基于异构图卷积神经网络的传染病方面级情感分类方法

    公开(公告)号:CN116662554A

    公开(公告)日:2023-08-29

    申请号:CN202310924083.2

    申请日:2023-07-26

    Abstract: 本发明公开了基于异构图卷积神经网络的传染病方面级情感分类方法,通过采集传染病舆情文本,并按方面类别和情感极性进行分类标注,再输入至词嵌入层,得到第一特征向量;将第一特征向量输入BiLSTM,得到第二特征向量,将第二特征向量组成第一向量表示矩阵;构建异构图;利用异构图卷积神经网络算法对异构图进行聚合更新,得到第二向量表示矩阵;将第二向量表示矩阵输入至注意力机制层;然后掩码层屏蔽非方面单词的隐藏状态向量,增强的方面特征向量;最后得到情感预测标签。采用本方法可以有效地分类社交媒体中与传染病舆情相关方面实体的情感极性,大大提高了方面情感分类任务的检测效果,有助于人们更好地理解公共舆论。

    一种跨模态行人重识别方法、电子设备、介质

    公开(公告)号:CN116645690A

    公开(公告)日:2023-08-25

    申请号:CN202310189355.9

    申请日:2023-02-23

    Abstract: 本发明公开了一种跨模态行人重识别方法、电子设备、介质,包括:获取行人图片数据集并划分为训练集和测试集,并对训练集进行数据增强,得到具有RGB、IR、Aux模态的训练集;对各模态对应的图片进行特征提取,得到每个模态对应的类中心及模态无关类中心;将训练集中的图片分批输入跨模态行人重识别网络提取深度特征;对跨模态行人重识别网络进行训练,计算损失函数,直至网络收敛;损失函数为:每一批提取的深度特征分别与RGB、IR、Aux模态对应的类中心及模态无关类中心的对比损失之和,RGB/IR的跨模态互信息约束与IR/Aux的跨模态互信息约束之和,深度特征的度量损失约束;利用训练得到的跨模态行人重识别网络对测试集进行跨模态行人重识别。

    基于用户在线学习行为模式预测学习效果的系统及预测方法

    公开(公告)号:CN111523738B

    公开(公告)日:2023-07-21

    申请号:CN202010572727.2

    申请日:2020-06-22

    Abstract: 本发明提供一种基于用户在线学习行为模式预测学习效果的系统,包括学习行为信息采集模组、学习效率计算模组、学习行为模式计算模组、学习能力‑动机计算模组及学习效果预测模组。所述学习行为信息采集模组对应采集用户学习行为信息及用户基本信息。所述学习效率计算模组根据用户在不同类别的在线课程中的学习行为信息生成用户的学习效率矩阵。所述学习行为模式计算模组生成用户分类信息及用户的学习行为模式信息。所述学习能力‑动机计算模组生成用户在在线课程学习中的学习能力信息和学习动机信息。所述学习效果预测模组预测用户在在线课程学习中的学习效果。本发明还提供一种采用上述预测用户在不同类别在线课程中学习效果的系统的预测方法。

    一种信息溯源方法、装置、存储介质及电子设备

    公开(公告)号:CN116386894A

    公开(公告)日:2023-07-04

    申请号:CN202310246877.8

    申请日:2023-03-09

    Abstract: 本说明书公开了一种信息溯源方法、装置、存储介质及电子设备,本说明书实施例对图网络进行信息模拟传播,以得到传播后的图网络中每个节点的状态信息。将状态信息和图网络的基础网络结构信息输入到待训练的图神经网络模型中,以通过图神经网络模型预测出传播后的图网络中信息传播的起始节点。以预测出的起始节点与真实起始节点之间的差异最小化为优化目标,对图神经网络模型进行训练。在此方法中,不依赖于信息传播的传播系数预测传播源,而是通过对图神经网络模型进行有监督训练,使图神经网络模型学习到传播后的图网络与传播源之间的对应关系,以基于训练后的图神经网络模型预测待溯源的图网络中的传播源,来提高预测传播源的准确性。

    基于并行多阶段生成对抗网络的人脸图像翻译方法

    公开(公告)号:CN116259084A

    公开(公告)日:2023-06-13

    申请号:CN202211093325.X

    申请日:2022-09-08

    Abstract: 本发明属于人工智能和图像处理技术领域,公开了一种基于并行多阶段生成对抗网络的人脸图像翻译方法,包括步骤1:输入人脸图像步骤2:训练阶段:步骤2.1:通过并行多阶段编码器对人脸图像提取多阶段编码特征;步骤2.2:将提取的多尺度编码特征输入跨尺度空洞空间金字塔模块进行跨尺度特征融合;步骤2.3:将跨尺度融合特征通过并行多阶段解码器进行解码;步骤2.4:计算损失函数,利用梯度下降算法更新生成器G的参数;步骤3:测试阶段,将训练好的模型对输入任意单张人脸图像数据进行测试。本发明不需要额外先验信息的情况下合成丰富的上下文和空间精确的输出,提高了特征融合的效率,细化了最终激活图并提高了最终输出的质量。

    一种基于多元时序图结构的异步时间序列分类方法

    公开(公告)号:CN116257786A

    公开(公告)日:2023-06-13

    申请号:CN202211093387.0

    申请日:2022-09-08

    Abstract: 本发明属于图计算与时间序列序列分类领域,公开了一种基于多元时序图网络的异步时间序列分类方法,该方法构建了一个多元交互模块来处理缺失信息,并自动提取图结构关系,设计了一种新的邻接图传播机制来聚合当前和以前的多步快照的邻居信息,并构建了基于掩码时间感知的注意力模块用于学习观测值之间的时间相关性。本发明在对异步时序数据进行分类的过程中,实现了对缺失观测值的填充以及信息在不同传感器间相互传播,提高了算法在数据大量缺失下的鲁棒性,同时考虑时序数据在时间戳上下文的绝对意义和时间间隔的异步性,提高了多维异步时序数据的分类效果。

    传染病感染情况预测方法、系统、设备及存储介质

    公开(公告)号:CN115862888B

    公开(公告)日:2023-05-16

    申请号:CN202310135076.4

    申请日:2023-02-17

    Abstract: 本申请涉及一种传染病感染情况预测方法、系统、设备及存储介质,通过增量模块响应预设指令,控制输入模块获取新增数据,图引擎根据新增数据对基于历史数据得到的第一图模型进行迭代训练,得到第二图模型,如此进行图模型的动态更新,其中图模型以各地区作为节点,各节点特征基于地区病情信息获得,各节点按照地区之间的地理位置关系连接形成边,各边按照地区人口信息分配边权重,更新后的图模型利用交互模块选择的待预测数据进行传染病感染情况预测,解决了相关技术中传染病感染情况预测准确率较低的问题。

    一种面向信息茧房的跨领域推荐方法

    公开(公告)号:CN115525819A

    公开(公告)日:2022-12-27

    申请号:CN202210337382.1

    申请日:2022-03-31

    Abstract: 本发明公开了一种面向信息茧房的跨领域推荐方法,包括:1、获取用户对产品评分的数据集并进行数据预处理;2、构建跨领域知识迁移推荐模型的跨域知识迁移模块;3、构建跨领域知识迁移推荐模型的目标域意外性提取模块;4、利用训练集的数据对模型进行训练,并根据测试结果调整优化模型的超参数;5、将测试集数据输入到训练好的模型中,对输出的全部物品预测得分排序,最后选择前N项产品推荐给用户。本发明可产生对于用户而言感到既相关又意外的推荐产品,在保证推荐准确性的同时也能提升推荐的意外性,从而能提升用户满意度。

    基于三重视图神经网络的多样化社区检测方法

    公开(公告)号:CN114863119A

    公开(公告)日:2022-08-05

    申请号:CN202210424210.8

    申请日:2022-04-22

    Abstract: 本发明属于图数据挖掘领域,公开了一种基于三重视图神经网络模型的多样化社区检测方法,包括一:从输入的属性图中提取特征;二:将输入的序列信息通过编码器转换成一个指定长度的中间语义向量Z,中间语义向量Z蕴含了X中的信息;三:对输出向量Z进行结构紧密属性多样化聚类;四:解码器对Encoder生成的Z作为输入,解码出目标序列,从而得到Decoder输出序列,用异构损失、聚类损失、以及X与之间的重构信息损失共同构造损失函数,通过对损失函数最小化的方法对模型进行训练求解。本发明通过对属性图上的结构信息、属性信息、异构信息三个视图分别进行构造以及嵌入学习,能有效地挖掘结构紧密、属性多样化的社区结构。

Patent Agency Ranking