-
Patent Agency Ranking
公开(公告)号：CN114971345A
公开(公告)日：2022-08-30
申请号：CN202210645730.1
申请日：2022-06-08
Applicant: 东南大学
Abstract: 本发明公开了一种建成环境品质测度方法、设备及存储介质，涉及品质评估技术领域，首先通过确定决定环境品质的关键影响因素，建立环境品质影响因素指标体系，其中关键影响因素包括非观测要素与观测要素，其中非观测要素需要通过可直接测量的观测要素反映；然后分析环境品质与关键影响因素的关系，形成理论模型；再采集观测要素从而形成大样本数据库；并且根据大样本数据库中的样本数据的分布情况计算各关键影响因素对于环境品质的路径系数，进而将路径系数转换为权重；根据样本数据的分布情况，动态划分各观测要素分布区间，定义各观测要素品质赋值；最后结合权重与品质赋值，对样本进行环境品质测度。
-
公开(公告)号：CN114118097A
公开(公告)日：2022-03-01
申请号：CN202111437122.3
申请日：2021-11-29
Applicant: 东南大学
Abstract: 本发明公开一种城市公共空间的在线评论情感评价方法及系统，所述城市公共空间在线评论情感评价方法包括以下步骤：对城市公共空间用户在线评论数据进行抓取采集，去除与公共空间使用无关评论数据，完成对城市公共空间在线评论数据预处理；建立情感感知语料数据库和情感词典，两者相互校验构建训练语料数据库；综合应用预设算法和训练语料数据库构建情感评分模型；应用情感评分模型评价所有预处理数据，输出评价结果；所述评价系统包括：预处理模块、语料库构造模块、算法模块、校验反馈模块。本发明评价方法借助大数据语义深度学习，突破传统线下数据源的限制，做到高效化、精准化及层次化，客观地反映评价者对公共空间评价对象的情感倾向和程度。
-
公开(公告)号：CN114971345B
公开(公告)日：2023-04-18
申请号：CN202210645730.1
申请日：2022-06-08
Applicant: 东南大学
IPC: G06Q10/0639 , G06Q50/08 , G06F17/16 , G06F17/18
Abstract: 本发明公开了一种建成环境品质测度方法、设备及存储介质，涉及品质评估技术领域，首先通过确定决定环境品质的关键影响因素，建立环境品质影响因素指标体系，其中关键影响因素包括非观测要素与观测要素，其中非观测要素需要通过可直接测量的观测要素反映；然后分析环境品质与关键影响因素的关系，形成理论模型；再采集观测要素从而形成大样本数据库；并且根据大样本数据库中的样本数据的分布情况计算各关键影响因素对于环境品质的路径系数，进而将路径系数转换为权重；根据样本数据的分布情况，动态划分各观测要素分布区间，定义各观测要素品质赋值；最后结合权重与品质赋值，对样本进行环境品质测度。
-
公开(公告)号：CN115098683B
公开(公告)日：2024-07-16
申请号：CN202210792933.3
申请日：2022-07-05
Applicant: 东南大学
Abstract: 本发明公开了基于机器学习的城市绿地情绪影响因子甄别与调控方法，属于城乡规划、风景园林、环境心理学及环境行为学技术领域，以在线评论数据为样本，样本量大、覆盖面广、具有精准的时空属性，采集方法更为快捷、经济、高效；运用机器学习方法分析在线评论数据，避免由于人工判别所带来的“感性误差”，减少主观、人为因素；运用LDA模型文本挖掘技术提取潜在城市绿地情绪影响因子，便于突破了传统理论框架约束，避免遗漏未知情绪影响因子；能够结合不同地域的时空环境特点，针对性探索和提取城市绿地情绪影响因子，制定调控策略。
-
公开(公告)号：CN115098683A
公开(公告)日：2022-09-23
申请号：CN202210792933.3
申请日：2022-07-05
Applicant: 东南大学
Abstract: 本发明公开了基于机器学习的城市绿地情绪影响因子甄别与调控方法，属于城乡规划、风景园林、环境心理学及环境行为学技术领域，以在线评论数据为样本，样本量大、覆盖面广、具有精准的时空属性，采集方法更为快捷、经济、高效；运用机器学习方法分析在线评论数据，避免由于人工判别所带来的“感性误差”，减少主观、人为因素；运用LDA模型文本挖掘技术提取潜在城市绿地情绪影响因子，便于突破了传统理论框架约束，避免遗漏未知情绪影响因子；能够结合不同地域的时空环境特点，针对性探索和提取城市绿地情绪影响因子，制定调控策略。
-
-
-
-
Search Results
5
records
(took 0.013 seconds)
