-
公开(公告)号：CN114742328A
公开(公告)日：2022-07-12
申请号：CN202210658910.3
申请日：2022-06-13
Applicant: 北京邮电大学
Abstract: 本发明提供一种面向科技学术会议的领域趋势预测方法、装置及存储介质，所述方法的步骤包括，获取第一时间段的学术分布特征，基于学术分布特征通过第一网络模型得到学科特征向量；获取第一时间段的附加特征，将附加特征通过第二网络模型得到附加特征向量；将所述附加特征向量与学科特征向量进行拼接，得到融合向量，将所述融合向量进行映射处理，得到初级解码向量；将所述初级解码向量输入第三网络模型，所述第三网络模型用于根据第一时间段的初级解码向量计算第二时间段的预测参数，基于第二时间段的预测参数构建预测图，进行趋势预测，本发明的方案将原有单独的复杂模型修改为多个模型的方式，在趋势预测上取得了更低的误差，提高计算效率。
-
公开(公告)号：CN115309849A
公开(公告)日：2022-11-08
申请号：CN202210735762.0
申请日：2022-06-27
Applicant: 北京邮电大学
Abstract: 本发明提供一种基于知识蒸馏的特征提取方法、装置及数据分类方法，所述方法的步骤包括，数据获取，基于网络地址信息获取第一基础数据，存储在预设的数据库中；特征向量获取，将数据库中的第一基础数据分别输入到未训练的学生模型和完成训练的教师模型中，所述学生模型的网络层数量小于教师模型的网络层数量，得到学生模型输出的第一特征向量和教师模型输出的第二特征向量；模型训练，基于第一特征向量和第二特征向量计算损失函数，基于损失函数值优化学生模型中各网络层的参数，得到完成训练的学生模型；特征提取，再次基于网络地址信息获取第二基础数据，将第二基础数据输入完成训练的学生模型得到第三特征向量。
-
Patent Agency Ranking
公开(公告)号：CN114863194A
公开(公告)日：2022-08-05
申请号：CN202210807253.4
申请日：2022-07-11
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V30/18 , G06V30/19 , G06V10/40 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种科技资讯跨媒体检索特征映射网络训练方法、检索方法及装置，基于对抗学习的方式构建特征映射器和媒体判别器，利用特征映射器将图像数据或文字数据的映射至一个统一的隐嵌入空间提取特征进行比对，在对抗学习过程中，通过构建联合损失使特征映射器关注语义特征在不同科技类别下的区别性、关注不同媒体间数据语义特征上的一致性，同时关注到对语义特征在媒体类别上的差异性，使得最终的特征映射器突破不同媒体之间提取语义特征的局限性，提高了科技资讯跨媒体检索的准确率。
-
公开(公告)号：CN114818660A
公开(公告)日：2022-07-29
申请号：CN202210754761.0
申请日：2022-06-30
Applicant: 北京邮电大学
IPC: G06F40/211 , G06F40/258 , G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08 , G06V10/82 , G06V30/416
Abstract: 本申请提供一种跨媒体科研资源特征提取模型训练方法、特征提取方法及装置，训练方法包括：基于跨媒体科研资源数据实时采集系统获取不同媒体来源的科研资源数据并进行数据结构化处理；根据其中的科研资源文本数据对第一深度学习模型进行模型训练及优化，以形成科研资源文本语义特征提取模型；并根据科研资源图像数据对第二深度学习模型进行模型训练及优化，以形成科研资源图像语义特征提取模型。本申请能够专门适用于科研资源数据的语义特征学习，提高跨媒体科研资源数据提取的可靠性、便捷性及有效性，能够提高采用科研资源数据训练后的深度学习模型面向科研资源数据进行特征提取时的表征能力，提高提取结果的全面性、多样性、准确性及可靠性。
-
公开(公告)号：CN114863194B
公开(公告)日：2022-11-18
申请号：CN202210807253.4
申请日：2022-07-11
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06V30/18 , G06V30/19 , G06V10/40 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种面向科技资讯跨媒体检索特征映射网络训练方法、检索方法及装置，基于对抗学习的方式构建特征映射器和媒体判别器，利用特征映射器将图像数据或文字数据的映射至一个统一的隐嵌入空间提取特征进行比对，在对抗学习过程中，通过构建联合损失使特征映射器关注语义特征在不同科技类别下的区别性、关注不同媒体间数据语义特征上的一致性，同时关注到对语义特征在媒体类别上的差异性，使得最终的特征映射器突破不同媒体之间提取语义特征的局限性，提高了科技资讯跨媒体检索的准确率。
-
公开(公告)号：CN114818737B
公开(公告)日：2022-11-18
申请号：CN202210745539.4
申请日：2022-06-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种科技论文数据文本语义特征提取方法、系统及存储介质，所述方法包括：获取科技论文的文本信息，并基于获取到的科技论文的文本信息构建实体关系图，所述文本信息包括论文标题以及关键词，实体关系图中的节点为论文标题或关键词，实体关系图中的边为节点之间的关联关系；基于获取到的科技论文的文本信息提取语义特征，得到语义特征矩阵；基于实体关系图确定原始邻接矩阵，将语义特征矩阵及所述原始邻接矩阵输入至图网络模型，得到空间特征矩阵；将语义特征矩阵与空间特征矩阵进行特征融合，得到科技论文的最终语义特征。该特征提取方法在提取科技论文语料的语义特征的基础上，利用知识图谱的空间关联，可较好的提取到科技论文的语义特征。
-
公开(公告)号：CN114818737A
公开(公告)日：2022-07-29
申请号：CN202210745539.4
申请日：2022-06-29
Applicant: 北京邮电大学
Abstract: 本发明提供一种科技论文数据文本语义特征提取方法、系统及存储介质，所述方法包括：获取科技论文的文本信息，并基于获取到的科技论文的文本信息构建实体关系图，所述文本信息包括论文标题以及关键词，实体关系图中的节点为论文标题或关键词，实体关系图中的边为节点之间的关联关系；基于获取到的科技论文的文本信息提取语义特征，得到语义特征矩阵；基于实体关系图确定原始邻接矩阵，将语义特征矩阵及所述原始邻接矩阵输入至图网络模型，得到空间特征矩阵；将语义特征矩阵与空间特征矩阵进行特征融合，得到科技论文的最终语义特征。该特征提取方法在提取科技论文语料的语义特征的基础上，利用知识图谱的空间关联，可较好的提取到科技论文的语义特征。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
