-
Patent Agency Ranking
公开(公告)号：CN110458293A
公开(公告)日：2019-11-15
申请号：CN201910410046.3
申请日：2019-05-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种优化网络延迟的分布式ADMM机器学习方法。一个凸优化问题可以分解成许多子凸优化问题，每个子凸优化问题可以通过ADMM算法在对应的子节点解决。针对基于桥节点和工作节点的分布式ADMM算法的整体运行速度受限于网络连接延迟的影响，本发明提出了一种优化网络延迟的分布式ADMM机器学习算法，即在进行ADMM迭代运算前，考虑网络延迟的影响，动态地规划桥节点的位置以及个数，在相当程度上可以克服网络延迟、动态性、拓扑形态、带宽限制、数据分布化存储等网络特性对算法性能造成的影响。
-
公开(公告)号：CN110458293B
公开(公告)日：2023-03-31
申请号：CN201910410046.3
申请日：2019-05-16
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种优化网络延迟的分布式ADMM机器学习方法。一个凸优化问题可以分解成许多子凸优化问题，每个子凸优化问题可以通过ADMM算法在对应的子节点解决。针对基于桥节点和工作节点的分布式ADMM算法的整体运行速度受限于网络连接延迟的影响，本发明提出了一种优化网络延迟的分布式ADMM机器学习算法，即在进行ADMM迭代运算前，考虑网络延迟的影响，动态地规划桥节点的位置以及个数，在相当程度上可以克服网络延迟、动态性、拓扑形态、带宽限制、数据分布化存储等网络特性对算法性能造成的影响。
-
公开(公告)号：CN112733541A
公开(公告)日：2021-04-30
申请号：CN202110016942.9
申请日：2021-01-06
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于注意力机制的BERT‑BiGRU‑IDCNN‑CRF的命名实体识别方法，包括步骤：通过大规模无标注预料训练BERT预训练语言模型；在训练好的BERT模型的基础上，构造完整的BERT‑BiGRU‑IDCNN‑Attention‑CRF命名实体识别模型；构建实体识别训练集，并在该训练集上对完整实体识别模型进行训练；将待进行实体识别的预料输入到训练好的实体识别模型，输出命名实体识别结果，本发明将BiGRU和IDCNN神经网络提取的特征向量进行合并，弥补了BiGRU神经网络在提取全局上下文特征的过程中忽略局部特征的缺陷，同时引入了注意力机制，对提取到的特征进行进行权重分配，强化对于实体识别起关键作用的特征，弱化无关特征，进一步提高命名实体识别的识别效果。
-
公开(公告)号：CN113221547A
公开(公告)日：2021-08-06
申请号：CN202110083233.2
申请日：2021-01-21
Applicant: 重庆邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/335 , G06F16/36 , G06N3/08
Abstract: 本发明请求保护一种基于信息抽取和知识图谱的试题推荐方法，包括步骤：通过神经网络模型对试题进行实体识别和实体关系抽取，得到试题所考查的三元组知识点，形成试题知识图谱；根据已构建的试题知识图谱，构建基于三元组知识点关联的试题网络；根据错题以及试题网络进行试题推荐。本发明通过神经网络模型对试题进行知识点自动化提取，能有效节省人工，同时避免人工的主观性偏差，另外本发明抽取到的三元组知识点较章节大知识点，以及关键词知识点更加精细，同时考虑试题背后考查知识点之间的组合关系，构建试题网络，将试题间基于知识点的关联程度数字化、精细化，并根据错题和试题间精细化的关联信息，进行试题推荐，使得试题推荐结果更加准确。
-
公开(公告)号：CN113221547B
公开(公告)日：2022-05-03
申请号：CN202110083233.2
申请日：2021-01-21
Applicant: 重庆邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/335 , G06F16/36 , G06N3/08
Abstract: 本发明请求保护一种基于信息抽取和知识图谱的试题推荐方法，包括步骤：通过神经网络模型对试题进行实体识别和实体关系抽取，得到试题所考查的三元组知识点，形成试题知识图谱；根据已构建的试题知识图谱，构建基于三元组知识点关联的试题网络；根据错题以及试题网络进行试题推荐。本发明通过神经网络模型对试题进行知识点自动化提取，能有效节省人工，同时避免人工的主观性偏差，另外本发明抽取到的三元组知识点较章节大知识点，以及关键词知识点更加精细，同时考虑试题背后考查知识点之间的组合关系，构建试题网络，将试题间基于知识点的关联程度数字化、精细化，并根据错题和试题间精细化的关联信息，进行试题推荐，使得试题推荐结果更加准确。
-
-
-
-
Search Results
5
records
(took 0.015 seconds)
