一种基于话题影响力的微博话题溯源方法

    公开(公告)号:CN104133897A

    公开(公告)日:2014-11-05

    申请号:CN201410374437.1

    申请日:2014-08-01

    CPC classification number: G06F17/2785 G06F17/30864

    Abstract: 本发明属于话题溯源范畴语义社会网络中的数据挖掘领域,具体涉及一种基于话题影响力的微博话题溯源方法。本发明包括:根据信息检索领域的隐形语义查询扩展方法,对输入的话题词组tp进行语义扩展,得到与给定话题相关的前k个话题;确定微博网络中的用户关系及信息传播规律,确定话题影响力TIN;根据影响力计算公式,以1h为一个时间步计算话题的影响力,得到话题在传播过程中随着时间变化的影响力趋势,其影响力强度从话题初期的缓慢增长到急剧上升最后达到平稳状态,即话题成长为热点;推导话题溯源递推公式,并确定其溯源递推终止条件,输出引发话题的源头。本发明使话题溯源递推的终止条件更加准确,溯源更加准确有效。

    一种电子邮件网关类系统邮件账户维护方法

    公开(公告)号:CN101499981B

    公开(公告)日:2014-10-22

    申请号:CN200910071577.0

    申请日:2009-03-19

    Abstract: 本发明提供的是一种电子邮件网关类系统邮件帐户维护的方法。使用POP3协议和SMTP协议探测邮件帐户信息,并将有效账户信息存储在动态散列表中,通过时间滑动窗口维护信息的有效性,这样当发现投递失败的邮件则将其从散列表中丢弃,对于新增加的用户在经过滑动窗口的等待时间以后在重新进行探测。在固定周期内,将散列结构存储到文件系统中,防止信息丢失,在系统意外重起时,可以直接从文件加载。本发明的有点在于:1)可以帮助邮件网关过滤掉大量账户不存在的邮件信息,降低了网关的负担,提高网关系统的利用率;2)支持在一个邮件网关中,同时管理多个邮件系统,减少了系统的部署成本。

    一种基于注意力模型的推荐方法

    公开(公告)号:CN109598586B

    公开(公告)日:2022-11-15

    申请号:CN201811455085.7

    申请日:2018-11-30

    Abstract: 本发明属于计算机技术领域中的推荐系统领域,具体涉及一种基于注意力模型的推荐方法。本发明首先将用户对商品的评分表示成用户商品评分矩阵;然后,将用户评论中的词语映射成词向量,作为双向循环神经网络的输入,并在双向循环神经网络的隐层之后加入注意力模型,用于提取重要情感词语的特征;接着,通过注意力模型为每条评论生成情感评分;最后,将用户对商品的真实评分与情感评分进行加权,更新用户评分矩阵,使用传统的协同过滤推荐方法为用户进行推荐。本发明可以有效的改善传统的推荐方法中对输入信息的稀释问题,同时考虑用户的情感因素对评论结果的影响,能够更准确地更正用户的评分行为,进而提高了推荐的准确率。

    一种基于元迁移学习的任务自适应的小样本图像分类方法

    公开(公告)号:CN114511739A

    公开(公告)日:2022-05-17

    申请号:CN202210089412.1

    申请日:2022-01-25

    Abstract: 本发明属于计算机技术领域,具体涉及一种基于元迁移学习的任务自适应的小样本图像分类方法。本发明通过结合元迁移学习,弥补MAML模型采用4Conv浅层网络提取特征不充分的问题;增加可训练的参数来学习平衡元知识在每个任务中的使用,解决现实场景下小样本学习的任务不平衡,类别不平衡,分布不平衡问题。本发明挑选每个任务中准确率低的样本,并重新组合它们的数据,使其成为更困难的任务,使元学习器在学习更加困难的任务的过程中提高模型的准确率。本发明提出的困难任务挖掘算法在线的收集分类效果差的样本组成困难任务,让学习器在困难任务中学习得更快、效果更好。

    一种基于角点检测的医学图像处理方法

    公开(公告)号:CN108830842B

    公开(公告)日:2022-01-07

    申请号:CN201810561043.5

    申请日:2018-06-04

    Abstract: 本发明提供的是一种基于角点检测的医学图像处理方法。一:对医学图像进行预处理;二:提取Harris角点;三:计算尺度归一化算子,检测每个点在某一个尺度响应值是否达到最大,获得提取的角点矩阵;四:获得了图像的角点矩阵之后将获得的点在图像中绘制出来,之后将角点矩阵传给聚类算法,进行聚类处理;五:给出一个K值,按照Kmeans算法进行聚类处理,用相似度矩阵作为判别函数,相似度低于阈值的类,不再进行合并。本发明无论是效果还是处理效率,亦或是在实际中的应用方面,均表现出了优越性与极大的适用价值。

    一种基于增强极速学习的卷积神经网络训练方法

    公开(公告)号:CN107609634A

    公开(公告)日:2018-01-19

    申请号:CN201710717240.7

    申请日:2017-08-21

    Abstract: 本发明公开了一种基于增强极速学习的卷积神经网络训练方法,属于人工神经网络领域。其特征在于:构建传统的卷积神经网络,以三层感知机作为全连接层;利用传统的训练算法预训练卷积神经网络模型;当网络的损失函数小于预先设定好的阈值时,停止预训练;将所有样本输入预训练好的卷积神经网络模型,记录误分类的样本;保持预训练的模型结构和参数不变,根据误分类样本和极速学习算法微调全连接层的隐层与输出层之间的连接权值。本发明克服了传统CNN存在的问题,具有学习速度快、网络泛化能力强的特点。

Patent Agency Ranking