-
公开(公告)号：CN113688171A
公开(公告)日：2021-11-23
申请号：CN202110974801.8
申请日：2021-08-24
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q50/30
Abstract: 本发明涉及一种基于图卷积神经网络的列车制动故障检测方法及系统，方法包括：获取列车制动故障数据以及各监测器之间的连接关系，根据所述列车制动故障数据和所述连接关系构建列车制动故障样本集；根据所述各监测器之间的连接关系构建标准邻接矩阵；根据所述列车制动故障数据构建自适应邻接矩阵；根据所述标准邻接矩阵和所述自适应邻接矩阵构建列车制动故障检测模型；利用所述列车制动故障样本集对所述列车制动故障检测模型进行训练，得到训练好的列车制动故障检测模型；利用训练好的列车制动故障检测模型进行列车制动故障检测。本发明能有效检测出列车运行过程中所发生的制动故障及其故障类型，从而保证了列车运行的安全性和可靠性。
-
公开(公告)号：CN113688171B
公开(公告)日：2022-05-10
申请号：CN202110974801.8
申请日：2021-08-24
IPC: G06F16/2458 , G06N3/04 , G06N3/08 , G06Q10/00 , G06Q50/30
Abstract: 本发明涉及一种基于图卷积神经网络的列车制动故障检测方法及系统，方法包括：获取列车制动故障数据以及各监测器之间的连接关系，根据所述列车制动故障数据和所述连接关系构建列车制动故障样本集；根据所述各监测器之间的连接关系构建标准邻接矩阵；根据所述列车制动故障数据构建自适应邻接矩阵；根据所述标准邻接矩阵和所述自适应邻接矩阵构建列车制动故障检测模型；利用所述列车制动故障样本集对所述列车制动故障检测模型进行训练，得到训练好的列车制动故障检测模型；利用训练好的列车制动故障检测模型进行列车制动故障检测。本发明能有效检测出列车运行过程中所发生的制动故障及其故障类型，从而保证了列车运行的安全性和可靠性。
-
公开(公告)号：CN117522124A
公开(公告)日：2024-02-06
申请号：CN202311498078.6
申请日：2023-11-10
Applicant: 北京工商大学
IPC: G06Q10/0635 , G06Q10/0637 , G06N5/022 , G06N3/042 , G06N3/08 , G06N5/02
Abstract: 本发明公开一种基于知识图谱的上市公司信用风险评估方法、系统及设备，涉及知识图谱技术领域，所述方法包括：获取多个目标实体和目标实体关系；基于所有目标实体和目标实体关系构建待检知识图谱；基于待检知识图谱中各初始节点对应的目标实体的实体信息，确定各初始节点的最终嵌入；利用GraphSMOTE，基于各初始节点的最终嵌入，对待检知识图谱进行扩展，得到待检增广图；利用信用风险预测模块，基于待检增广图中的各增广节点最终嵌入，预测各增广节点对应的实体发生信用风险的概率。本发明能够准确高效地完成上市公司的信用风险预测任务。
-
公开(公告)号：CN109948152B
公开(公告)日：2020-07-17
申请号：CN201910168386.X
申请日：2019-03-06
Applicant: 北京工商大学
IPC: G06F40/232 , G06F40/253 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于LSTM的中文文本语法纠错模型的方法，首先收集大量的中文文本语料用以计算5‑gram语言模型，保存的语言模型将会用作数据处理过程和模型输出的结果选择，然后收集语法纠错平行语料数据，语法纠错平行语料数据用作训练LSTM神经网络模型，实现模型对错误句子到正确句子的序列翻译过程；其次用保存好的5‑gram语言模型对平行语料数据进行预处理，修改掉明显的错误，最后构建LSTM神经网络并用预处理后的数据进行训练，训练结束保存网络参数，并用已训练好的网络，输出语法正确的文本序列。本发明数据容易获取，过程简单有效，LSTM神经网络自动抽取抽象特征，完成语法纠错任务，算法效率和准确度都相对较高，应用于中文学习过程和语音识别后端处理。
-
公开(公告)号：CN103077240A
公开(公告)日：2013-05-01
申请号：CN201310008644.0
申请日：2013-01-10
Applicant: 北京工商大学
IPC: G06F17/30
Abstract: 一种基于概率图模型的微博水军识别方法，它有三大步骤。本发明是将用户的属性和以往使用微博的行为量化成特征指标，分别为用户的属性特征和行为特征，通过构建属性特征与行为特征之间的概率图结构，将用户为水军的概率视为此图结构中的隐变量，利用样本学习图模型的参数，利用学习后的概率图模型预测其它用户为水军的概率。本发明以如何在微博平台中自动识别水军用户为研究对象，提供了一种自动、有效、快速的识别微博水军用户的方法，它使得在微博平台大数据量的情况下能够进行有效的进行识别。它在数据挖掘技术领域里具有较好的实用价值和广阔地应用前景。
-
Patent Agency Ranking
公开(公告)号：CN117808006B
公开(公告)日：2024-07-12
申请号：CN202410007200.3
申请日：2024-01-03
Applicant: 北京工商大学
IPC: G06F40/30 , G06F40/211 , G06F18/241 , G06N3/0442 , G06F21/62
Abstract: 本发明公开了一种基于情绪和行为联合分类的欺诈识别方法及系统，包括以下步骤：S1：获取并预处理欺诈相关数据；S2：基于预处理后的所述欺诈相关数据的情绪标签和行为标签，构建隐马尔可夫模型，获得先验知识；S3：构建协同交互图注意力模型，基于贝叶斯模型将所述先验知识加入所述协同交互图注意力模型，对所述欺诈相关数据的标签进行分类，完成对欺诈话语的识别。本发明利用协同交互图注意力网络构建了基于情绪和行为联合分类的欺诈识别系统，能够通过捕捉行为和情绪之间的内在联系，以及联合上下文信息和跨任务交互信息，从而解决欺诈话语识别的问题。
-
公开(公告)号：CN117808006A
公开(公告)日：2024-04-02
申请号：CN202410007200.3
申请日：2024-01-03
Applicant: 北京工商大学
IPC: G06F40/30 , G06F40/211 , G06F18/241 , G06N3/0442 , G06F21/62
Abstract: 本发明公开了一种基于情绪和行为联合分类的欺诈识别方法及系统，包括以下步骤：S1：获取并预处理欺诈相关数据；S2：基于预处理后的所述欺诈相关数据的情绪标签和行为标签，构建隐马尔可夫模型，获得先验知识；S3：构建协同交互图注意力模型，基于贝叶斯模型将所述先验知识加入所述协同交互图注意力模型，对所述欺诈相关数据的标签进行分类，完成对欺诈话语的识别。本发明利用协同交互图注意力网络构建了基于情绪和行为联合分类的欺诈识别系统，能够通过捕捉行为和情绪之间的内在联系，以及联合上下文信息和跨任务交互信息，从而解决欺诈话语识别的问题。
-
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：CN117611340A
公开(公告)日：2024-02-27
申请号：CN202311727410.1
申请日：2023-12-15
Applicant: 北京工商大学
IPC: G06Q40/04 , G06Q30/0202 , G06F18/22 , G06F18/24 , G06N3/042 , G06N3/084 , G06F123/02
Abstract: 本发明公开了一种基于动态异构网络的股票涨跌预测方法与系统，方法包括以下步骤：基于预处理后股票数据，构建金融股票异构拓扑图；向拓扑图引入股票节点嵌入；在引入股票节点嵌入的拓扑图的异构边中加入金融指标间的相似性关系，构建金融相似性子图；构建基于注意力的元路径消息聚合模块，聚合金融股票异构拓扑图以及金融相似性子图，并进行元路径选择以及消息聚合，获得最终股票节点嵌入；将最终股票节点嵌入输入到图神经网络分类器中，进行二分类，获得基于动态异构网络的股票涨跌预测模型；基于股票涨跌预测模型，进行股票涨跌预测。本发明刻画了股票市场的交易场景，综合多方面的信息融合来实现股票的涨跌预测。
-
公开(公告)号：CN112256941B
公开(公告)日：2023-10-13
申请号：CN202011123548.7
申请日：2020-10-20
Applicant: 北京工商大学
IPC: G06F16/951 , G06F16/906 , G06Q50/00
Abstract: 本发明公开一种基于局部信息的社交网络重构方法，步骤一：数据预处理；步骤二：根据节点属性和网络拓扑结构添加占位符节点；所述的占位符节点是为了定位缺失点而存在的一种临时性节点；步骤三：对步骤二所添加的占位符节点进行聚类，用以确定缺失点的具体数目和位置，消除多余的占位符节点，增加网络重构准确性；步骤四：使用链路预测算法确定网络中的缺失边；步骤五：根据上述步骤的处理结果重新构建网络结构。本发明方法可以有效的确定缺失点的位置，并且先解决缺失点的问题可以很好的为后续缺失边的补足做有效支撑，提高预测准确性；可使得舆情传播的相关研究更加高效，有效控制不良舆情传播造成的严重影响和危害。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.037 seconds)
