学习动机信息。所述学习效果预测模组预测用户在在线课程学习中的学习效果。本发明还提供一种采用上述预测用户在不同类别在线课程中学习效果的系统的预测方法。
-
公开(公告)号：CN116386894A
公开(公告)日：2023-07-04
申请号：CN202310246877.8
申请日：2023-03-09
Applicant: 之江实验室
Abstract: 本说明书公开了一种信息溯源方法、装置、存储介质及电子设备，本说明书实施例对图网络进行信息模拟传播，以得到传播后的图网络中每个节点的状态信息。将状态信息和图网络的基础网络结构信息输入到待训练的图神经网络模型中，以通过图神经网络模型预测出传播后的图网络中信息传播的起始节点。以预测出的起始节点与真实起始节点之间的差异最小化为优化目标，对图神经网络模型进行训练。在此方法中，不依赖于信息传播的传播系数预测传播源，而是通过对图神经网络模型进行有监督训练，使图神经网络模型学习到传播后的图网络与传播源之间的对应关系，以基于训练后的图神经网络模型预测待溯源的图网络中的传播源，来提高预测传播源的准确性。
-
公开(公告)号：CN116259084A
公开(公告)日：2023-06-13
申请号：CN202211093325.X
申请日：2022-09-08
IPC: G06V40/16 , G06V10/774 , G06V10/82 , G06N3/08 , G06N3/0464
Abstract: 本发明属于人工智能和图像处理技术领域，公开了一种基于并行多阶段生成对抗网络的人脸图像翻译方法，包括步骤1：输入人脸图像步骤2：训练阶段：步骤2.1：通过并行多阶段编码器对人脸图像提取多阶段编码特征；步骤2.2：将提取的多尺度编码特征输入跨尺度空洞空间金字塔模块进行跨尺度特征融合；步骤2.3：将跨尺度融合特征通过并行多阶段解码器进行解码；步骤2.4：计算损失函数，利用梯度下降算法更新生成器G的参数；步骤3：测试阶段，将训练好的模型对输入任意单张人脸图像数据进行测试。本发明不需要额外先验信息的情况下合成丰富的上下文和空间精确的输出，提高了特征融合的效率，细化了最终激活图并提高了最终输出的质量。
-
公开(公告)号：CN116257786A
公开(公告)日：2023-06-13
申请号：CN202211093387.0
申请日：2022-09-08
Applicant: 之江实验室
IPC: G06F18/241 , G06N3/048 , G06F18/23 , G06F18/2415
Abstract: 本发明属于图计算与时间序列序列分类领域，公开了一种基于多元时序图网络的异步时间序列分类方法，该方法构建了一个多元交互模块来处理缺失信息，并自动提取图结构关系，设计了一种新的邻接图传播机制来聚合当前和以前的多步快照的邻居信息，并构建了基于掩码时间感知的注意力模块用于学习观测值之间的时间相关性。本发明在对异步时序数据进行分类的过程中，实现了对缺失观测值的填充以及信息在不同传感器间相互传播，提高了算法在数据大量缺失下的鲁棒性，同时考虑时序数据在时间戳上下文的绝对意义和时间间隔的异步性，提高了多维异步时序数据的分类效果。
-
公开(公告)号：CN115862888B
公开(公告)日：2023-05-16
申请号：CN202310135076.4
申请日：2023-02-17
Applicant: 之江实验室
IPC: G16H50/80 , G06Q10/04 , G06N3/0442 , G06N3/042 , G06N3/08
Abstract: 本申请涉及一种传染病感染情况预测方法、系统、设备及存储介质，通过增量模块响应预设指令，控制输入模块获取新增数据，图引擎根据新增数据对基于历史数据得到的第一图模型进行迭代训练，得到第二图模型，如此进行图模型的动态更新，其中图模型以各地区作为节点，各节点特征基于地区病情信息获得，各节点按照地区之间的地理位置关系连接形成边，各边按照地区人口信息分配边权重，更新后的图模型利用交互模块选择的待预测数据进行传染病感染情况预测，解决了相关技术中传染病感染情况预测准确率较低的问题。
-
-
-
-
-
-
-
-
-
Search Results
93
records
(took 0.038 seconds)
