-
公开(公告)号：CN108596264A
公开(公告)日：2018-09-28
申请号：CN201810408837.8
申请日：2018-04-26
Applicant: 南京大学
Abstract: 本发明公开了一种基于深度学习的社区发现方法，包括以下步骤：对输入进行预处理，结合节点间邻居个数和距离得到网络的相似度矩阵；采用卷积与全连接结合的方式构建深度学习网络，从而提取网络深层次非线性特征；将第一层网络得到的特征作为第二层网络的输入，并依此类推构成最终深度网络；采用输入与输出的差值以及稀疏性限制和正则化作为损失函数训练网络；将训练完成得到的特征输入聚类算法中得到社区的划分结果。
-
公开(公告)号：CN108536870A
公开(公告)日：2018-09-14
申请号：CN201810385091.3
申请日：2018-04-26
Applicant: 南京大学
Abstract: 本发明公开了一种融合情感特征和语义特征的文本情感分类方法，包括：利用主题模型得到文本数据的主题概率分布，得到文本数据的语义特征，构建一种神经网络模型，训练神经网络，得到文本数据的情感特征，并利用文本的情感特征结合文本的语义特征进行文本情感倾向性的判别。对比现有的文本情感倾向性分析方法，本方法突出考虑了带有情感标签文本的情感特征和语义特征关系，并且能同时利用这两种信息进行情感倾向性的判别。在具体的数据集实验当中，可以得到更高的情感分类精度。
-
公开(公告)号：CN102360378A
公开(公告)日：2012-02-22
申请号：CN201110307662.X
申请日：2011-10-10
Applicant: 南京大学
IPC: G06F17/30
Abstract: 本发明公开了一种时序数据离群点检测方法，包括以下步骤：将训练数据集中的时序数据按星期一到星期日划分进行聚类；使用每次聚类结果中最大的簇构建时序数据在星期粒度下的数据分布模型；根据所述数据分布模型，找出训练数据集中所有的异常值，分别求出各个时段的数据分布模型；查找符合各个时段的数据分布模型的异常值中，是否存在以大于星期粒度的时间粒度为周期发生的周期事件，如果存在，将其记录下来，作为一类特殊周期模式；判断测试数据集中的时序数据是否符合星期模式，如果符合，则判定该时序数据为非离群点；否则，判断该时序数据是否符合特殊周期模式，如果符合，则判定该时序数据为非离群点，否则判定该时序数据为离群点。
-
-
Search Results
23
records
(took 0.016 seconds)
