-
公开(公告)号：CN112231562B
公开(公告)日：2023-07-14
申请号：CN202011099869.8
申请日：2020-10-15
Applicant: 北京工商大学
IPC: G06F40/30 , G06F40/216 , G06F16/35 , G06N3/0464 , G06N3/048 , G06N3/084 , G06Q50/00
Abstract: 本发明涉及一种网络谣言识别方法即系统，方法包括：根据包含谣言信息的多个文本得到文本特征矩阵；构建传播图结构，图结构中的节点为多个文本，图结构中的邻接矩阵为谣言信息在多个文本之间的转发和评论关系；构建图卷积神经网络模型；图卷积神经网络模型的输入为文本特征矩阵和邻接矩阵，图卷积神经网络模型的输出为谣言特征矩阵；根据谣言特征矩阵训练神经网络模型，得到谣言识别模型；根据谣言识别模型识别网络谣言。本发明根据谣言在多个文本之间的转发和评论关系训练图卷积神经网络模型，根据谣言特征矩阵训练神经网络模型，有效的捕获了谣言信息广泛且分散的传播特征，可以有效识别谣言信息。
-
公开(公告)号：CN111639787B
公开(公告)日：2024-03-15
申请号：CN202010347235.3
申请日：2020-04-28
Applicant: 北京工商大学
IPC: G06F18/20 , G06N3/042 , G06F18/10 , G06N3/0464 , G06N3/084
Abstract: 本发明公开一种基于图卷积网络的时空数据预测方法，包括如下步骤：获取时空数据作为预测任务的对象；对获取到的时空数据进行处理得到数据集；构建基于图卷积网络的时空数据预测模型；将得到的训练样本和验证样本作为构建模型的输入，执行训练算法，得到模型参数，确定基于图卷积网络的时空数据模型；输入待测时间和空间，执行基于图卷积网络的时空数据模型，从而得到期待的预测结果。本发明可以有效的捕获时空数据中的时间属性和空间结构特征，从而提高时空数据预测任务的准确性，在疾病监控、交通管理等多种领域都具有非常重要的应用价值。
-
公开(公告)号：CN112231562A
公开(公告)日：2021-01-15
申请号：CN202011099869.8
申请日：2020-10-15
Applicant: 北京工商大学
IPC: G06F16/9535 , G06F40/216 , G06F40/30 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明涉及一种网络谣言识别方法即系统，方法包括：根据包含谣言信息的多个文本得到文本特征矩阵；构建传播图结构，图结构中的节点为多个文本，图结构中的邻接矩阵为谣言信息在多个文本之间的转发和评论关系；构建图卷积神经网络模型；图卷积神经网络模型的输入为文本特征矩阵和邻接矩阵，图卷积神经网络模型的输出为谣言特征矩阵；根据谣言特征矩阵训练神经网络模型，得到谣言识别模型；根据谣言识别模型识别网络谣言。本发明根据谣言在多个文本之间的转发和评论关系训练图卷积神经网络模型，根据谣言特征矩阵训练神经网络模型，有效的捕获了谣言信息广泛且分散的传播特征，可以有效识别谣言信息。
-
公开(公告)号：CN112257429B
公开(公告)日：2024-04-16
申请号：CN202011109749.1
申请日：2020-10-16
Applicant: 北京工商大学
IPC: G06F40/284 , G06F40/216 , G06F40/242 , G06F16/33 , G06F16/35 , G06F16/36
Abstract: 本发明公开了基于BERT‑BTM网络的微博突发事件检测方法，读取微博数据集，对所述微博数据集进行处理，获得原始数据集；将所述原始数据集进行向量化处理，得到向量化处理后的词向量集，然后通过调用预训练BERT模型对所述基础BERT词向量集处理，得到BERT词向量集；构建BERT‑BTM模型，通过所述BERT‑BTM模型对所述原始数据集进行处理；构建BERT‑BTM网络，然后对所述BERT‑BTM网络进行划分，完成突发事件检测。本发明解决了现有微博突发事件检测方法中短文本数据稀疏、无法解决一词多义的问题，并提高了突发事件检测效率。
-
Patent Agency Ranking
公开(公告)号：CN112231455A
公开(公告)日：2021-01-15
申请号：CN202011099857.5
申请日：2020-10-15
Applicant: 北京工商大学
IPC: G06F16/332 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种机器阅读理解方法及系统，方法包括：获取机器阅读理解数据集；对机器阅读理解数据集进行处理，获得训练集和测试集；构建基于图注意力网络的机器阅读理解模型；将训练集输入机器阅读理解模型进行训练，获得模型参数；将测试集输入已求取模型参数后的机器阅读理解模型进行阅读理解，获得每篇文章中每个问题的答案。本发明基于图注意力网络构建机器阅读理解模型既可以捕获到文章的语义信息，又可以捕获到上下文信息和单词间的关联信息，从而提高机器阅读理解任务的准确性。
-
公开(公告)号：CN114064627A
公开(公告)日：2022-02-18
申请号：CN202111406286.X
申请日：2021-11-24
Applicant: 北京工商大学
IPC: G06F16/215 , G06F16/28 , G06F16/36 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种一种针对多重关系的知识图谱链接补全方法及系统，方法包括：获取待补全的知识图谱三元组数据；将所述待补全的知识图谱三元组数据输入知识图谱链接补全模型，得到三元组补全结果；所述知识图谱链接补全模型是根据知识图谱数据构建的；所述知识图谱链接补全模型包括图卷积神经层、多关系注意力网络层和链路预测层；所述图卷积神经层的输出端和所述多关系注意力网络层的输出端均与所述链路预测层连接。本发明能够有效挖掘知识图谱结构特征与多关系特征，快速准确地完成知识图谱补全任务。
-
公开(公告)号：CN112364091A
公开(公告)日：2021-02-12
申请号：CN202011239021.0
申请日：2020-11-09
Applicant: 北京工商大学 , 北京市疾病预防控制中心
IPC: G06F16/26 , G06F16/28 , G06F16/215 , G06F16/36 , G06F16/951 , G06F40/289
Abstract: 本发明涉及一种基于知识图谱的人物关系可视化查询方法及系统，方法包括：采用Scrapy框架从互联网中爬取与当前人物相关的网页信息；对网页信息进行解析，提取与当前人物有关的人物信息和关系信息；对人物信息和关系信息进行规范化处理，构建所有人物与当前人物相关的五元组数据；对五元组数据进行人物关系反向推理，获得反向五元组数据；根据向五元组数据构建人物关系知识图谱，并将人物关系知识图谱存于图数据库中；从图数据库中获取待查询人物对应的人物关系知识图谱并进行可视化展示。本发明采用图数据库存储人物关系知识图谱，进而提高查询速度。另外本发明通过可视化技术将图谱中的知识展现出来，产生一种视觉的冲击感，能更高的认识和理解人物关系。
-
公开(公告)号：CN112257429A
公开(公告)日：2021-01-22
申请号：CN202011109749.1
申请日：2020-10-16
Applicant: 北京工商大学
IPC: G06F40/284 , G06F40/216 , G06F40/242 , G06F16/33 , G06F16/35 , G06F16/36
Abstract: 本发明公开了基于BERT‑BTM网络的微博突发事件检测方法，读取微博数据集，对所述微博数据集进行处理，获得原始数据集；将所述原始数据集进行向量化处理，得到向量化处理后的词向量集，然后通过调用预训练BERT模型对所述基础BERT词向量集处理，得到BERT词向量集；构建BERT‑BTM模型，通过所述BERT‑BTM模型对所述原始数据集进行处理；构建BERT‑BTM网络，然后对所述BERT‑BTM网络进行划分，完成突发事件检测。本发明解决了现有微博突发事件检测方法中短文本数据稀疏、无法解决一词多义的问题，并提高了突发事件检测效率。
-
公开(公告)号：CN111639787A
公开(公告)日：2020-09-08
申请号：CN202010347235.3
申请日：2020-04-28
Applicant: 北京工商大学
Abstract: 本发明公开一种基于图卷积网络的时空数据预测方法，包括如下步骤：获取时空数据作为预测任务的对象；对获取到的时空数据进行处理得到数据集；构建基于图卷积网络的时空数据预测模型；将得到的训练样本和验证样本作为构建模型的输入，执行训练算法，得到模型参数，确定基于图卷积网络的时空数据模型；输入待测时间和空间，执行基于图卷积网络的时空数据模型，从而得到期待的预测结果。本发明可以有效的捕获时空数据中的时间属性和空间结构特征，从而提高时空数据预测任务的准确性，在疾病监控、交通管理等多种领域都具有非常重要的应用价值。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.026 seconds)
