-
公开(公告)号：CN116187547A
公开(公告)日：2023-05-30
申请号：CN202310095916.9
申请日：2023-02-10
Applicant: 北京理工大学
IPC: G06Q10/04 , G06Q50/26 , G06Q50/00 , G06N3/048 , G06N3/08 , G06N3/084 , G06F40/289 , G06N3/0442
Abstract: 本发明提供一种基于双层LSTM模型的自杀危机预测系统，通过先采用BiLSTM和注意力机制逐一提取在线社交文本中的语意信息，再使用一种基于LSTM改进的方法，将用户的历史发帖内容得到的回复数量考虑在内，从而将用户历史动态的在线社交文本信息整合，克服了当前自杀危机预测方法没有充分考虑用户历史动态在线社交文本信息的缺点，挖掘了历史在线社交文本信息中异质的特征，提升了预测能力，并取得了更好的自杀危机预测结果。
-
公开(公告)号：CN119786014A
公开(公告)日：2025-04-08
申请号：CN202411834856.9
申请日：2024-12-13
Applicant: 北京理工大学
Abstract: 本发明涉及一种在并发症存在的情况下基于手机传感器数据分析抑郁情绪的方法，属于抑郁症的筛查技术领域。首先建立数据库并将建立的数据库中的数据按照7:3划分为训练集和测试集，构建不确定性推理的神经网络URNN分析收集传感器数据以评估用户的抑郁情绪；使用训练集对构建的不确定性推理的神经网络URNN进行训练，最后使用测试集对训练后的URNN进行评估。本发明的方法通过整合来自不同传感器的数据，结合机器学习和深度学习算法，从数据中提取出与抑郁症相关的特征，并考虑并发症的影响，以实现更准确的抑郁情绪分析。
-
公开(公告)号：CN119475125A
公开(公告)日：2025-02-18
申请号：CN202411489508.2
申请日：2024-10-24
Applicant: 北京理工大学
IPC: G06F18/2431 , A61B5/08 , A61B5/00 , G06F18/25 , G06F18/10 , G06F18/2131 , G06F18/27 , G06N3/0464 , G06N3/045 , G06N3/0442 , G06N3/0985 , G06N20/20 , G16H50/70 , G06F123/02 , G06N3/006 , G06N3/048
Abstract: 本发明提供一种基于多视图集成学习的呼吸音数据分类系统，属于人工智能中的音频数据分析领域。该系统包括数据预处理模块、多视图特征提取模块、基于元学习的多视图集成学习模块、以及基于萤火虫算法的参数优化模块。数据处理模块，用于执行对所采集的原始呼吸音数据进行降噪、分割以及规范化处理等预处理工作；多视图特征提取模块，用于执行呼吸音数据声学特征、频谱特征和时间序列特征的特征提取工作；基于元学习的多视图集成学习模块用于建立三个异质基分类器，并且利用堆叠技术对三个基分类器输出的结果进行融合；本发明对基于元学习的多视图集成学习模块中涉及的多个敏感参数，建立基于萤火虫算法的参数优化模块进行多参数优化。
-
Patent Agency Ranking
公开(公告)号：CN117648924A
公开(公告)日：2024-03-05
申请号：CN202311382381.X
申请日：2023-10-24
Applicant: 北京理工大学
IPC: G06F40/258 , G06F40/211 , G06F40/289 , G06F40/30 , G06F18/214 , G06F18/27 , G06N3/045 , G06N3/0442 , G06N3/08 , G06N3/0499
Abstract: 本发明涉及一种两阶段心理求助者写作反馈方法，特别涉及一种基于多视角、多任务学习的两阶段心理求助者写作反馈方法，属于写作辅助的技术领域。本发明的方法设计了两阶段的训练方式，并采用不同的模型来递进式的预测评论数量。这样操作能够考虑非结构化信息(即语义)与结构化信息(其他直接测量的特征)之间的交互对于最终预测的影响，同时在两个阶段能够分别对描述的语义以及一些结构化的特征进行可解释性分析。
-
公开(公告)号：CN111143704B
公开(公告)日：2023-10-20
申请号：CN201911322563.1
申请日：2019-12-20
Applicant: 北京理工大学
IPC: G06F16/9536 , G06F17/16 , G06Q10/0639 , G06Q50/00
Abstract: 本发明提供一种融合用户影响关系的在线社区好友推荐方法及装置，该方法的具体过程为：步骤1.构建隐性用户行为网络，所述用户行为网络包括无向加权用户行为网络和有向加权用户行为网络；基于有向加权用户行为网络计算在线社区中基于兴趣的用户影响关系；步骤2.基于所述无向加权用户行为网络，获取具有相似兴趣的用户社团；步骤3.基于目标用户所在的社团，构建用户好友关系网络；基于所述用户影响关系构建用户影响关系网络；步骤4.结合用户好友关系网络和用户影响关系网络进行好友推荐。本发明具有更好的好友推荐效果。
-
公开(公告)号：CN118506425A
公开(公告)日：2024-08-16
申请号：CN202410741600.7
申请日：2024-06-11
Applicant: 北京理工大学
IPC: G06V40/16 , G06V10/764 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种表情识别方法及装置。本发明采用经典VGG神经网络并进行修改：通过减少全连接层的数量，极大地优化了神经网络的参量，使得从经典网络模型的140MB大小参量减小到10MB左右，大大节省了计算资源和训练时间；同时引入了注意力机制，让网络模型能够自主学习到重要的特征通道，使得在不过多增大模型参量的情况下，精度有一定提高；在神经网络模型训练过程中，损失函数采用加权交叉熵，基于各表情类别的重要性，对各表情类别赋予不同的权重，提高识别的精细程度；同时在损失函数中引入中心损失，缩小类内距离，提高识别精度。
-
公开(公告)号：CN116153512A
公开(公告)日：2023-05-23
申请号：CN202310153955.X
申请日：2023-02-13
Applicant: 北京理工大学
IPC: G16H50/30 , G06N3/0442 , G06F16/35 , G06F40/194
Abstract: 本发明涉及一种可解释的社交媒体用户的抑郁情绪风险评估方法，属于负面情绪的筛查技术领域。首先建立用户数据库并将建立的用户数据库中的用户数据按照6:2:2划分为训练集、验证集和测试集，构建基于多时间尺度的原型学习网络MSTPNet；使用训练集对学习网络MSTPNet进行训练，使用验证集和测试集选择最优的模型参数，最后输入待评估用户的历史发帖数据获得待评估用户是否存在抑郁情绪。本发明的方法根据发帖时间的距离和阈值参数，基于层次聚类方法将帖子划分为不同的聚类，主要目的是确定原型的有效时段，为后续抑郁情绪表现原型持续时间等时间维度的分析提供支持。
-
公开(公告)号：CN111143704A
公开(公告)日：2020-05-12
申请号：CN201911322563.1
申请日：2019-12-20
Applicant: 北京理工大学
IPC: G06F16/9536 , G06F17/16 , G06Q10/06 , G06Q50/00
Abstract: 本发明提供一种融合用户影响关系的在线社区好友推荐方法及装置，该方法的具体过程为：步骤1.构建隐性用户行为网络，所述用户行为网络包括无向加权用户行为网络和有向加权用户行为网络；基于有向加权用户行为网络计算在线社区中基于兴趣的用户影响关系；步骤2.基于所述无向加权用户行为网络，获取具有相似兴趣的用户社团；步骤3.基于目标用户所在的社团，构建用户好友关系网络；基于所述用户影响关系构建用户影响关系网络；步骤4.结合用户好友关系网络和用户影响关系网络进行好友推荐。本发明具有更好的好友推荐效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.018 seconds)
