-
公开(公告)号：CN106777274B
公开(公告)日：2018-05-29
申请号：CN201611241944.3
申请日：2016-12-29
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明涉及一种旅游领域知识图谱的构建方法及系统，属于Web挖掘和智能信息处理领域。旅游领域知识图谱构建任务包括实体属性知识扩充子任务和实体属性值融合子任务。本发明采用一种混合式的实体属性知识扩充方法，集成了基于词汇场、监督学习、模式匹配，以及搜索引擎问答的实体属性知识扩充算法。对于实体属性值融合子任务，采用一种基于来源可信度的多值属性的属性值融合方法、一种基于内容可信度的固定型单值属性的属性值融合方法，以及一种基于学习排序的非固定型单值属性的属性值融合方法。本发明构建了结构化的旅游领域实体知识库，准确地表达了旅游领域实体的属性和属性值知识，提高了用户获取旅游领域知识的效率，具有广阔的应用前景。
-
公开(公告)号：CN106777275B
公开(公告)日：2018-03-06
申请号：CN201611241946.2
申请日：2016-12-29
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于多粒度语义块的实体属性和属性值提取方法，属于Web挖掘和信息抽取技术领域；包括如下步骤：构建语料集并进行自由文本提取；对语料进行分词、词性标注以及短语识别；对语料进行语义角色标注；对语料进行依存句法分析；对语料进行语义依存分析；提取基于词语、短语和语义角色三种粒度的候选实体、属性及其属性值三元组；利用经训练的分类器对候选实体、属性和属性值三元组进行正确和错误分类。对比现有技术，本发明通过从自由文本中自动提取词语、短语和语义角色三种粒度的实体、属性和属性值，提高了实体的属性和属性值提取的准确性和效率，在主题检测、信息检索、自动文摘、问答系统等领域具有广阔的应用前景。
-
公开(公告)号：CN114564708B
公开(公告)日：2024-11-26
申请号：CN202210173271.1
申请日：2022-02-24
Applicant: 北京理工大学 , 深圳市数瑞数据智能技术研究所
IPC: G06F21/31 , G06F21/62 , G06F16/9535
Abstract: 本发明公开了一种基于布隆过滤器的云网端数据可信共享鉴权方法，包括：S1：获取共享数据，建立鉴权策略；所述共享数据包括数据发布者提供的共享信息和数据申请者的相关信息；S2：获取所述数据申请者的相关信息对应的比特数据长度和哈希函数个数，根据所述鉴权策略构建布隆过滤器，生成智能合约；S3：获取访问所述共享数据的数据申请者信息；所述智能合约中相应的所述布隆过滤器对所述数据申请者的访问权限进行判断；若所述数据申请者拥有访问权限，则向其提供数据接口。本发明利用布隆过滤器对数据共享权限记录方式、权限判定方式、记录存储格式进行改进，使得数据共享权限认定过程更加简单高效，权限记录存储空间大大压缩。
-
公开(公告)号：CN118036663A
公开(公告)日：2024-05-14
申请号：CN202311807463.4
申请日：2023-12-26
Applicant: 北京理工大学
IPC: G06N3/0455 , G06N3/0499 , G06N3/0895 , G06V10/762
Abstract: 本发明公开一种基于对比学习的深度图聚类网络，所述网络使用多层感知机和多阶邻域对比学习代替传统图聚类中的图卷积层，设计正负样本选择方法，将正负样本的选择与聚类目标结合，选择与目标节点相似度较高且具备连通性的节点为目标节点的正样本节点，与目标节点相似度较低或不具备连通性的节点为目标节点的负样本节点；设计正样本权重计算方法，提高与目标节点拓扑距离较近且两者之间连通路径较多的正样本的影响；设计多阶领域对比学习损失函数，通过损失函数最小化将与目标节点相似度较高且具备连通性的节点的距离拉近，将该目标节点与其他节点的距离推远，实现有利于下游聚类任务的节点特征的学习。
-
公开(公告)号：CN117610857A
公开(公告)日：2024-02-27
申请号：CN202311624590.0
申请日：2023-11-30
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06Q30/0207 , G06Q10/047 , G06N3/0455 , G06N3/092
Abstract: 本发明公开了一种面向多目的地人员的空间众包方法，相比于现有空间众包框架，实现高效招募城市中的多目的地人员参与空间众包，场景更为通用；相比于现有空间众包框架，采用深度强化学习技术进行任务分配与路径规划决策，求解效率更高；相比于现有空间众包框架，充分考虑任务价值的动态性，未对任务价值采用静态化处理；相比于注意力模型，设计两阶段解码过程，实现多目的地人员的招募。
-
Patent Agency Ranking
公开(公告)号：CN110838344B
公开(公告)日：2023-04-07
申请号：CN201911088806.X
申请日：2019-11-08
Applicant: 北京理工大学
Abstract: 本发明涉及水质分析技术领域，尤其涉及一种水质数据分析方法。一种水质数据分析方法，包括：S1、对水质数据的变量进行离散，以得到离散后的区间值即为项；S2、通过关联规则挖掘方法获取已发生的项之间的关联；S3、将不发生的项之间的关联转化为计算所述不发生的项的支持度；当任意项i在项集X中不发生的时候表示为X_i，则所述X_i的支持度为s(X_i)＝s(X\i)‑s(X)，其中，s(X\i)表示移除项i后的新项集的支持度，s(X)表示项集X的支持度；S4、根据所述不发生的项的支持度，以确定需要分析的所述水质数据的浓度值区间。本发明针对连续变量，采取离散化处理，并且能够挖掘在先导中某个区间值不发生时，其他区间值的变化，本发明的水质数据分析方法的分析结果准确。
-
公开(公告)号：CN114970956A
公开(公告)日：2022-08-30
申请号：CN202210409197.9
申请日：2022-04-19
Applicant: 北京理工大学
Abstract: 本发明涉及一种基于OLS和QOIC人口关联分析及预测方法，属于数据挖掘、人口学、统计学研究技术领域。本发明针对人口指标的不同状态数据使用QOIC进行关联性分析，得到数据关联系数结果后，再根据黄金分割率进行筛选，选定人口预测参数，使用QOIC算法检测相关性，对人口出生数量、综合生育率等不同量级的数据可以直接归一化，准确的量化影响人口发展的所有因素，使得评估人口发展的相关因素进而构建预测模型体系变得更加客观，再次基础上使用最小二乘法OLS进行多项式拟合得到预测模型进行人口预测，预测结果和真实值误差在，最后使用极端聚类算法进行分析并可视化聚类结果。
-
公开(公告)号：CN114925808A
公开(公告)日：2022-08-19
申请号：CN202210397325.2
申请日：2022-04-15
Applicant: 北京理工大学 , 北京大学深圳研究生院
Abstract: 本发明涉及一种基于云网端资源中不完整时间序列的异常检测方法，包括：输入带有缺失的云网端资源中的时间序列，生成时间序列样本，并对所述时间序列样本进行预处理操作；构建深度学习网络模型，将经过预处理操作的时间序列样本分为训练样本集和测试样本集，所述训练样本集输入所述深度学习网络模型中完成模型训练，所述测试样本集进行模型异常检测测试，得到异常检测结果。本发明提出的方法中云网端资源中不完整时间序列的异常检测模型将缺失值插补过程与异常检测过程相结合，减少了从缺失值插补到异常检测导致的误差传递。相较于现有技术，发明成果在云网端资源中不完整时间序列场景下进行异常检测拥有更高的准确率。
-
公开(公告)号：CN114882488A
公开(公告)日：2022-08-09
申请号：CN202210547679.0
申请日：2022-05-18
Applicant: 北京理工大学
Abstract: 本发明提出一种基于深度学习与注意力机制的多源遥感图像信息处理方法，包括：步骤1，构建图像描述生成器，所述图像描述生成器基于自上而下图像描述模型构建而成；该自上而下图像描述模型包括顺序连接的注意力LSTM模型和语句生成LSTM模型；步骤2：采用融入词性特征的文本图像匹配的POS‑SCAN模型对图形描述生成器进行训练，得到所述图形描述生成器的损失函数；步骤3：将所述图像描述生成器进行自序列训练后，将所述多源遥感图像进行区域特征提取，并将区域特征提取结果输入所述图像描述生成器，得到所述图像对应的文字标签；步骤4：将所述区域特征提取结果、所述文字标签及候选语句输入相似性评分模块，得到相似度评分结果。
-
公开(公告)号：CN114861795A
公开(公告)日：2022-08-05
申请号：CN202210497176.7
申请日：2022-05-09
Applicant: 北京理工大学
Abstract: 本发明公开了数据聚类方法、装置以及目标分群方法，目的是提升数据的聚类效果，提高聚类结果的精度，进一步可以实现对战场目标的精确分群。该方案具体为：识别数据集中的骨干数据；骨干数据是指保留原数据集中数据结构的样本集合。依据骨干数据，构建骨干节点的拓扑图，通过剪切边将拓扑图划分为多个联通子图，每个联通子图即是识别出的一个簇，则全部n个骨干节点被n‑1条边连接成一个全联通图。设定簇间边的权重远小于簇内边的权重，将权重最小的k‑1条边剪切掉，得到k个联通子图；骨干节点集合被划分为k个簇；数据集中所剩余的数据点分配到所对应骨干节点的簇中，由此获得聚类结果。
-
-
-
-
-
-
-
-
-
Search Results
67
records
(took 0.026 seconds)
