-
公开(公告)号：CN108228867A
公开(公告)日：2018-06-29
申请号：CN201810036537.1
申请日：2018-01-15
Applicant: 武汉大学
Abstract: 本发明公开了一种基于观点增强的主题协同过滤推荐方法，首先基于LDA主题模型提取评论文本属性词；然后根据LDA提取到的属性词，利用word2vec模型计算属性词之间的关系，将相似的属性词归为一类；将词义相同的属性词汇集成属性面；通过属性面观点增强分析得到评论文本的情感极性；接着根据情感词极性和属性词构建打分矩阵，根据打分方式通过协同过滤算法计算用户之间的相似性；最后根据k邻近方法将矩阵中打分比较高的商品推荐给其它用户。实验结果表明，本发明在属性词提取的F值上以及推荐的平均绝对误差值上均表现优异。
-
公开(公告)号：CN104504156B
公开(公告)日：2017-07-11
申请号：CN201510024381.1
申请日：2015-01-16
Applicant: 武汉大学
Inventor： 彭敏
IPC: G06F17/30
Abstract: 本发明公开了一种基于压缩感知理论的文本数据流抽样方法，包括步骤1）将文本数据流分割成固定大小的文本片段并通过向量空间模型表示成矩阵；2）使用压缩感知理论对文本数据流进行空间降维抽样；3）计算降维后每个文本的信息熵；4）基于文本的信息熵通过对数倾斜时间（LTT）模型得到抽样文本。本发明面向互联网海量的、不断增加的文本流，通过更少的存储消耗来实现更快的文本流抽样和存储，在大大降低抽样文本流规模的情况下，能够以全局视角获得整个文本流中最有价值的那部分信息。本发明从文本压缩的压缩率、运行时间方面，对现有的文本抽样技术进行了有效的改进，在关键字查询、文本聚类、主题演化分析、信息提取等方面有着广泛的应用前景。
-
公开(公告)号：CN103024017A
公开(公告)日：2013-04-03
申请号：CN201210514421.7
申请日：2012-12-04
Applicant: 武汉大学
Abstract: 本发明提供一种社交网络重要目标及社区群体识别方法，首先将用户的静态好友网络和活动网络结合起来构建动态社交网络拓扑；其次提出InfluenceRank算法，对动态社交网络中的用户影响力进行综合打分，降低和核心用户交互频率低的用户的权值；同时，引入用户的先验专家知识，删除核心噪声点，从而对结果进行修正。本发明从准确度、覆盖度、效率三个方面对现有社群发现技术进行了非常有效的改进，在社会计算、舆情监控、企业营销推广等方面有着广泛的应用前景。
-
公开(公告)号：CN102298765B
公开(公告)日：2013-02-13
申请号：CN201110278906.6
申请日：2011-09-20
Applicant: 武汉大学
Abstract: 本发明属于数字内容安全保护技术领域，特别针对可用于数字作品盗版源追踪的图像数字指纹追踪方法：鉴于DCT域各个位置的鲁棒性不同，在将数字指纹嵌入到图像载体之前，先对DCT域各个位置进行提取正确率测试，选择高提取正确率的位置进行指纹嵌入；在数字指纹追踪盗版源时，针对DCT域各位置提取正确率的不同，对不同位置的指纹相关度匹配系数赋予不同的权重，进行用户相关度计算。该方案可以有效提高指纹系统的盗版源追踪成功率。本发明提出的技术方案具有良好的通用性和实用性，可以适用于各种变换域的指纹方案，该思路可进一步推广到各种视频音频指纹嵌入方案中。
-
公开(公告)号：CN102298765A
公开(公告)日：2011-12-28
申请号：CN201110278906.6
申请日：2011-09-20
Applicant: 武汉大学
Abstract: 本发明属于数字内容安全保护技术领域，特别针对可用于数字作品盗版源追踪的图像数字指纹追踪方法：鉴于DCT域各个位置的鲁棒性不同，在将数字指纹嵌入到图像载体之前，先对DCT域各个位置进行提取正确率测试，选择高提取正确率的位置进行指纹嵌入；在数字指纹追踪盗版源时，针对DCT域各位置提取正确率的不同，对不同位置的指纹相关度匹配系数赋予不同的权重，进行用户相关度计算。该方案可以有效提高指纹系统的盗版源追踪成功率。本发明提出的技术方案具有良好的通用性和实用性，可以适用于各种变换域的指纹方案，该思路可进一步推广到各种视频音频指纹嵌入方案中。
-
Patent Agency Ranking
公开(公告)号：CN117520554A
公开(公告)日：2024-02-06
申请号：CN202311161974.3
申请日：2023-09-07
Applicant: 武汉大学
IPC: G06F16/36 , G06N5/022 , G06N5/04 , G06F40/216
Abstract: 本发明公开了一种基于本体增强的跨域知识表示学习优化方法与装置，涉及知识图谱技术领域，该方法包括以下步骤：获取知识图谱中的实例三元组、本体图、描述文本，根据实例三元组得到知识图谱关系的range本体三元组和domain本体三元组，根据知识图谱关系与关系间的相对位置关系得到关系的位置元关系；根据上述三元组与元关系，对其进行加强，得到关系加强的本体图；基于加强本体图获得结构嵌入向量，对描述文本进行编码获得文本嵌入向量，将其合并得到初始本体概念嵌入向量，并对初始本体概念嵌入向量进行优化得到优化后的本体概念嵌入向量；将其作为结点初始化向量，对图神经网络视图中的关系向量进行更新，获得关系嵌入向量，完成优化。
-
公开(公告)号：CN111324717B
公开(公告)日：2023-06-27
申请号：CN202010111750.1
申请日：2020-02-24
Applicant: 武汉大学
IPC: G06F16/332 , G06F40/30 , G06N3/0455 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种面向开放域问答的基于机器阅读理解的答案获取方法，采用基于BERT的语义编码模块和信息交互注意力网络，深入地捕获问题和文档的潜在语义表示，有效地提取并融合问题和文档间的信息，捕获问题与文档的全局特征；采用基于Pointer Networks的答案获取模块，将注意力权重作为指针，更加准确地定位所预测答案的起止位置。本发明提出的一种面向开放域问答的基于阅读理解的答案获取方法，在CMRC 2018数据集上进行实证评估。实验结果表明，该发明能够达到开放域问答任务标准水平，并取得了优异的表现。
-
公开(公告)号：CN113626215A
公开(公告)日：2021-11-09
申请号：CN202110830708.X
申请日：2021-07-22
Applicant: 武汉大学
IPC: G06F9/54 , G06F40/211 , G06F40/284 , G06F40/295
Abstract: 本发明公开了一种基于短语识别的气象场景服务图谱构建方法及系统，涉及人工智能技术领域，该方法包括构建得到原始数据集；确定问题对应的气象服务场景；基于问题和回答之间的对应关系，并基于短语识别模型提取出同一气象服务场景下，气象服务相关问答的回答和气象服务相关文章中的服务语句；基于确定的气象服务场景和提取的服务语句，将同一气象服务场景下相似的服务语句归类为同一服务语句实体；根据确定的气象服务相关实体类型、确定的气象服务场景和归类得到的服务语句实体，基于OWL标准建立相关三元组，得到原子建议组，完成气象场景服务图谱构建。本发明能够减轻气象服务的重复性劳动。
-
公开(公告)号：CN112883175A
公开(公告)日：2021-06-01
申请号：CN202110184707.2
申请日：2021-02-10
Applicant: 武汉大学
IPC: G06F16/332 , G06F16/33 , G06F16/338 , G06F16/36 , G06F40/216 , G06F40/295 , G06F40/30 , G06F40/186 , G06N3/04
Abstract: 本发明公开了一种结合预训练模型及模板生成的气象服务交互方法及系统，首先通过模板结合网络爬取的数据生成训练数据集，之后通过预训练模型识别用户问题中气象服务实体，并基于词向量的文本相似度将识别的实体链接至气象图谱，确定用户问题中的服务场景，进而查询面向场景的气象服务数据库中与该场景相关的建议组，并依据气象建议与用户问题的语义相似度，选择合适的气象建议填回模板，生成气象服务语句返回给用户。本发明提供的气象服务交互系统可以为用户提供个性化的场景服务，并生成灵活多样化的服务语句。
-
公开(公告)号：CN112784057A
公开(公告)日：2021-05-11
申请号：CN202110029149.2
申请日：2021-01-11
Applicant: 武汉大学
Abstract: 本发明提出了一种基于区域产业企业的三网产业图谱构建方法。本发明从官方网站获取投入产出信息、产业描述信息、行政区划关系和企业相关属性信息；从新闻网站获取新闻舆情数据；利用共现性和相似度算法分别对企业经营范围和专利信息进行计算，得到企业合作和竞争网络，将企业合作和竞争网络加权得到企业关联网络；根据投入产出表计算产业关联网络；根据行政区划关系计算区域关联网络；利用无监督方法计算企业到产业的映射；根据企业关联网络更新产业关联网络；利用区域关联网络、产业关联网络和企业关联网络形成三网产业图谱。本发明通过舆情信息，动态反应在企业关联网络中，并更新到产业关联网络，帮助决策部门更快捕捉区域产业发展变化。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.02 seconds)
