-
公开(公告)号：CN111310066A
公开(公告)日：2020-06-19
申请号：CN202010124097.2
申请日：2020-02-27
Applicant: 湖北工业大学
IPC: G06F16/9536 , G06F16/34 , G06F16/2458 , G06K9/62 , G06Q50/00
Abstract: 本发明公开了一种基于主题模型和关联规则算法的好友推荐方法及系统，其中的方法提出基于主题模型和关联规则的好友推荐模型(FP-LDA)实现好友推荐，利用主题模型提取用户的短文本主题，然后对用户主题分布进行相似度计算聚类，再通过设定支持度阈值，利用关联规则算法挖掘出其中哪几个好友常常是同时被关注的，以此强关联模式帮助目标用户找到相似兴趣的好友。
-
公开(公告)号：CN110399980A
公开(公告)日：2019-11-01
申请号：CN201910467385.5
申请日：2019-05-31
Applicant: 湖北工业大学
Abstract: 本发明公开一种基于德尔菲法的群体一致性分析方法，针对于现今决策算法大多是对个体信息的聚集和信息融合上做了大量工作，但都没有对专家意见的一致性程度进行定义，只在意于对专家的偏好信息进行融合得出方案集的排序，导致最终得到的结果集无法确定是否为最佳结果集，该方法启用一种基于Delphi法的多准则群决策方法，该方法在多准则群决策方法的基础上引入了Delphi法的匿名机制和反馈机制，目的是为了避免个别专家控制群体意识，使专家的意见达到一定的收敛程度。本方法在基于反馈机制促进意见趋于一致的同时，最大程度的保留了初始意见，也避免了进入无休止的评价环节，使得最终的决策结果具有良好的收敛性。
-
公开(公告)号：CN110728144B
公开(公告)日：2023-04-07
申请号：CN201910946636.8
申请日：2019-10-06
Applicant: 湖北工业大学
IPC: G06F16/34 , G06F40/211 , G06F40/289 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开一种基于上下文语义感知的抽取式文档自动摘要方法，该方法主要解决传统的算法缺乏对于句子在不同的语境中的辨识度的问题。本发明首先用LDA主题模型计算文档中的主题概率分布，进而确定每一个句子与主题词的相似度。然后用CNN模型提取句子的语义特征，进而计算每一个句子与特征的相似度，然后最后把每一个句子的主题相似度和特征相似度的值相加，得到最终的句子得分，按得分排名取合适数量的语句作为摘要。该方法引入了主题模型和深度学习模型，确定了一种主题摘要方法，能够更加精确的分析其不同语境中的句子含义，也为其他的文档自动摘要方法提供了一种计算参考方法。
-
Patent Agency Ranking
公开(公告)号：CN111666756B
公开(公告)日：2023-12-05
申请号：CN202010453197.X
申请日：2020-05-26
Applicant: 湖北工业大学
IPC: G06F40/284 , G06F40/30 , G06F16/34 , G06N3/0442 , G06N3/084
Abstract: 本发明公开了一种基于主题融合的序列模型文本摘要生成方法，首先对输入文本进行预处理，使用word2vec模型来进行词嵌入训练,然后对词嵌入处理之后的文本使用序列到序列框架编码和解码。编码器和解码器网络都是通过双向长短时记忆网络层来构建，最后加入主题融合注意力机制将主题化和上下文的对齐信息提供到深度学习架构中，来帮助模型生成更连贯、多样性更强和信息更丰富的摘要。该方法引入数学领域中常见的统计学方法以及计算机领域的深度学习方法方法，确定了一种较为通用的文本摘要
-
公开(公告)号：CN111310066B
公开(公告)日：2023-06-09
申请号：CN202010124097.2
申请日：2020-02-27
Applicant: 湖北工业大学
IPC: G06F16/9536 , G06F16/34 , G06F16/2458 , G06F18/22 , G06Q50/00
Abstract: 本发明公开了一种基于主题模型和关联规则算法的好友推荐方法及系统，其中的方法提出基于主题模型和关联规则的好友推荐模型(FP‑LDA)实现好友推荐，利用主题模型提取用户的短文本主题，然后对用户主题分布进行相似度计算聚类，再通过设定支持度阈值，利用关联规则算法挖掘出其中哪几个好友常常是同时被关注的，以此强关联模式帮助目标用户找到相似兴趣的好友。
-
公开(公告)号：CN111782939A
公开(公告)日：2020-10-16
申请号：CN202010491392.1
申请日：2020-06-02
Applicant: 湖北工业大学
IPC: G06F16/9535
Abstract: 本发明属于人工智能技术领域，公开了一种基于用户偏好与用户属性的个性化推荐方法，提取目标用户的第一历史行为信息，根据偏好阈值条件进行筛选得到第二历史行为信息，进而得到目标用户对不同类别的物品的喜好信息，构建目标用户的偏好模型；根据目标用户的偏好模型，得到目标用户与其他用户之间的第一相似度信息，根据目标用户与其他用户的个人配置信息得到用户配置权值信息，结合第一相似度信息和用户配置权值信息得到第二相似度信息，构建相似用户集合；根据目标用户的偏好模型和相似用户集合构建待推荐物品总集。本发明解决了现有技术中个性化推荐无法保证推荐物与目标用户的偏好相契合的问题，能够确保推荐物品与用户的偏好相契合。
-
公开(公告)号：CN111666756A
公开(公告)日：2020-09-15
申请号：CN202010453197.X
申请日：2020-05-26
Applicant: 湖北工业大学
IPC: G06F40/284 , G06F40/30 , G06F16/34 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于主题融合的序列模型文本摘要生成方法，首先对输入文本进行预处理，使用word2vec模型来进行词嵌入训练,然后对词嵌入处理之后的文本使用序列到序列框架编码和解码。编码器和解码器网络都是通过双向长短时记忆网络层来构建，最后加入主题融合注意力机制将主题化和上下文的对齐信息提供到深度学习架构中，来帮助模型生成更连贯、多样性更强和信息更丰富的摘要。该方法引入数学领域中常见的统计学方法以及计算机领域的深度学习方法方法，确定了一种较为通用的文本摘要方法，也为其他文本摘要模型提供了一种计算参考方法，可以改善文本摘要的生成效果。
-
公开(公告)号：CN110728144A
公开(公告)日：2020-01-24
申请号：CN201910946636.8
申请日：2019-10-06
Applicant: 湖北工业大学
IPC: G06F40/289 , G06F40/30 , G06F16/34 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种基于上下文语义感知的抽取式文档自动摘要方法，该方法主要解决传统的算法缺乏对于句子在不同的语境中的辨识度的问题。本发明首先用LDA主题模型计算文档中的主题概率分布，进而确定每一个句子与主题词的相似度。然后用CNN模型提取句子的语义特征，进而计算每一个句子与特征的相似度，然后最后把每一个句子的主题相似度和特征相似度的值相加，得到最终的句子得分，按得分排名取合适数量的语句作为摘要。该方法引入了主题模型和深度学习模型，确定了一种主题摘要方法，能够更加精确的分析其不同语境中的句子含义，也为其他的文档自动摘要方法提供了一种计算参考方法。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.024 seconds)
