基于贪心子图的社会网络节点挖掘方法

    公开(公告)号:CN106875281A

    公开(公告)日:2017-06-20

    申请号:CN201710144505.9

    申请日:2017-03-13

    CPC classification number: G06Q50/01

    Abstract: 本发明提供的是一种基于贪心子图的社会网络节点挖掘方法。首先依据节点度这个重要属性结合了局部拓扑结构的聚集系数估计出节点的影响潜力,根据影响潜力高低排序并加入种子节点候选集合,同时通过对网络的整体评判排序并选择出特异性阈值最高的节点加入种子节点候选集合。在完成候选集合的选择后,通过改进影响力的线性阈值模型表现为贪心子图策略对于集合中的节点进行真实的传播模拟,选取增量影响范围最大的节点加入到最终节点挖掘结果集合中,并且在每一步传播完成时动态的修正候选集合中的节点,重复候选集合修正过程和传播模拟过程直至达到预期规模的节点挖掘结果集合,最终得到理想的节点挖掘效果。

    一种基于电路图元素隐喻的主题演化可视化方法

    公开(公告)号:CN106227911A

    公开(公告)日:2016-12-14

    申请号:CN201610487736.5

    申请日:2016-06-28

    CPC classification number: G06F17/5081

    Abstract: 本发明属于数据可视化分析领域,具体涉及一种基于电路图元素隐喻的主题演化可视化方法。包括:数据预处理,对文本数据进行预处理,进行分词、去停词操作,将文本集合处理成词库;采用LDA算法对文本集合进行处理,抽取主题,并记录与主题对应的词、文本以及时间和地点信息;以焊盘图标隐喻主题中的词,即词盘,词盘采用空心饼图形式表示,表示在此时间段内此词所处的地理分布比例等。该方法主要能够展示主题的内容、主题的强度随时间的变化及主题与主题间的演化关系以方便用户对主题的演化过程进行分析,还可展示各时段内同一主题强度的地理分布。

    面向数据空间的实体分类方法

    公开(公告)号:CN106067029A

    公开(公告)日:2016-11-02

    申请号:CN201610348890.4

    申请日:2016-05-24

    CPC classification number: G06K9/6223 G06K9/6267

    Abstract: 面向数据空间的实体分类方法,属于自然语言处理领域。演化环境下,存在无法通过假设实体为静止状态,而对实体进行分类的问题。一种面向数据空间的实体分类方法,首先,针对演化的数据空间实体,提出改进的、演化的K‑Means聚类框架,即定义基于轮廓值和KL‑散度的目标代价函数;其次,设计了一种新颖的数据空间实体相似性度量方法;然后,根据启发式规则,提出演化的K‑Means聚类算法。此外,进一步扩展本章提出的演化聚类框架,以处理簇数量随时间发生变化或者快照实体随时间加入或移除的情况。本发明不仅能高质量地捕获当前实体聚类结果,还能健壮地反映历史聚簇情况。

    基于图划分策略的数据库模式抽象方法

    公开(公告)号:CN105956012A

    公开(公告)日:2016-09-21

    申请号:CN201610251897.4

    申请日:2016-04-21

    CPC classification number: G06F17/30598

    Abstract: 基于图划分策略的数据库模式抽象方法,本发明涉及数据库模式抽象方法。本发明是要解决忽略了表与表之间的结构紧密性、用户查询偏好信息以及现有方法对模式抽象结果中主题类簇的个数无法做出准确预测的问题,而提出的基于图划分策略的数据库模式抽象方法。该方法是通过一、构建关系数据库的拓扑紧密性矩阵T;二、计算得到表间相似性矩阵ADB;三、得到最终的数据表ti和数据表tj间的相似性计算结果;四、得到最终的表重要性度量结果;五、利用类簇代表检测算法得到结果集合R;六、将数据表ti和数据表tj划分到主题类簇等步骤实现的。本发明应用于数据库模式抽象领域。

    一种基于遗忘规律的社会网络信息传播方法

    公开(公告)号:CN105868315A

    公开(公告)日:2016-08-17

    申请号:CN201610179681.1

    申请日:2016-03-25

    CPC classification number: G06F16/958 G06Q50/01

    Abstract: 一种基于遗忘规律的社会网络信息传播方法,本发明涉及基于遗忘规律的社会网络信息传播方法。本发明的目的是为了解决现有技术没有考虑到影响力会随时间而不断衰减、没有考虑到人们第一次接收信息与之后每次接收信息的不同反应的问题。具体过程为:一:设置初始的激活节点集合S;二:在时间tx时,激活态节点对未激活态邻居节点v进行激活;三:如果未激活态邻居节点v被激活成功,那么在tx+1时刻,未激活态邻居节点v转变为激活状态,并尝试激活其邻接的未激活节点x;否则未激活态邻居节点v不发生变化;四:重复执行二和三,直到不存在有未扩散的激活节点,传播过程结束。本发明应用于网络信息传播领域。

    一种考虑深度学习模型健壮性的水下目标分类的方法

    公开(公告)号:CN114565831B

    公开(公告)日:2025-02-25

    申请号:CN202210202911.7

    申请日:2022-03-02

    Abstract: 一种考虑深度学习模型健壮性的水下目标分类的方法,本发明为了解决现有深度学习模型对水下目标分类准确率低的问题,它包括利用训练好的原始模型对采集的水下目标数据训练集进行预测得到所有分类正确样本的集合和所有分类错误样本的集合;将所有分类错误样本的集合输入训练好的原始模型内,对分类错误样本的特征进行聚类和特征补偿,得到分类错误样本的特征补偿;将特征补偿输入训练好的原始模型内得到特征补偿后的原始模型;将水下目标数据训练集输入特征补偿后的原始模型内,输出分类错误的样本;建立对抗训练模型,得到训练好的对抗训练模型;将对抗训练模型与特征补偿后的原始模型加权组合生成深度学习模型;属于水下目标分类领域。

    基于互信息增强的自监督新颖性检测方法

    公开(公告)号:CN113592016B

    公开(公告)日:2023-12-01

    申请号:CN202110908117.X

    申请日:2021-08-09

    Abstract: 基于互信息增强的自监督新颖性检测方法,涉及图像处理领域。本发明是为了解决现有图像新颖性检测方法的重构效果不佳,难以对类内外图像边界进行区分,进而导致在复杂场景中检测效果差的问题。本发明具体过程为:将待检测的图像输入到训练好的自监督新颖性检测模型的自编码网络中进行新颖性检测,获得检测结果。所述自监督新颖性检测模型包括:自编码网络、隐鉴别器、鉴别器、分类器;自编码网络包括:生成器和编码器,用于对输入的待检测图像数据进行重构;所述隐鉴别器用于与编码器进行对抗训练;所述鉴别器用于与生成器进行对抗训练;分类器用于对生成器生成的图像进行分类。本发明用于对图像的新颖性进行检测。

    一种基于语义增强的标题短文本分类方法

    公开(公告)号:CN111460147B

    公开(公告)日:2023-06-23

    申请号:CN202010214338.2

    申请日:2020-03-24

    Abstract: 一种基于语义增强的标题短文本分类方法,它属于文本分类技术领域。本发明解决了现有方法对情报数据挖掘中的标题短文本分类的精确度低的问题。本发明对采集的标题短文本以及标题短文本对应的文章内容进行预处理后,将预处理后的文章内容作为样本数据的扩充语料,另外还通过特征检索的方式获得了标题短文本的扩充语料,并且利用验证集对模型参数寻优时获得的优质数据集对训练集进行更新,即本发明对标题短文本进行了CSE编码语义增强和ASE自主语义增强,通过语义增强技术对标题短文本进行分类,可以有效提高FastText分类器在短文本分类上的精确度,分类精度将有近30%的大幅度提升。本发明可以应用于短文本分类。

    兼具通用语义及领域语义的形式概念相似性快速度量方法

    公开(公告)号:CN111709251B

    公开(公告)日:2023-04-07

    申请号:CN202010537236.4

    申请日:2020-06-12

    Abstract: 兼具通用语义及领域语义的形式概念相似性快速度量方法,主要用于利用FCA方法进行文本信息检索中的形式概念相似性快速度量,属于信息检索技术领域。为解决现有形式概念相似性判断方法无法包含数据集所涵盖的领域信息问题以及计算内涵语义相似性的过程过于复杂等问题。本发明通过数据集的主题聚类,统计各个词共属类别的次数;利用概念格成员的属性频率和逆概念频率求取基于成员的重要性的两个概念相似性;内涵中每个属性使用基于公共语料的词向量表示,并取其均值作为内涵向量;使用各个词共属类别的次数修正内涵向量的相似性,获得两内涵包含通用和领域语义的相似性;综合基于成员重要性的相似性和内涵语义相似性,得到两个形式概念的相似性。

    基于不确定性感知分层强化学习的迷宫导航策略学习方法

    公开(公告)号:CN115860104A

    公开(公告)日:2023-03-28

    申请号:CN202211386351.1

    申请日:2022-11-07

    Abstract: 基于不确定性感知分层强化学习的迷宫导航策略学习方法,为了解决迷宫导航的分层强化学习训练阶段存在诸多不确定因素,导致分层强化学习的高层策略训练不稳定,使智能体决策准确率较低的问题,确定迷宫导航分层强化学习中影响高层策略训练稳定性的因素;获取迷宫导航的训练数据集;利用训练数据集对构建的动作不确定性估计网络进行训练,输入迷宫导航中智能体的状态和任务目标,输出伪子目标,得到训练好的动作不确定性估计网络;利用伪子目标约束分层强化学习高层策略的训练过程,得到子目标;利用子目标约束分层强化学习低层策略的训练过程,得到智能体的动作,计算低层策略的期望最大化平均奖励回报,回报值越大,迷宫导航策略学习越成功。

Patent Agency Ranking