-
公开(公告)号：CN117591671A
公开(公告)日：2024-02-23
申请号：CN202311603691.X
申请日：2023-11-28
Applicant: 湖南大学
IPC: G06F16/35 , G06F16/33 , G06F16/338 , G06F18/23213 , G06N3/045 , G06N3/042 , G06N3/08
Abstract: 一种科普素材分类器构建、分类、检索方法及装置，构建方法为：构建WGDPool网络，构建损失函数Lu；分类方法：将待分类科普素材所对应的图结构 输入至WGDPool网络中进行训练，直至损失函数收敛，得到节点分配矩阵S；检索方法：训练WGDPool网络；将待检索科普素材转化为节点特征作为目标节点，并将目标节点替换G'中的插入节点形成G”，重新设置K的数值，并将G”输入至训练好的WGDPool网络中，得到节点分配矩阵S’，与待检索科普素材划分到同一簇中的科普素材为检索结果；一种科普素材分类装置，包括WGDPool网络和损失函数构建模块。
-
公开(公告)号：CN113268675B
公开(公告)日：2022-07-08
申请号：CN202110542802.5
申请日：2021-05-19
Applicant: 湖南大学
IPC: G06F16/9536 , G06F16/35 , G06F16/33 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于图注意力网络的社交媒体谣言检测方法，其首先获取待检测的谣言事件，对待检测的谣言事件对应的文本进行预处理，以得到预处理后的文本，并使用BERT‑Large‑Cased预训练词向量模型将预处理后的文本转换成文本向量矩阵，然后根据待检测的谣言事件对应的用户之间的转发、评论或回复关系构建用户关系结构图表示为G＝(V,E)，并根据该用户关系结构图构建邻接矩阵，最后将文本向量矩阵、以及邻接矩阵，输入预先训练好的谣言检测模型中，以得到最终的谣言检测结果。本发明能够解决现有基于深度学习的谣言检测方法由于不能高效的提取谣言传播结构特征和聚合邻接节点特征,导致影响谣言检测准确度的技术问题。
-
公开(公告)号：CN115714352A
公开(公告)日：2023-02-24
申请号：CN202211503415.1
申请日：2022-11-28
Applicant: 湖南大学
Abstract: 一种双侧自供电的双向直流固态断路器包括双向固态开关、DC/DC转换器和能量吸收回路，能量回收电路包括电容C、压敏电阻MOV、二极管D1、D2以及接地电阻R；双向固态开关的SiC功率开关管J1的源极接于电源侧，SiC功率开关管J2的源极经过检测单元后接于线路侧；电容C的一端与SiC功率开关管J1、J2的漏极连接，另一端下拉接地电阻R；压敏电阻MOV与电容C并联；二极管D1、D2采用共阳极的方式反串联，二极管D1、D2的阴极分别与SiC功率开关管J1、J2的源极连接；DC/DC转换器的输入端与电容C的两端连接，DC/DC转换器将电容C上的电压通过降压隔离后为检测单元、控制单元和驱动单元供电；驱动单元控制SiC功率开关管J1、J2的关断。本发明能实现双侧灵活取电且不间断自供电。
-
Patent Agency Ranking
公开(公告)号：CN117591668A
公开(公告)日：2024-02-23
申请号：CN202311603695.8
申请日：2023-11-28
Applicant: 湖南大学
Abstract: 一种基于概念格的科普主题及核心知识提取方法，包括以下步骤：S1.获取科普主题作为对象集O，并获取各科普主题相应的核心知识作为属性集A，同时获取各科普主题内容受众人群作为标签集D；S2.构建决策形式背景F，S3.从决策形式背景中选取部分子集作为决策形式子背景；S4.在决策形式子背景上根据概念格定义构建决策形式子背景的概念格L；S5.利用决策形式子背景概念格通过增量法分别构建形式背景概念格；S6.获取非平凡决策规则，并将所有符合条件的非平凡决策规则放入规则集R。
-
公开(公告)号：CN112711953A
公开(公告)日：2021-04-27
申请号：CN202110066091.9
申请日：2021-01-19
Applicant: 湖南大学
Abstract: 本发明公开了一种基于注意力机制和GCN的文本多标签分类方法，包括：获取待分类文本，对该待分类文本进行预处理，并使用Glove预训练词向量将预处理后的待分类文本转换为多维向量；将得到的多维向量输入到预先训练好的分类模型中，以得到待分类文本的分类结果。本发明利用注意力机制构建文本、单词、标签之间的语义相关性，一方面，汇总文本和标签信息形成新的文本单词表示形式，更充分地进行文本特征提取，另一方面，汇总文本和单词信息形成新的标签表示形式，利用图神经网络进行标签的相关性建模。在两个角度上提升文本多标签分类的效果。
-
公开(公告)号：CN112711953B
公开(公告)日：2024-01-26
申请号：CN202110066091.9
申请日：2021-01-19
Applicant: 湖南大学
IPC: G06F40/30 , G06F16/35 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种基于注意力机制和GCN的文本多标签分类方法，包括：获取待分类文本，对该待分类文本进行预处理，并使用Glove预训练词向量将预处理后的待分类文本转换为多维向量；将得到的多维向量输入到预先训练好的分类模型中，以得到待分类文本的分类结果。本发明利用注意力机制构建文本、单词、标签之间的语义相关性，一方面，汇总文本和标签信息形成新的文本单词表示形式，更充分地进行文本特征提取，另一方面，汇总文本和单词信息形成新的标签表示形式，利用图神经网络进行标签的相关性建模。在两个角度上提升文本多标签分类的效果。
-
公开(公告)号：CN117218837A
公开(公告)日：2023-12-12
申请号：CN202311177749.9
申请日：2023-09-13
Applicant: 湖南大学
IPC: G08G1/01 , G08G1/065 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于动态时空图卷积神经网络的交通预测方法、系统、设备及介质，其中方法包括：通过小波变换将道路路网中节点的历史交通流数据分解为不同频率的近似分量和多个细节分量；利用基于深度可分离卷积神经网络的特征融合方法分别对各节点的多个细节分量进行特征融合；对不同频率的交通流量分别建模，结合静态邻接矩阵和自适应邻接矩阵构建动态图，通过动态图卷积神经网络细粒度地挖掘交通流量的动态时空相关性；利用多层扩张因果卷积神经网络来实现对长期时间特征的捕获，输出各节点的交通流量预测结果。本发明更加细致地挖掘交通流量的动态时空变化，提高了交通流量预测精度。
-
公开(公告)号：CN113268675A
公开(公告)日：2021-08-17
申请号：CN202110542802.5
申请日：2021-05-19
Applicant: 湖南大学
IPC: G06F16/9536 , G06F16/35 , G06F16/33 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于图注意力网络的社交媒体谣言检测方法，其首先获取待检测的谣言事件，对待检测的谣言事件对应的文本进行预处理，以得到预处理后的文本，并使用BERT‑Large‑Cased预训练词向量模型将预处理后的文本转换成文本向量矩阵，然后根据待检测的谣言事件对应的用户之间的转发、评论或回复关系构建用户关系结构图表示为G＝(V,E)，并根据该用户关系结构图构建邻接矩阵，最后将文本向量矩阵、以及邻接矩阵，输入预先训练好的谣言检测模型中，以得到最终的谣言检测结果。本发明能够解决现有基于深度学习的谣言检测方法由于不能高效的提取谣言传播结构特征和聚合邻接节点特征,导致影响谣言检测准确度的技术问题。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.016 seconds)
