交通时空序列多步预测方法、系统及存储介质

    公开(公告)号:CN112508173B

    公开(公告)日:2024-06-28

    申请号:CN202011391942.9

    申请日:2020-12-02

    Applicant: 中南大学

    Abstract: 本发明公开了一种交通时空序列多步预测方法、系统及存储介质,基于历史数据X1:T计算改进的历史均值#imgabs0#第二步,历史数据X1:T和改进的改进历史均值#imgabs1#通过3D‑CNN模块进行下采样;第三步,使用序列到序列模型进行多步预测得到#imgabs2#模型的编码器和解码器均由ConvLSTM组成,并在解码器中融入了注意力机制,进而使用转置3D卷积进行上采样;第四步,#imgabs3#与#imgabs4#做多模型融合,得到最终的预测结果#imgabs5#本发明预测方法的精度更高。

    跨语言代码搜索方法、终端设备及存储介质

    公开(公告)号:CN117111946A

    公开(公告)日:2023-11-24

    申请号:CN202310621627.8

    申请日:2023-05-30

    Applicant: 中南大学

    Abstract: 本发明公开了一种跨语言代码搜索方法、终端设备及存储介质,使用预训练的CodeBERT获取代码tokens的表示,提取代码的序列特征矩阵 按行展平,作为代码片段的结构特征vtok;采用图卷积运算提取统一后的AST的特征,将图卷积运算最后一层的特征矩阵 按行展平,作为代码片段的结构特征vast;融合代码片段的结构特征vtok和作为代码片段的结构特征vast,得到完整的代码特征vcode;利用所述完整的代码特征vcode进行对比学习,得到跨语言代码搜索模型。本发明提高了模型对不同编程语言但是功能相同的代码片段的区分能力。

    交通时空序列多步预测方法、系统及存储介质

    公开(公告)号:CN112508173A

    公开(公告)日:2021-03-16

    申请号:CN202011391942.9

    申请日:2020-12-02

    Applicant: 中南大学

    Abstract: 本发明公开了一种交通时空序列多步预测方法、系统及存储介质,基于历史数据X1:T计算改进的历史均值第二步,历史数据X1:T和改进的改进历史均值通过3D‑CNN模块进行下采样;第三步,使用序列到序列模型进行多步预测得到模型的编码器和解码器均由ConvLSTM组成,并在解码器中融入了注意力机制,进而使用转置3D卷积进行上采样;第四步,与做多模型融合,得到最终的预测结果本发明预测方法的精度更高。

    一种跨事件新闻文本情感分析方法

    公开(公告)号:CN108829806A

    公开(公告)日:2018-11-16

    申请号:CN201810578907.4

    申请日:2018-06-07

    Applicant: 中南大学

    Abstract: 本发明公开了一种跨事件新闻文本情感分析方法,包括:抓取若干篇用于训练的关于事件A、待分析情感的关于事件B的新闻文本;将事件A的每篇新闻文本的情感倾向进行标记;提取事件A、事件B的新闻文本的TF-IDF特征以形成文本特征矩阵XA和XB;利用迁移成份分析算法将事件A的文本特征矩阵XA、事件B的文本特征矩阵XB进行迁移学习,将XA和XB映射到高维空间,分别对应得到新的特征矩阵XA'和XB';将人工情感标记进行标签化,形成用于训练的标签集合;将XA'、XB'和所述标签集合作为机器学习算法的输入,得到跨事件新闻文本情感分析模型。本发明采用迁移成分分析方法,将两个具有不同分布的事件的新闻文本文档进行迁移学习,可以提高跨事件新闻文本情感分析的准确度。

Patent Agency Ranking