-
公开(公告)号：CN106557451A
公开(公告)日：2017-04-05
申请号：CN201510642145.6
申请日：2015-09-30
Applicant: 日本电气株式会社
Abstract: 本公开涉及一种用于分层混合专家HME系统构建的特征选择的方法和设备。所述方法可以包括：对通过针对样本进行特征提取而获得的特征执行特性分析；以及基于所述特性分析来选择用于所述HME系统构建的特征。根据本公开，提供了一种改进的用于构建HME系统的方法，其中通过对利用特征提取而获得的特征执行特性分析，并基于该特性分析的结果来限制HME系统构建的特征空间。利用本公开的实施方式，可以构建更加精确的HME系统。
-
公开(公告)号：CN106156858A
公开(公告)日：2016-11-23
申请号：CN201510150198.6
申请日：2015-03-31
Applicant: 日本电气株式会社
IPC: G06N5/04
Abstract: 本公开的实施方式提供了一种分片线性模型生成系统及生成方法，该系统包括：获取装置，用于获取多个任务的数据；第一设置装置，用于设置用于表征所述多个任务之间的相关性的任务相关隐变量，其中每个任务与一个分片线性模型相关；第二设置装置，用于设置多个分片线性模型的模型结构，并且初始化相应的模型参数和分层隐变量；以及模型优化装置，用于基于所述多个任务的数据、所述任务相关隐变量以及所述分层隐变量优化所述模型结构和所述模型参数。
-
公开(公告)号：CN104933015A
公开(公告)日：2015-09-23
申请号：CN201410101670.2
申请日：2014-03-18
Applicant: 日本电气株式会社
IPC: G06F17/18
Abstract: 本发明公开了一种关系模型的确定方法及装置，属于统计技术领域。所述方法包括：获取根据样本数据、至少两个用于说明样本数据所属样本类别的隐变量及模型参数确定的对数似然、正则项及各个隐变量的变分分布的对数，并根据对数似然、正则项及各个隐变量的变分分布的对数确定目标函数；确定使目标函数收敛的各个隐变量的变分分布及模型参数，根据使目标函数收敛的各个隐变量的变分分布及模型参数确定关系模型。本发明通过根据样本数据、至少两个用于说明样本数据所属样本类别的隐变量及模型参数确定的对数似然、正则项及各个隐变量的变分分布的对数确定目标函数，并根据使目标函数收敛的各个隐变量的变分分布及模型参数确定关系模型，提高了关系模型的确定效率和精度，并且引入正则项，使得关系模型的复杂度得到自动控制。
-
公开(公告)号：CN110390396B
公开(公告)日：2024-03-19
申请号：CN201810338823.3
申请日：2018-04-16
Applicant: 日本电气株式会社
IPC: G06N5/04
Abstract: 公开了用于估计观测变量之间的因果关系的方法、装置和系统。根据本公开的方法，响应于接收到混合观测变量的观测数据，确定适用于连续观测变量和离散观测变量的混合因果关系目标式，其包括用于连续观测变量的因果关系目标式和用于离散观测变量的因果关系目标式，且拟合不一致度基于观测变量的加权因子进行调整。然后利用混合观测数据，通过适用于连续观测变量和离散观测变量两者的混合稀疏因果推理，在有向无环图约束下，对所述混合因果关系目标式进行最优化求解，以估计多个观测变量之间的因果关系。本公开的实施方式适用于混合观测变量的因果关系估计，并且因果网络结构对因观测变量估计误差而引起的敏感度较低，因此可以得到较为精确的因果关系。
-
公开(公告)号：CN117473049A
公开(公告)日：2024-01-30
申请号：CN202210861703.8
申请日：2022-07-20
Applicant: 日本电气株式会社
IPC: G06F16/332 , G06F16/335 , G06F16/35 , G06F40/169 , G06F40/30 , G06N20/00
Abstract: 根据本公开的实施例，提供了用于信息处理的方法、装置、设备和存储介质。该方法包括获取目标对象的一组目标因素。一组目标因素是基于关于目标对象的非结构化文本集确定的，并且每个目标因素表示目标对象的一个方面。该方法还包括基于一组目标因素以及目标对象的一组结构化因素，确定针对目标对象的至少一个关键因素，其中一组目标因素中的至少一个目标因素与一组结构化因素不同。这有助于认识目标对象的关键方面，从而促进目标对象的优化。
-
Patent Agency Ranking
公开(公告)号：CN116501889A
公开(公告)日：2023-07-28
申请号：CN202310467096.1
申请日：2023-04-26
Applicant: 日本电气株式会社
IPC: G06F16/36 , G06F16/23 , G06F40/194 , G06F18/22 , G06F40/216 , G06F40/284 , G06F40/289 , G06F40/30
Abstract: 根据本公开的实施例，提供了用于信息处理的方法和设备。该方法包括从一个或多个媒体内容确定多个待处理事件，多个待处理事件中的至少两个待处理事件具有事件关系。该方法还包括基于用于构建事理图谱的现有事件集合，从多个待处理事件确定附加事件集合，附加事件集合中的附加事件不同于现有事件集合中的现有事件。该方法进一步包括基于附加事件集合，更新事理图谱。由此，可以实现事理图谱的增量更新，从而提升事理图谱的构建效率。
-
公开(公告)号：CN116304100A
公开(公告)日：2023-06-23
申请号：CN202310282745.0
申请日：2023-03-21
Applicant: 日本电气株式会社
IPC: G06F16/36 , G06F16/338 , G06F16/38
Abstract: 根据本公开的实施例，提供了用于信息呈现的方法和设备。该方法包括接收针对事理图谱的查询，查询至少指示待检索的目标事件。该方法进一步包括呈现包括多个节点和连接多个节点的至少一个有向边的目标事理图谱作为查询的结果，多个节点分别表示目标事件和与目标事件相关联的一个或多个事件，至少一个有向边分别表示所连接的节点所表示的事件之间的事件关系。该方法进一步包括针对多个节点中的至少一个节点，呈现至少一个节点分别表示的至少一个事件的时间信息。以此方式，可以帮助用户深入感受事件发生的时间规律，从而提高用户体验。
-
公开(公告)号：CN115115056A
公开(公告)日：2022-09-27
申请号：CN202110309510.7
申请日：2021-03-23
Applicant: 日本电气株式会社
Abstract: 本公开的实施例涉及用于数据处理的方法、设备和计算机可读存储介质。一种用于数据处理的方法包括获取目标环境下的目标用户的用户数据，其中用户数据包括目标用户的多个特征的观测数据。该方法还包括从用户数据中提取至少部分用户数据，其中至少部分用户数据包括多个特征中影响目标特征并且具有因果不变性的至少一个特征的观测数据。该方法还包括基于至少部分用户数据，根据针对至少一个特征所训练的预测模型，生成针对目标用户的目标特征的预测结果。本公开的实施例还提供了能够实现上述方法的设备和计算机可读存储介质。本公开的实施例能够基于具有因果不变性的特征，准确且鲁棒地进行预测。
-
公开(公告)号：CN110322019A
公开(公告)日：2019-10-11
申请号：CN201810271426.9
申请日：2018-03-29
Applicant: 日本电气株式会社
IPC: G06N7/00
Abstract: 本公开的实现方式涉及用于处理数据集的方法、系统和存储介质。根据本公开的一个示例性实现方式，提供了一种用于处理数据集的方法。该方法包括：采集与多个变量相关联的多个样本的数据集，多个样本中的每个样本包括对应于多个变量的数据；构建描述多个变量之间的潜在因果关系的因果序列空间，因果序列空间中的节点表示多个变量中具有潜在因果关系的变量；在因果序列空间中分别执行前向搜索和后向搜索，以获得前向因果序列和后向因果序列；以及基于前向因果序列和后向因果序列，确定多个变量之间的因果关系。进一步，提供了相应系统和计算机程序产品。
-
公开(公告)号：CN110019833A
公开(公告)日：2019-07-16
申请号：CN201710920046.9
申请日：2017-09-30
Applicant: 日本电气株式会社
IPC: G06F16/36
Abstract: 本公开内容的实现方式涉及用于确定因果关系的方法、系统和计算机程序产品。具体地，提供了一种用于确定多个变量之间的因果关系的方法，包括：响应于采集到与多个变量相关联的多个样本的数据集，获取描述多个变量之间的因果关系的矩阵，多个样本中的每个样本包括对应于多个变量的数据；基于数据集以及矩阵，确定与因果关系相关联的拟合度以及与因果关系相关联的稀疏度，其中稀疏度包括针对矩阵中的多个向量中的每个向量的约束，约束对应于多个变量中的变量；根据确定的拟合度和稀疏度构建描述因果关系的第一问题公式；以及针对构建的第一问题公式进行求解以获得矩阵的候选结果。在本公开的其他实现中，提供了相应系统和计算机程序产品。
-
-
-
-
-
-
-
-
-
Search Results
66
records
(took 0.033 seconds)
