-
公开(公告)号:CN111597331A
公开(公告)日:2020-08-28
申请号:CN201911385776.9
申请日:2019-12-29
Applicant: 东南大学
IPC: G06F16/35 , G06F40/289 , G06Q50/18 , G06N5/04 , G06N7/00
Abstract: 本发明涉及一种基于贝叶斯网络的裁判文书分类方法,包括以下步骤:提取基本法律要素;构建法律要素关系网络;提取关联特征;构建裁判文书贝叶斯网络;构建联合树推理模型,进行推理分类。本发明通过基于平均信息熵的权重指标体系对法律要素的主题表现力进行评估,有效过滤了干扰信息,提高了法律要素提取的准确率;基于异构信息网络的法律要素关系模型,有效地表示了文本数据;基于Network Embedding的关联特征提取算法有效解决了传统文本向量化算法受上下文窗口大小限制的问题,能够有效地捕捉法律要素之间的关联关系;基于关联特征的贝叶斯网络结构学习算法能够保证图的连通性,学习到对于裁判文书来说最优的网络结构。
-
公开(公告)号:CN103561420A
公开(公告)日:2014-02-05
申请号:CN201310549381.4
申请日:2013-11-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据快照图的异常检测方法,包括如下步骤:(1)对无线传感器网络当前监测区域内的检测数据进行采集和预处理,确定事件区域;(2)获取与当前事件相关的数据集,用图模型抽象概括事件数据,将事件数据转换成事件数据快照图;(3)采用基于结构关联度的图相似算法,在事件模式图数据库中进行查询,查找与事件图相似的事件模式图,判断当前事件的类型;所述事件模式图数据库为事件模式图的集合,所述事件模式图为事件数据快照图,是对事件类型的抽象描述。本发明提供的基于数据快照图的异常检测方法,事件图可以基于领域专家知识获得,或基于数据分析获得,用于复杂事件检测,提高事件检测效率、降低误报率。
-
公开(公告)号:CN109697512B
公开(公告)日:2023-10-27
申请号:CN201811596679.X
申请日:2018-12-26
Applicant: 东南大学
Abstract: 本发明公开了一种基于贝叶斯网络的个人数据分析方法及计算机存储介质,方法包括以下步骤:(1)将个人生活行为数据具体化为行为和行为属性的一维向量,行为属性中至少包含时间属性,经过数据预处理,得到生活行为数据记录;(2)通过混合结构学习算法对数据进行学习,构建生活数据贝叶斯网络;(3)根据生活数据贝叶斯网络进行参数学习,学习得到每个网络节点的条件概率分布表;(4)根据生活数据贝叶斯网络,使用联合树推理算法,基于特定行为的概率计算其他行为发生的概率,完成个人生活行为分析预测。本方法将贝叶斯网络应用到个人行为数据分析中去,并对网络构造方法进行了改进,有效地提高学习的准确率和算法的收敛性,提升运行性能。
-
公开(公告)号:CN108345584A
公开(公告)日:2018-07-31
申请号:CN201810007166.4
申请日:2018-01-04
Applicant: 东南大学
Abstract: 本发明公开了一种基于规则的医患纠纷案件关键词提取方法,包括:(1)按照关键词类别建立医患纠纷关键词提取规则的生成模板;(2)按照标志词包含量将医患纠纷案件文书模块化;(3)对医患纠纷案件文书的各模块定义关键词集合,并从各模块中提取对应关键词集合中的关键词;(4)按照步骤(1)定义的生成模板,将步骤(3)提取的每个关键词编写为伪表达式,并自动化映射成机器可识别表达式;(5)判别提取的关键词是否正确,若正确则将关键词对应的机器可识别表达式以及所属文书和段落属性进行存储,若不正确则存入规则待完善集合中;(6)根据规则待完善集合调整完善提取规则。本发明提高了关键词提取的准确率和召回率。
-
公开(公告)号:CN103546916B
公开(公告)日:2016-08-17
申请号:CN201310551137.1
申请日:2013-11-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据增量图的异常检测方法,包括如下步骤:(1)对无线传感器网络当前监测区域内的检测数据进行采集和预处理,确定事件区域;(2)获取与当前事件相关的数据集,用图模型抽象概括事件数据,将事件数据转换成事件数据增量图;(3)采用基于结构关联度的图相似算法,在事件模式图数据库中进行查询,查找与事件图相似的事件模式图,判断当前事件的类型;所述事件模式图数据库为事件模式图的集合,所述事件模式图为事件数据增量图,是对事件类型的抽象描述。所述基于结构关联度的图相似查询算法,将图相似查询问题转化为序列相似性查询问题,有效降低查询复杂度。本发明提供的基于数据增量图的异常检测方法,事件图可以基于领域专家知识获得,或基于数据分析获得,用于复杂事件检测,提高事件检测效率、降低误报率。
-
公开(公告)号:CN103561419A
公开(公告)日:2014-02-05
申请号:CN201310549260.X
申请日:2013-11-07
Applicant: 东南大学
IPC: H04W24/04
CPC classification number: Y02D70/00
Abstract: 本发明公开了一种基于相关性的分布式事件检测方法,采用分簇结构,根据无线传感器网络事件区域的局部性,在节点内分析数据的时间相关性,在相邻节点间分析数据的空间相关性,识别出发生事件的节点;采用直方图方法分析节点异常的相关性,提高检测的准确度;因节点间传递的是直方图的摘要信息,减少了节点间的通信能耗;本方法可以有效检测出新事件的发生,具有较低的误报率和能量消耗,相对于集中式异常检测方法,具有较高的检测性能,并显著降低了通信成本。
-
公开(公告)号:CN103546916A
公开(公告)日:2014-01-29
申请号:CN201310551137.1
申请日:2013-11-07
Applicant: 东南大学
Abstract: 本发明公开了一种基于数据增量图的异常检测方法,包括如下步骤:(1)对无线传感器网络当前监测区域内的检测数据进行采集和预处理,确定事件区域;(2)获取与当前事件相关的数据集,用图模型抽象概括事件数据,将事件数据转换成事件数据增量图;(3)采用基于结构关联度的图相似算法,在事件模式图数据库中进行查询,查找与事件图相似的事件模式图,判断当前事件的类型;所述事件模式图数据库为事件模式图的集合,所述事件模式图为事件数据增量图,是对事件类型的抽象描述。所述基于结构关联度的图相似查询算法,将图相似查询问题转化为序列相似性查询问题,有效降低查询复杂度。本发明提供的基于数据增量图的异常检测方法,事件图可以基于领域专家知识获得,或基于数据分析获得,用于复杂事件检测,提高事件检测效率、降低误报率。
-
公开(公告)号:CN1772736A
公开(公告)日:2006-05-17
申请号:CN200510095386.X
申请日:2005-11-11
Applicant: 东南大学
IPC: C07D213/06
Abstract: 从甲基吡啶混合物中提取高纯度3-甲基吡啶的分离方法是一种吡啶类异构体的分离方法,该方法将含有3-甲基吡啶与4-甲基吡啶的甲基吡啶混合物与含有醛基的化合物进行混合反应,同时加入固体催化剂,使混合物中的4-甲基吡啶与3-甲基吡啶的沸点差距变大至40℃以上,用蒸馏法分离得到99%以上的3-甲基吡啶。本发明所用初始原料来源广泛,反应条件温和,操作简单,生产成本低,是一种很有工业应用前景的获得高纯度3-甲基吡啶的方法。
-
公开(公告)号:CN111597331B
公开(公告)日:2023-05-02
申请号:CN201911385776.9
申请日:2019-12-29
Applicant: 东南大学
IPC: G06F16/35 , G06F40/289 , G06Q50/18 , G06N5/04 , G06N7/01
Abstract: 本发明涉及一种基于贝叶斯网络的裁判文书分类方法,包括以下步骤:提取基本法律要素;构建法律要素关系网络;提取关联特征;构建裁判文书贝叶斯网络;构建联合树推理模型,进行推理分类。本发明通过基于平均信息熵的权重指标体系对法律要素的主题表现力进行评估,有效过滤了干扰信息,提高了法律要素提取的准确率;基于异构信息网络的法律要素关系模型,有效地表示了文本数据;基于Network Embedding的关联特征提取算法有效解决了传统文本向量化算法受上下文窗口大小限制的问题,能够有效地捕捉法律要素之间的关联关系;基于关联特征的贝叶斯网络结构学习算法能够保证图的连通性,学习到对于裁判文书来说最优的网络结构。
-
公开(公告)号:CN108182382A
公开(公告)日:2018-06-19
申请号:CN201711275203.1
申请日:2017-12-06
Applicant: 东南大学
Inventor: 吕建华
Abstract: 本发明公开了一种基于图相似的行为识别方法及系统。该方法包括以下步骤:利用无线传感器网络采集各类原始数据,并对原始数据进行预处理;基于处理后的数据进行分层图建模,先利用事件发生引起的数据变化构建事件图模型,然后对由事件构建的用户行为序列集构建行为图模型。在事件图查询中,将事件图的特征结构按照重要程度排序构建特征结构序列,将图的相似性查询转换为特征结构序列的相似性查询,并对传统序列匹配算法加以改进;在行为图查询中,基于结构相似的特征选择算法,按照基于特征结构序列的图查询方法进行查询,实现行为识别。本发明提出的分层图建模和图相似查询算法使得行为识别准确度和效率比传统基于统计或时序的方法有明显提高。
-
-
-
-
-
-
-
-
-