-
公开(公告)号：CN111966828A
公开(公告)日：2020-11-20
申请号：CN202010729459.0
申请日：2020-07-27
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/9532 , G06K9/62
Abstract: 该发明公开了一种基于文本上下文结构和属性信息叠加网络的报刊新闻分类方法，属于信息处理领域。本发明使用文本向量表征方法将不定长度的文本转化为固定长度的向量避免了文本信息的丢失和冗余；从训练数据的角度来说，采用加权随机采样，通过权重调节样本被选择的可能性，优化训练样本的构成；从特征提取的角度来说，本文不仅考虑到上下文结果信息同时也兼顾文本属性信息，优化特征提取过程。本发明不仅改进了文本特征的提取方式，还额外地将属性特征纳入特征构建的过程中。使用文本向量表征方法将不定长度的文本转化为固定长度的向量避免了文本信息的丢失和冗余，优化了文本特征的提取方式；额外添加了新闻的特征信息，丰富了特征的来源。
-
公开(公告)号：CN111966828B
公开(公告)日：2022-05-03
申请号：CN202010729459.0
申请日：2020-07-27
Applicant: 电子科技大学
IPC: G06F16/35 , G06F16/9532 , G06K9/62
Abstract: 该发明公开了一种基于文本上下文结构和属性信息叠加网络的报刊新闻分类方法，属于信息处理领域。本发明使用文本向量表征方法将不定长度的文本转化为固定长度的向量避免了文本信息的丢失和冗余；从训练数据的角度来说，采用加权随机采样，通过权重调节样本被选择的可能性，优化训练样本的构成；从特征提取的角度来说，本文不仅考虑到上下文结果信息同时也兼顾文本属性信息，优化特征提取过程。本发明不仅改进了文本特征的提取方式，还额外地将属性特征纳入特征构建的过程中。使用文本向量表征方法将不定长度的文本转化为固定长度的向量避免了文本信息的丢失和冗余，优化了文本特征的提取方式；额外添加了新闻的特征信息，丰富了特征的来源。
-
Patent Agency Ranking
公开(公告)号：CN113158041A
公开(公告)日：2021-07-23
申请号：CN202110418032.3
申请日：2021-04-19
Applicant: 电子科技大学
IPC: G06F16/9535 , G06F40/284 , G06F16/33 , G06K9/62 , G06N3/08
Abstract: 该发明公开了一种基于多属性特征的文章推荐方法，属于信息处理领域。用多属性文章特征的推荐方法，提取更多文章特征，提升推荐性能：利用基于文章引文网络的struc2vec嵌入向量，基于带有文章作者、机构信息的异构网络的metapath2vec嵌入向量，文章标题、摘要内容doc2vec的嵌入向量，在原引文网络的基础上，通过重构图的方法，该方法能够按照权重结合同构引文网络、异构文章网络、文本信息的嵌入结果。对于多属性特征的重构网络，使用能够结合结构信息和同质信息的方法进行图嵌入，提升推荐性能：通过node2vec方法得到文章节点含有结构信息和同质信息的嵌入向量，最终通过向量相似度进行推荐。
-
公开(公告)号：CN114580529B
公开(公告)日：2023-04-21
申请号：CN202210202568.6
申请日：2022-03-03
Applicant: 电子科技大学
IPC: G06F18/2431 , G06F18/25 , G06F18/2113 , G06F18/21 , A63B24/00 , A63B69/00
Abstract: 该发明公开了一种选拔和训练足球运动员的系统，属于数据处理领域。本发明收集球员的特征，根据这些特征数据对球员的各方面能力进行分类评估，得出球员的状态，找到球员需要提高的方面。在计算运动员最需要提高的项目时，不仅考虑到运动员在此项目上的表现情况，还额外考虑到此项目的相对重要性。为每个运动员寻找出最需要提高的项目是具有极大现实意义的，依此可以为每名运动员制定出一套个性化的训练方案，提高球队的整体水平。本发明可以从标签为不优秀的运动员中找出那些具有特长的运动员，依此进行强化训练或者弱项补齐可提升球队的核心竞争力；另一方面，全能型球员必然是少之又少的，通过潜力挖掘找出具有潜力的特色型球员具有很大的现实意义。
-
公开(公告)号：CN113158041B
公开(公告)日：2022-07-29
申请号：CN202110418032.3
申请日：2021-04-19
Applicant: 电子科技大学
IPC: G06F16/9535 , G06F40/284 , G06F16/33 , G06K9/62 , G06N3/08
Abstract: 该发明公开了一种基于多属性特征的文章推荐方法，属于信息处理领域。用多属性文章特征的推荐方法，提取更多文章特征，提升推荐性能：利用基于文章引文网络的struc2vec嵌入向量，基于带有文章作者、机构信息的异构网络的metapath2vec嵌入向量，文章标题、摘要内容doc2vec的嵌入向量，在原引文网络的基础上，通过重构图的方法，该方法能够按照权重结合同构引文网络、异构文章网络、文本信息的嵌入结果。对于多属性特征的重构网络，使用能够结合结构信息和同质信息的方法进行图嵌入，提升推荐性能：通过node2vec方法得到文章节点含有结构信息和同质信息的嵌入向量，最终通过向量相似度进行推荐。
-
公开(公告)号：CN114580529A
公开(公告)日：2022-06-03
申请号：CN202210202568.6
申请日：2022-03-03
Applicant: 电子科技大学
Abstract: 该发明公开了一种选拔和训练足球运动员的系统，属于数据处理领域。本发明收集球员的特征，根据这些特征数据对球员的各方面能力进行分类评估，得出球员的状态，找到球员需要提高的方面。在计算运动员最需要提高的项目时，不仅考虑到运动员在此项目上的表现情况，还额外考虑到此项目的相对重要性。为每个运动员寻找出最需要提高的项目是具有极大现实意义的，依此可以为每名运动员制定出一套个性化的训练方案，提高球队的整体水平。本发明可以从标签为不优秀的运动员中找出那些具有特长的运动员，依此进行强化训练或者弱项补齐可提升球队的核心竞争力；另一方面，全能型球员必然是少之又少的，通过潜力挖掘找出具有潜力的特色型球员具有很大的现实意义。
-
公开(公告)号：CN113095488A
公开(公告)日：2021-07-09
申请号：CN202110471891.9
申请日：2021-04-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多智能体最大熵强化学习的合作博弈方法，包括构建合作博弈模型、初始化状态以及各网络参数、与环境交互生成数据并存入经验重放池、从经验重放池中采样数据、计算损失函数和目标函数梯度以及软更新网络参数、随机博弈验证以及合作博弈方法实现这几个步骤。本发明将确定性的策略梯度算法改进为随机性的策略梯度算法，将最大熵模型运用到多智能体强化学习中，并与传统强化学习中的Actor‑Critic框架结合，简化了学习的过程；使用策略梯度算法直观地更新网络，可以更高效且稳定地达到训练要求；另外，使用了经验重放池，通过Off‑Policy的学习方法对网络进行训练，提高了采样效率。
-
-
-
-
-
-
Search Results
7
records
(took 0.021 seconds)
