-
公开(公告)号：CN114139522A
公开(公告)日：2022-03-04
申请号：CN202111319941.8
申请日：2021-11-09
Applicant: 北京理工大学
IPC: G06F40/194 , G06F40/289 , G06K9/62 , G06N3/04 , G06V30/41 , G06V30/413 , G06F16/35
Abstract: 本发明涉及一种基于层级注意力和标签引导学习的关键信息识别方法，属于文本挖掘和信息处理技术领域。本发明采用基于层级注意力和标签引导学习融合的关键信息识别框架，将文本表示模型直接应用于文本挖掘的局限性，词编码层和句编码层能够充分捕捉文本组织结构，将重要单词聚合为句子向量，然后将重要句子向量聚合为文本向量；词注意力层和句注意力层将注意力机制分别用于单词和句子层面，使其能够在文本表示时区别关注更重要或者次重要的内容；采用标签引导学习层执行基于标签的注意力编码，将文本表示映射到标签空间，标签引导学习层可以直接与上下文编码一起联合学习。本发明在引文分析、信息检索和细粒度知识服务等领域，具有广阔的应用前景。
-
公开(公告)号：CN119067661A
公开(公告)日：2024-12-03
申请号：CN202410983488.8
申请日：2024-07-22
Applicant: 北京理工大学
IPC: G06Q20/38 , G06F18/214 , G06F18/23 , G06F18/243
Abstract: 本发明涉及一种基于复合特征节点类别挖掘的加密货币辅助监管方法，属于区块链监管领域。首先解析从区块链网络中抓取加密货币交易的广播流量，获取参与交互行为的节点列表和对应消息类型。对一段时间内的流量数据进行汇总分类，得到消息类型的统计量。将抓取的流量数据传入外部辅助系统，返回部分节点的类别判断结果和无法判断的节点列表。提升训练样本质量，基于聚类思想构建机器学习模型，并根据外部系统提供的粗粒度标签对模型进行调整。使用训练完成的模型对剩余的无法判断节点进行预测，得到高置信度的节点类别，将其中的轻节点纳入重点监管目标，强化范围性监管力度。本发明实现了加密货币节点类别挖掘，增大了监管平台的有效监管范围比例。
-
公开(公告)号：CN119068664A
公开(公告)日：2024-12-03
申请号：CN202410806117.2
申请日：2024-06-21
Applicant: 北京理工大学
IPC: G08G1/01 , G06Q10/04 , G06N3/0464 , G06N3/044 , G06N3/0442
Abstract: 本发明涉及一种基于集群式联邦学习的城市交通流量预测方法，属于智能交通技术领域。本方法采用集群式联邦学习框架，在保护隐私数据的基础上挖掘时空依赖关系，构建集群式交通流量时空预测模型，包括获取城市交通流量数据信息、构建集群拓扑结构、本地客户端预测计算、集群领导者参数聚合、中央服务器全局参数更新等。本发明在结合城市实际路网结构及多参与方易出现数据泄露的情况下，考虑了流量数据时间和空间上复杂的依赖关系，实现了保护数据隐私，提高了预测准确性。
-
公开(公告)号：CN114139522B
公开(公告)日：2024-07-26
申请号：CN202111319941.8
申请日：2021-11-09
Applicant: 北京理工大学
IPC: G06F40/194 , G06F40/289 , G06V10/774 , G06N3/0442 , G06V30/41 , G06V30/413 , G06F16/35
Abstract: 本发明涉及一种基于层级注意力和标签引导学习的关键信息识别方法，属于文本挖掘和信息处理技术领域。本发明采用基于层级注意力和标签引导学习融合的关键信息识别框架，将文本表示模型直接应用于文本挖掘的局限性，词编码层和句编码层能够充分捕捉文本组织结构，将重要单词聚合为句子向量，然后将重要句子向量聚合为文本向量；词注意力层和句注意力层将注意力机制分别用于单词和句子层面，使其能够在文本表示时区别关注更重要或者次重要的内容；采用标签引导学习层执行基于标签的注意力编码，将文本表示映射到标签空间，标签引导学习层可以直接与上下文编码一起联合学习。本发明在引文分析、信息检索和细粒度知识服务等领域，具有广阔的应用前景。
-
-
-
Search Results
4
records
(took 0.015 seconds)
