多类型事件预测模型
    1.
    发明公开

    公开(公告)号:CN113962294A

    公开(公告)日:2022-01-21

    申请号:CN202111159151.8

    申请日:2021-09-30

    IPC分类号: G06K9/62 G06N3/04 G06N3/08

    摘要: 本发明公开的一种多类型事件预测模型,涉及事件分析与处理领域。本发明通过下述技术方案实现:事件异构时序图构建模块以事件描述数据库为基础,以所有要素为邻域节点,构建事件异构时序图,通过关系图神经网络模型获取事件发生时间节点的特征向量;组合特征提取模块提取时间节点特征向量组合时间段内事件的组合特征信息,按时间顺序排列输出组合特征向量;时序特征提取模块将组合特征向量送入时序特征提取模块,输出具备时序特征的向量;多标签分类器模块将时序特征提取模块输出的向量进行扁平化处理,控制神经网络输出层向量维度与被预测事件类型数量保持一致,最终全连接深度神经网络通过激活函数层,可视化输出每种类型事件发生的概率值。

    基于出行和话单数据分析的重点关系人发现方法

    公开(公告)号:CN109684373A

    公开(公告)日:2019-04-26

    申请号:CN201811419419.5

    申请日:2018-11-26

    CPC分类号: G06Q50/01

    摘要: 本发明提出的一种基于出行和话单数据分析的重点关系人发现方法,旨在提供一种高效准确、识别率高的重点关系人发现方法,本发明通过下述技术方案予以实现:同行关系人发现模块利用航班和火车出行数据,采用同行规律挖掘算法得到与目标人物一起出行的同行关系人特征数据列表;通联关系人发现模块利用话单数据,采用通联规律统计算法计算目标人物所有通话记录的通联频次和通联时长,通联频次降序排列得到通联关系人特征数据列表1,表2;关系人类型判定模块利用话单数据分析目标人物和重点关系人特征数据列表人员的停留时空规律,根据关系人类型判定规则判定重点关系人的类型,得到带有关系人类型的重点关系人特征数据列表。

    SAR图像海面舰船识别方法

    公开(公告)号:CN108734111A

    公开(公告)日:2018-11-02

    申请号:CN201810381645.2

    申请日:2018-04-26

    IPC分类号: G06K9/00 G06K9/34

    摘要: 本发明提出了一种SAR图像海面舰船识别方法。利用本方法可实现不同海杂波背景下的SAR图像海面舰船目标的检测与识别。本发明通过下述技术方案予以实现:对输入的海面SAR图像,基于累计分布直方图分布计算全局分割阈值,进而得到目标泄漏像素的索引矩阵;针对每一个像素,通过KS检验从模型字典中自适应选择最优统计模型进行杂波建模,并利用CFAR方法进行二值分割;在二值分割结果的基础上,利用局部亮点密度剔除孤立噪声点,提取连通区域、剔除背景、计算相应的特征参数,得到候选舰船目标;利用训练数据集构建舰船目标特征集,并通过朴素贝叶斯方法计算舰船目标的置信度。

    互联网政治外交类新闻事件抽取方法

    公开(公告)号:CN110941692B

    公开(公告)日:2022-07-29

    申请号:CN201910937986.8

    申请日:2019-09-28

    摘要: 本发明公开的一种互联网政治外交类新闻事件抽取方法,旨在提供一种能够提高事件识别准确率的抽取方法,本发明通过下述技术方案予以实现:采用人工构建初始触发词集合,根据触发词集合定义事件类别,针对每类事件构建触发词表和包含触发词、事件论元角色的事件类别模板;结合文本依存句法,分析、识别和抽取政外领域事件元素。完成单文本预处理操作,并基于义原相似性计算并扩展类别事件触发词;将满足相似度的阈值的句子作为候选事件句。筛选满足事件类别模板的事件元素,提取事件句中的实体要素;再按照事件模板将事件元素填充到对应的论元角色中;筛选满足类别模板的候选事件元素;按事件模板生成事件的结构化描述文件,构建出政外领域事件库。

    文本分类语料标注训练系统

    公开(公告)号:CN110298032B

    公开(公告)日:2022-06-14

    申请号:CN201910455049.9

    申请日:2019-05-29

    IPC分类号: G06F40/289 G06K9/62

    摘要: 本发明公开的一种文本分类语料标注训练系统,旨在提供一种能够降低人工标注反复度,并能提升预标注结果准确性的半自动化标注训练装置。本发明通过下述技术方案予以实现:文本分类语料标注准备模块统计文本词频,去除文本的噪声信息;半自动化文本语料分类标注模块在分类标注任务中选择CNN、KNN、ANN、深度学习算法,把非结构化和半结构化的文本转换为向量空间模型,生成文本的词向量空间,抽取反映文档主题特征;当标注任务完成后,反馈式分类标注模型学习训练模块反馈分类标注模型完善更新;文本分类标注模型效果评估模块基于分类指标规则对评测指标进行量化,建立标注算法综合评估模型,分析测试结果,评价分类结果,对模型指标量化标注效果进行评估。

    稀疏判别张量鲁棒性PCA的遥感图像去噪方法

    公开(公告)号:CN111369457B

    公开(公告)日:2022-05-17

    申请号:CN202010129712.9

    申请日:2020-02-28

    摘要: 本发明公开的一种稀疏判别张量鲁棒性PCA的遥感图像去噪方法,旨在提供一种能更有效除去高光谱图像中噪声的去噪方法,本发明通过下述技术方案实现:对输入高光谱遥感图像进行图像分割,按固定尺寸,将高光谱遥感图像分割成不重叠的张量数据块;分别对每个张量数据块进行稀疏判别张量鲁棒性主成分分析:先将张量数据块分解为低秩分量、稀疏判别分量和稀疏噪声分量,构建稀疏判别张量鲁棒性主成分分析模型,迭代求解该模型得到去噪后的张量数据块,获得去噪图像;对重构去噪后的无噪声数据按比例划分训练集和测试集,最后将训练集和测试集输入到分类器,通过分类器输出所有测试样本的类别标记,实现对高光谱遥感图像去噪效果的评估。

    事件知识图谱预测群体性事件的方法

    公开(公告)号:CN112328801A

    公开(公告)日:2021-02-05

    申请号:CN202011043065.6

    申请日:2020-09-28

    摘要: 本发明公开的一种事件知识图谱预测群体性事件的方法,涉及事件知识图谱挖掘与应用技术。本发明通过下述技术方案予以实现:分预测模型训练和实时预测两个阶段;预测模型训练阶段以历史结构化事件数据为输入数据构建历史事件图谱,采用图嵌入网络学习事件图谱的向量化表示,进而基于深度神经网络建立的分类网络模型来预测事件是否发生;实时预测阶段以实时的结构化事件数据为输入数据构建实时事件图谱,作为已训练完成的事件预测模型的输入数据,将实时事件数据构建的事件图谱输入事件预测模型,获取事件图谱的向量化表示,进而挖掘事件数据的深度语义信息,转化成一个事件发生和不发生的二分类问题,将概率最大的结果作为事件是否发生的预测结果。

    互联网政治外交类新闻事件抽取方法

    公开(公告)号:CN110941692A

    公开(公告)日:2020-03-31

    申请号:CN201910937986.8

    申请日:2019-09-28

    摘要: 本发明公开的一种互联网政治外交类新闻事件抽取方法,旨在提供一种能够提高事件识别准确率的抽取方法,本发明通过下述技术方案予以实现:采用人工构建初始触发词集合,根据触发词集合定义事件类别,针对每类事件构建触发词表和包含触发词、事件论元角色的事件类别模板;结合文本依存句法,分析、识别和抽取政外领域事件元素。完成单文本预处理操作,并基于义原相似性计算并扩展类别事件触发词;将满足相似度的阈值的句子作为候选事件句。筛选满足事件类别模板的事件元素,提取事件句中的实体要素;再按照事件模板将事件元素填充到对应的论元角色中;筛选满足类别模板的候选事件元素;按事件模板生成事件的结构化描述文件,构建出政外领域事件库。