-
公开(公告)号：CN111581365B
公开(公告)日：2023-04-25
申请号：CN202010374689.X
申请日：2020-05-07
Applicant: 北京理工大学
IPC: G06F16/332 , G06F16/36 , G06F40/284 , G06N3/0499 , G06N3/084
Abstract: 本发明提出一种谓词抽取方法，属于知识图谱问答领域。针对谓词抽取，本发明提供了一种全新的谓词抽取框架模型，通过使用神经网络对谓词、问题进行特征表示后计算二者的相似度实现；进一步，基于该谓词抽取方法，提供一种简单问答系统的实现方法，提高了问答系统的准确率；此外，对候选池生成方法进行改进，在降低其规模的同时有效提高了实体召回率；同时，提出一种启发式标签编码算法，应用于谓词抽取模型的初始化。对比现有技术，本发明使用软直方图和自注意力的模型用于谓词抽取，其通过特征矩阵更好地保留了问题的全局信息，提出的上述方法，以更少的资源，更简单的算法过程提高了问答系统的鲁棒性和准确率。
-
公开(公告)号：CN115861711A
公开(公告)日：2023-03-28
申请号：CN202211674540.9
申请日：2022-12-05
Applicant: 北京电子工程总体研究所 , 北京理工大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明涉及一种非最优演示下基于决策置信度的模仿学习方法，属于自动驾驶强化学习技术领域。包括：从有标注示例数据集Dc和未标注示例数据集Du中分别进行采样，进行分类器g估计；利用所述Dc的置信度得分构成正则项，修正分类器g的损失函数L(g)，对分类器g进行梯度下降优化；利用优化后的分类器g计算所述Du中状态动作对对应的置信度得分，并将标注置信度得分后的数据合并得到合并后的D′c；将D′c中的状态动作对的置信度得分转化为鉴别器与策略网络的权重φ，结合基于生成对抗的模仿学习方法，学习智能体专家策略。本发明能够学习得到一个为状态动作对赋置信分的分类器，为非最优专家演示得到的数据集赋予合适的权重进行模仿学习，并得到用于智能体自动驾驶任务的策略网络。
-
公开(公告)号：CN109492166B
公开(公告)日：2022-03-29
申请号：CN201810882125.X
申请日：2018-08-06
Applicant: 北京理工大学
IPC: G06F16/9537 , G06F16/9535
Abstract: 本发明涉及一种基于签到时间间隔模式的连续兴趣点推荐方法，属于推荐系统领域；根据每个用户的签到数据，综合个性化偏好、地理距离偏好和签到时间间隔偏好来联合建模形成用户对接下来要访问的兴趣点的综合偏好，采用三阶张量模型来对连续签到行为进行建模；并构建一个概率模型，通过将签到时间间隔偏好视为潜在变量，来学习用户对兴趣点的综合偏好程度；在参数学习阶段，设计了期望最大化算法来优化概率模型的参数，最终实现了为用户推荐接下来要访问的兴趣点的任务；张量及矩阵中信息缺失的补充，采用张量/矩阵分解算法实现。对比现有技术，本发明方法有效解决了用户‑兴趣点签到矩阵的稀疏性问题，为用户提供准确高效的连续兴趣点推荐服务。
-
公开(公告)号：CN105740401B
公开(公告)日：2018-12-25
申请号：CN201610059756.2
申请日：2016-01-28
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于个体行为和群体兴趣的兴趣地点推荐方法及装置，属于地点推荐领域。该方法首先通过分析用户的个体行为，确定用户未来将会去到哪一类别的地点，然后通过对用户进行特征提取来对用户进行群体的划分，接着对用户所在群体中属于第一步中确定的地点类别的地点进行排序，从而为用户推荐具体地点。本发明综合考虑用户的个体行为，用户所在群体的兴趣以及用户签到地点之间的距离关系，利用地点类别作为连接个体行为和群体兴趣的桥梁，从而挖掘用户兴趣并进行推荐，其意义在于，本发明与现有技术相比，不仅能够提高推荐的质量，并且也大幅度减少了推荐算法的时间复杂度，提高了推荐效率。
-
公开(公告)号：CN106910199A
公开(公告)日：2017-06-30
申请号：CN201710058021.2
申请日：2017-01-23
Applicant: 北京理工大学
Abstract: 本发明涉及一种面向城市空间信息采集的车联网众包方法，属于车载自组织网络技术领域；本发明利用轨迹预测算法挖掘车辆行驶习惯，根据车辆行驶习惯选择特定车辆执行任务，在不影响车辆正常行驶的情况下完成相关任务信息的收集。本发明提出基于张量分解的地点预测算法，根据历史轨迹数据构建三元组，根据三元组构建三阶张量，通过PITF方式对张量依据BPRC规范进行分解，迭代优化参数补全张量元素，根据张量元素值排序完成预测。接下来根据预测的结果构建车辆与道路任务二分图，根据Kuhn‑Munkres算法求解车辆与道路任务的最大匹配，使得匹配成功的概率最大。对比现有技术，本发明方法很好的结合了车辆行驶特性，减少了信息收集的冗余，提高了信息收集的效率。
-
Patent Agency Ranking
公开(公告)号：CN104331506A
公开(公告)日：2015-02-04
申请号：CN201410670909.8
申请日：2014-11-20
Applicant: 北京理工大学
CPC classification number: G06F17/30705 , G06F17/2705
Abstract: 本发明涉及一种面向双语微博文本的多类情感分析方法与系统，属于微博文本情感分析技术领域，包括以下步骤：(1)双语词典构建：首先收集一定规模具有情感倾向的语料，并从语料中提取出具有情感倾向的高频词汇；然后用已有知识库和词汇相似度计算模型对情感词典进行扩展；最后在情感词典中加入网络语言和表情符号；(2)文本预处理：对待识别文本进行分词并去除停用词以及英文词形规范化处理；(3)文本特征空间表示：利用所述双语情感词典对文本进行向量化；(4)利用多情感分类模型实现语料文本的情感识别任务。本发明方法的准确率和F1值高于传统的分类方法，特别是半监督高斯混合模型分类算法在小规模训练集下的分类效果明显优于其他方法。
-
公开(公告)号：CN115952355A
公开(公告)日：2023-04-11
申请号：CN202211674562.5
申请日：2022-12-05
Applicant: 北京电子工程总体研究所 , 北京理工大学
IPC: G06F16/9535 , G06F16/9537 , G06N3/044
Abstract: 本发明公开了一种基于时空幂律注意力的下一兴趣点推荐系统，涉及推荐系统领域，本发明包括：短期偏好模块：利用循环神经网络，捕获用户签到序列的短期偏好ht；长期偏好模块，计算时间间隔幂律分布、地理距离幂律分布及时空幂律注意力，结合所述短期偏好ht计算用户的长期偏好下一兴趣点推荐模块：结合所述短期偏好ht、所述长期偏好及用户表示pu，通过神经网络预测下一兴趣点并推荐。有益效果是：所述系统利用各次签到之间的时间间隔和地理距离的幂律衰减性质提出时空幂律注意力建模用户的长期偏好，在建模中考虑非连续签到之间的时空关系，提高了下一兴趣点推荐的效果。
-
公开(公告)号：CN110399565B
公开(公告)日：2021-08-06
申请号：CN201910687012.9
申请日：2019-07-29
Applicant: 北京理工大学
IPC: G06F16/9536 , G06F16/9537 , G06K9/62
Abstract: 本发明涉及一种基于时空周期注意力机制的递归神经网络连续兴趣地点推荐方法，属于推荐系统领域；根据每个用户的签到数据，构造兴趣地点序列和时间属性序列，并使用TD‑LSTM处理兴趣地点序列和时间属性序列，得到二者的中间表示，再针对每个候选兴趣地点分别计算时间、空间、周期注意力分布，并使用这三种注意力分布加权兴趣地点序列和时间属性序列的中间表示得到其特有表示，再综合用户偏好和候选兴趣地点的属性预测用户对候选兴趣地点的喜好评分并进行推荐。对比现有技术，本发明使用更多的历史签到记录来预测下一步的兴趣地点，并使用注意力机制发现历史签到中的关键信息，通过提高关键信息对结果的影响提高推荐性能，进而提供准确高效的推荐服务。
-
公开(公告)号：CN104317881B
公开(公告)日：2017-11-24
申请号：CN201410564145.4
申请日：2014-10-21
Applicant: 北京理工大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于用户话题权威性的微博重排序方法，该方法通过获取用户搜索关键词信息，将用户搜索关键词划分到某个话题，然后对微博搜索引擎按照时间顺序返回来的近几天最新结果，再在该话题上对所有的用户计算话题权威值(表征该用户的话题权威性)，根据此话题权威值，再一次对搜索引擎返回的搜索结果进行重排序。本发明针对微博搜索领域，综合考虑用户话题权威性以及传统的话题权威度量，提出用户话题权威值的计算方法，并使用得到的用户话题权威值对搜索引擎按照时间顺序返回的结果进行调整，其意义在于，该方法能够提高排序后返回结果的质量，从而证明用户话题权威性在微博排序中的有效性，增强用户体验。
-
-
-
-
-
-
-
-
-
Search Results
43
records
(took 0.023 seconds)
