-
公开(公告)号：CN107807970A
公开(公告)日：2018-03-16
申请号：CN201710969646.4
申请日：2017-10-18
CPC classification number: G06F16/583 , G06K9/6215
Abstract: 本发明涉及一种基于加权匹配点的三维模型检索方法，包括以下步骤：步骤1)建立加权匹配点的检索模型；步骤2)以模型库中两类三维模型来确定参数；步骤3)求解多目标最优化问题。本发明提供的基于加权匹配点的三维模型检索方法，针对目标模型建立SIFT特征的平衡二叉树，提出加权匹配点的检索模型进行相似性度量来提高检索性能，采用局部特征描述符检索三维模型，检索效率高，检索效果好，可以很好地满足实际应用的需要。
-
公开(公告)号：CN107665356A
公开(公告)日：2018-02-06
申请号：CN201710969648.3
申请日：2017-10-18
Abstract: 本发明涉及一种图像标注方法，包括以下步骤：步骤1)定义图像标注模型的目标函数；步骤2)将图像输入CNN模型，得到原始图像特征；步骤3)对原始图像特征进行加权；步骤4)向LSTM模型中输入信息；步骤5)对预测结果产生的误差进行反向传播。本发明提供的图像标注方法，首先通过卷积神经网络提取图像底层特征，然后使用聚焦机制提取图像特定位置区域与图像标注词相关的图像特征输入到长短期记忆网络模型中，生成相应的预测标注词，最终实现图像标注，标注性能优异，标注精度高，可以很好地满足实际应用的需要。
-
公开(公告)号：CN106779145A
公开(公告)日：2017-05-31
申请号：CN201611014473.2
申请日：2016-11-18
Applicant: 北京信息科技大学
Abstract: 本发明涉及一种基于神经网络集成的股票趋势预测方法，采用由BP神经网络、Elman神经网络和RBF神经网络组成的神经网络集成模型来预测股票趋势。本发明提供的基于神经网络集成的股票趋势预测方法，其趋势分类效果要高于单一的神经网络和svm的分类效果，能够很好地应用于股票趋势预测，预测结果准确，可以很好地满足实际应用的需要。
-
公开(公告)号：CN106778834A
公开(公告)日：2017-05-31
申请号：CN201611070606.8
申请日：2016-11-29
IPC: G06K9/62
CPC classification number: G06K9/6222
Abstract: 本发明涉及一种基于距离测度学习的AP聚类图像标注方法，包括以下步骤：步骤1)进行半监督的距离测度学习，得到新的距离测度；步骤2)利用所述新的距离测度进行AP聚类标注。本发明提供的基于距离测度学习的AP聚类图像标注方法，提出了一种基于距离测度学习的AP聚类标注模型，将图像底层视觉特征和图像的语义特征融合起来，有效解决了一些相同语义的图像底层特征差别却很大，语义不同的图像底层特征却相似所造成的“语义鸿沟”，明显提高了标注精度，并且本发明改进的AP聚类标注模型较其他基于分类器的标注模型在多种特征中mAP值都提高了至少0.03，可以很好地满足实际应用的需要。
-
公开(公告)号：CN106355455A
公开(公告)日：2017-01-25
申请号：CN201611014472.8
申请日：2016-11-18
Applicant: 北京信息科技大学
CPC classification number: G06Q30/0201 , G06F16/9535 , G06F17/271 , G06Q30/0224 , G06Q30/0256
Abstract: 本发明涉及一种从网购用户评论中抽取产品特征信息的方法，包括以下步骤：步骤1)对用户评论进行浅层句法分析，识别出用户评论中的多个组块；步骤2)对所述多个组块进行组块分析；步骤3)抽取名词性信息；步骤4)搜索频繁项集；步骤5)过滤频繁项集中的非产品特征。本发明提供的从网购用户评论中抽取产品特征信息的方法，在充分考虑名词块也可能是产品特征的基础上，采用基于CRF的浅层句法分析来进行组块分析，为了提高效率采用了FP-growth算法，在过滤的时候采用了TF-IDF和TextRank相结合的过滤方法，正确率高，适用于分析不同领域的用户评论文本，普遍适用性强，效率高，可以很好地满足实际应用的需要。
-
Patent Agency Ranking
公开(公告)号：CN105550200A
公开(公告)日：2016-05-04
申请号：CN201510863565.7
申请日：2015-12-02
Abstract: 本发明涉及一种面向专利摘要的中文分词方法，包括以下步骤：步骤A：构建专利停用词表；步骤B：抽取候选术语；步骤C：过滤候选术语；步骤D：抽取低频专业术语。本发明提供的面向专利摘要的中文分词方法，采用规则的方法来抽取专利文献的术语，然后利用平均互信息和NC-value算法对候选术语进行过滤，通过条件随机场进一步识别专利文献中出现频率较低的术语，最后将抽取的术语加入到用户词典中对专利文献进行分词，本发明的分词方法的准确率和召回率都很高，可以很好地满足实际应用的需要。
-
公开(公告)号：CN105447158A
公开(公告)日：2016-03-30
申请号：CN201510863731.3
申请日：2015-12-02
IPC: G06F17/30
CPC classification number: G06F16/3334 , G06F16/3344 , G06F16/35
Abstract: 本发明涉及一种基于图的专利搜索日志中同义词集自动挖掘方法，包括以下步骤：步骤1)基于专利搜索日志进行候选同义词集挖掘，抽取出专利搜索日志中的候选同义词集，并将获得的候选同义词集放在同一行中；步骤2)将所述候选同义词集构成知识图；步骤3)通过分割语料、加重对称共现边、加重三角形、惩罚音节不等四种方法改进知识图边权重计算，调节所述知识图的知识图边权重；步骤4)利用Newman聚类算法对知识图进行聚类，将聚在同一类中的候选同义词对作为同义词集。本发明有效地提高了同义词集自动挖掘的准确率，实现了专利搜索日志中同义词集的自动挖掘工作，可以很好地满足实际应用的需要。
-
公开(公告)号：CN119807417A
公开(公告)日：2025-04-11
申请号：CN202411967701.2
申请日：2024-12-30
Applicant: 北京信息科技大学
Abstract: 本申请提供一种文本多标签分类方法、分类装置、电子设备及存储介质。该文本多标签分类方法，包括：将技术领域和需要分类的标签输入至大语言模型，以使大语言模型生成对应技术领域下每个标签的定义；使用大语言模型对文献数据进行标注，得到标注数据；使用所述标注数据对大语言模型进行LoRA微调，得到微调的模型，所述微调的模型用于多标签分类；基于每个标签的定义，利用所述微调后的模型，对文本进行多标签分类。该文本多标签分类方法，能够精准理解技术标签、学习文献中蕴含的知识，文献数据多标签分类任务的分类效果较好，大幅提高了文献数据多标签分类任务的分类准确性和分类效果。
-
公开(公告)号：CN119048791A
公开(公告)日：2024-11-29
申请号：CN202410210752.4
申请日：2024-06-14
Applicant: 北京信息科技大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06V10/44
Abstract: 本申请公开了一种多粒度图像分类方法、装置、电子设备及存储介质。该分类方法通过层次多粒度图像分类模型实现，该方法包括：获取多尺度信息的特征图；提取并融合不同层次粒度的特征向量，得到各个层次的多尺度融合特征向量；对各个层次的多尺度融合特征向量进行层次特征映射；将映射得到的特征向量与被映射的细粒度特征向量进行融合操作；层次多粒度图像分类模型的损失函数包括基于类别中心的三元组损失。本申请实施例的方法，增加了网络的局部细节信息，对各类别层次的多粒度特征进行融合，解决了层次间粗细粒度所对应的区域不同的问题，采用基于类别中心的三元组损失增强了图像的特征表示和提升了各层次粒度图像分类准确度。
-
公开(公告)号：CN116384402A
公开(公告)日：2023-07-04
申请号：CN202310415757.6
申请日：2023-04-18
Applicant: 华能煤炭技术研究有限公司 , 北京信息科技大学
IPC: G06F40/295 , G06F40/30 , G06F40/242 , G06F16/36 , G06F16/35 , G06N3/0442 , G06N3/08 , G06N3/084
Abstract: 本发明涉及煤矿机电设备领域，特别涉及一种融合机电设备本体库术语词结合对比学习的煤矿机电设备命名实体识别方法。该方法首先使用Word2Vec模型预训练机电设备术语词向量，并利用多术语多头注意力机制将术语词向量与字向量融合。然后采用Bi‑LSTM模型进行编码，在损失函数上采用对比学习做改进，将Bi‑LSTM计算的相对熵损失作为CRF损失的正则项。最后，利用CRF模型解码得到最优标签。实验结果表明，该方法在自构的煤矿机电设备语料上的准确率、召回率和F1值均优于现有主流方法。本发明的技术方案可以有效地识别煤矿机电设备领域中存在实体命名相似以及部分重点设备名称较长的问题，为智能矿山的构建提供了有力的支持。
-
-
-
-
-
-
-
-
-
Search Results
79
records
(took 0.04 seconds)
