-
-
公开(公告)号：CN113688241A
公开(公告)日：2021-11-23
申请号：CN202111009968.7
申请日：2021-08-31
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/216 , G06F40/242
Abstract: 本发明公开了一种基于融合多级别主题情感模型的文本分类方法及装置。所述基于融合多级别主题情感模型的文本分类方法，包括以下步骤：S1，对文本进行预处理；S2，预处理后的文本输入单词级主题情感模型JST、语块级主题情感模型CTSM和句子级主题情感模型SJTSM中，分别提取文本的单词级、语块级和句子级主题情感概率分布；S3，提取的单词级、语块级和句子级主题情感概率分布进行拼接，得到多级别主题情感概率分布；S4，多级别主题情感概率分布作为文本的特征向量输入到分类器中进行文本分类，得到分类结果。
-
Patent Agency Ranking
公开(公告)号：CN113688241B
公开(公告)日：2023-08-29
申请号：CN202111009968.7
申请日：2021-08-31
Applicant: 重庆大学
IPC: G06F16/35 , G06F40/216 , G06F40/242
Abstract: 本发明公开了一种基于融合多级别主题情感模型的文本分类方法及装置。所述基于融合多级别主题情感模型的文本分类方法，包括以下步骤：S1，对文本进行预处理；S2，预处理后的文本输入单词级主题情感模型JST、语块级主题情感模型CTSM和句子级主题情感模型SJTSM中，分别提取文本的单词级、语块级和句子级主题情感概率分布；S3，提取的单词级、语块级和句子级主题情感概率分布进行拼接，得到多级别主题情感概率分布；S4，多级别主题情感概率分布作为文本的特征向量输入到分类器中进行文本分类，得到分类结果。
-
公开(公告)号：CN110096629A
公开(公告)日：2019-08-06
申请号：CN201910401314.5
申请日：2019-05-15
Applicant: 重庆大学
IPC: G06F16/903 , G06F16/906
Abstract: 本发明公开了一种基于有效加权树的挖掘频繁项集的方法，包括以下步骤：S1：从网络上读取数据库D，该数据库D包含N个事务，每个事务包含不同项目，项目数量以及每个项目所占的权重w；S2：计算每个事务在数据库D中的事务权重tw，生成事务权重表；S3：计算项集S的权重W，并预设阈值minws；若W≥minws，则项集S为频繁项集；若W＜minws，则项集S为非频繁项集；S4：构建有效加权树模型，用于挖掘频繁项集。本发明通过对项集赋予权重并进行权重的计算，从而构建有效加权树模型，提高了频繁项集的挖掘效率和降低了内存应用，适用于大数据的数据库。
-
公开(公告)号：CN110096629B
公开(公告)日：2023-07-28
申请号：CN201910401314.5
申请日：2019-05-15
Applicant: 重庆大学
IPC: G06F16/903 , G06F16/906
Abstract: 本发明公开了一种基于有效加权树的挖掘频繁项集的方法，包括以下步骤：S1：从网络上读取数据库D，该数据库D包含N个事务，每个事务包含不同项目，项目数量以及每个项目所占的权重w；S2：计算每个事务在数据库D中的事务权重tw，生成事务权重表；S3：计算项集S的权重W，并预设阈值minws；若W≥minws，则项集S为频繁项集；若W＜minws，则项集S为非频繁项集；S4：构建有效加权树模型，用于挖掘频繁项集。本发明通过对项集赋予权重并进行权重的计算，从而构建有效加权树模型，提高了频繁项集的挖掘效率和降低了内存应用，适用于大数据的数据库。
-
公开(公告)号：CN110111370A
公开(公告)日：2019-08-09
申请号：CN201910401324.9
申请日：2019-05-15
Applicant: 重庆大学
Abstract: 本发明公开了一种基于TLD和深度多尺度时空特征的视觉物体跟踪方法，包括以下步骤：S1：从网络上选择视频序列，用于进行目标物体的跟踪；S2：选择视频序列中任一帧的图像作为初始帧图像，并进行处理得到第一数据，第一数据包括目标物体的上下文区域、多尺度模板、分类标签以及回归标签；S3：将得到的第一数据输入构建的模型中进行训练，得到模型的初始参数，初始参数为目标物体的分类值和回归值；S4：通过构建的模型计算目标物体的状态信息，状态信息包括位置、尺度和运动方向。本发明提高了算法的运行速度及计算效率，健壮地识别目标物体的外观变化，从而跟踪计算目标物体的位置、尺度和运动方向。
-
公开(公告)号：CN109978710A
公开(公告)日：2019-07-05
申请号：CN201910289422.8
申请日：2019-04-11
Applicant: 重庆大学
IPC: G06Q50/00 , G06F16/901
Abstract: 本发明公开基于K‑核迭代因子和社区隶属度的重叠社区划分方法，包括以下几个步骤：S1：读取网络数据集，生成网络结构图G并获取网络各节点的邻接信息表Nij；S2:计算网络结构图G中各节点的K‑核迭代因子；S3:计算网络结构图G中各节点的节点密度，并对节点密度进行归一化处理；S4:结合K‑核迭代因子和节点密度计算节点影响力，并选取节点影响力最大的节点作为种子节点；S5:以种子节点为核心进行局部社区扩展得到子社区，从而得到第一次社区划分集合；S6:将第一次社区划分集合中的子社区进行合并，从而得到第二次社区划分集合。
-
-
-
-
-
-
Search Results
7
records
(took 0.015 seconds)
