-
公开(公告)号：CN109948158A
公开(公告)日：2019-06-28
申请号：CN201910197440.3
申请日：2019-03-15
申请人： 南京邮电大学
摘要： 本发明提供了一种基于环境元嵌入和深度学习的情感倾向性分析方法，包括如下步骤：S1，采集用于训练的文本数据，获得分词文本；S2，利用word2vec和Glove训练出分词文本的词向量，再通过扩展分词文本的词向量特征的方式，获得环境元嵌入作为文本语义的词向量表示；S3，利用BLSTM和动态获取上下文窗口相融合的神经网络，自动学习上下文来抽取情感评论对象；S4，基于局部注意力机制，通过BLSTM训练所述文本语义的词向量，得到句子级特征向量；S5，通过卷积神经网络训练句子级特征向量，得到全局的文本级特征向量；S6，利用多分类函数Softmax对全局的文本级特征向量进行分类，得到文本数据的情感倾向。该方法提高了文本数据情感倾向判定的准确性。
-
公开(公告)号：CN103095849A
公开(公告)日：2013-05-08
申请号：CN201310048474.9
申请日：2013-02-07
申请人： 南京邮电大学
摘要： 本发明公开了一种基于QoS属性预测和纠错的有监督Web服务发现方法及系统，主要用于解决开放网络环境下准确、高效地发现满足用户需求的可信Web服务，从而为高可信服务应用系统的构建提供重要的技术支撑。本发明一方面采用矩阵补全技术对缺失或失真的服务QoS属性进行预测或纠错，使得基于QoS属性的可信服务发现得以有效地实施；另一方面将服务的先验类别信息引入服务表示的特征提取阶段，增强了服务表示的区分性和查询匹配的准确性。真实Web服务数据集上的评测结果表明，本发明不仅具有较高的服务发现效率和精度，而且实现简单，系统灵活，代价低，易推广。
-
公开(公告)号：CN112564945B
公开(公告)日：2023-03-24
申请号：CN202011318745.4
申请日：2020-11-23
申请人： 南京邮电大学
IPC分类号： H04L41/147 , H04L41/14 , H04L41/142 , H04L43/0876
摘要： 本发明公开了一种基于时序先验和稀疏表示的IP网络流量估计方法，首先采集网络中所有源‑目的节点对间传输的流量值构建不完整的流量矩阵；然后通过对不完整的流量矩阵中存在的时空相关性，利用稀疏表示理论和正则化技术建模为流量矩阵估计模型；然后通过交替方向乘子法，将较为复杂的原始问题转换为若干易于求解的子问题，通过迭代优化子问题的全局最优解来找到原始问题的局部最优解。最终估计出完整的流量矩阵。本发明基于流量矩阵中的时序性和空间相关性，考虑相邻网络结点的时序相关性的同时能够利用流量矩阵的空间相关性，为流量估计方法的优化提供了理论支持。
-
公开(公告)号：CN103095849B
公开(公告)日：2015-05-20
申请号：CN201310048474.9
申请日：2013-02-07
申请人： 南京邮电大学
摘要： 本发明公开了一种基于QoS属性预测和纠错的有监督Web服务发现方法及系统，主要用于解决开放网络环境下准确、高效地发现满足用户需求的可信Web服务，从而为高可信服务应用系统的构建提供重要的技术支撑。本发明一方面采用矩阵补全技术对缺失或失真的服务QoS属性进行预测或纠错，使得基于QoS属性的可信服务发现得以有效地实施；另一方面将服务的先验类别信息引入服务表示的特征提取阶段，增强了服务表示的区分性和查询匹配的准确性。真实Web服务数据集上的评测结果表明，本发明不仅具有较高的服务发现效率和精度，而且实现简单，系统灵活，代价低，易推广。
-
-
-
搜索结果
14 条记录 (耗时 0.081 秒)
