-
公开(公告)号：CN114781966A
公开(公告)日：2022-07-22
申请号：CN202210367324.3
申请日：2022-04-08
Applicant: 重庆大学
Abstract: 本发明提供了一种物流配送路径规划方法、装置、设备及存储介质，该方法包括：获取多个待配送点中每个待配送点的信息，根据所述信息，确定每个待配送点的配送位置；确定配送员的出发地的位置信息；基于所述出发地的位置信息和每个待配送点的配送位置，基于自适应动态蚁群算法确定从出发地出发的目标配送路径，所述基于自适应动态蚁群算法确定从所述出发地出发的目标配送路径包括：从确定蚂蚁数量、蚂蚁放置位置、结合选择最优待配送点和选择最优邻居对的待配送点选择策略三个方面进行优化，从而从根源上解决了现有的物流配送领域中物流配送中的配送路径规划不合理，降低配送成本，提高物流配送效率和客户满意度的问题。
-
公开(公告)号：CN111814453B
公开(公告)日：2023-08-08
申请号：CN202010655517.X
申请日：2020-07-09
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/30 , G06F40/216 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供了基于BiLSTM‑TextCNN的细粒度情感分析方法，步骤如下：S1、输入的数据只以单词向量为目标进行加权，不对词向量求和，从而得到输入层数据Vi；S2、Vi经由BiLSTM产生前向隐向量hli和后向隐向量hri，hli与hri维度相同，将他们在同一维度上拼接可得向量矩阵hi；S3、BiLSTM生成的低层次特征hi，作为TextCNN网络的输入运算，通过卷积和池化后生成特征向量Fi，卷积池化的过程同标准的TextCNN网络；S4、考虑到细粒度分析是多标签分类任务，全连接层这里没有使用Softmax回归，而是使用Sigmoid加以替代。本发明为准确地提取诸如汽车评论等领域数据中的关键信息和关键特征，更有效地提高分类效果，进一步促进深度学习技术在细粒度情感分类上的研究和应用提供了又一理想方法。
-
公开(公告)号：CN114781966B
公开(公告)日：2024-04-12
申请号：CN202210367324.3
申请日：2022-04-08
Applicant: 重庆大学
IPC: G06Q10/0835 , G06Q10/047 , G06N3/006 , G06F18/23213
Abstract: 本发明提供了一种物流配送路径规划方法、装置、设备及存储介质，该方法包括：获取多个待配送点中每个待配送点的信息，根据所述信息，确定每个待配送点的配送位置；确定配送员的出发地的位置信息；基于所述出发地的位置信息和每个待配送点的配送位置，基于自适应动态蚁群算法确定从出发地出发的目标配送路径，所述基于自适应动态蚁群算法确定从所述出发地出发的目标配送路径包括：从确定蚂蚁数量、蚂蚁放置位置、结合选择最优待配送点和选择最优邻居对的待配送点选择策略三个方面进行优化，从而从根源上解决了现有的物流配送领域中物流配送中的配送路径规划不合理，降低配送成本，提高物流配送效率和客户满意度的问题。
-
公开(公告)号：CN111814453A
公开(公告)日：2020-10-23
申请号：CN202010655517.X
申请日：2020-07-09
Applicant: 重庆大学
IPC: G06F40/216 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了基于BiLSTM-TextCNN的细粒度情感分析方法，步骤如下：S1、输入的数据只以单词向量为目标进行加权，不对词向量求和，从而得到输入层数据Vi；S2、Vi经由BiLSTM产生前向隐向量hli和后向隐向量hri，hli与hri维度相同，将他们在同一维度上拼接可得向量矩阵hi；S3、BiLSTM生成的低层次特征hi，作为TextCNN网络的输入运算，通过卷积和池化后生成特征向量Fi，卷积池化的过程同标准的TextCNN网络；S4、考虑到细粒度分析是多标签分类任务，全连接层这里没有使用Softmax回归，而是使用Sigmoid加以替代。本发明为准确地提取诸如汽车评论等领域数据中的关键信息和关键特征，更有效地提高分类效果，进一步促进深度学习技术在细粒度情感分类上的研究和应用提供了又一理想方法。
-
-
-
Search Results
4
records
(took 0.013 seconds)
