-
公开(公告)号：CN113495964B
公开(公告)日：2024-02-23
申请号：CN202110465765.2
申请日：2021-04-28
申请人： 中国科学技术大学
IPC分类号： G06F16/36 , G06F40/216 , G06F40/295
摘要： 本申请实施例提供了一种三元组的筛选方法、装置、设备及可读存储介质，获取三元组库，在候选三元组中获取互斥三元组集合，获取各个互斥三元组的置信度，将互斥三元组集合中置信度高的互斥三元组，作为筛选结果。三元组库包括多个候选三元组以及候选三元组的信息源，候选三元组从属于候选三元组的信息源的文本数据中提取，互斥三元组集合中任意两个互斥三元组为表达的知识同时成立的概率等于0的候选三元组，由于，互斥三元组的置信度用于指示互斥三元组的信息源表达知识的概率，互斥三元组集合中置信度高的互斥三元组的准确度高，本方案依据互斥三元组的信息源表达知识的概率从互斥三元组集合中筛选三元组，提高了三元组的准确度。
-
公开(公告)号：CN111783709B
公开(公告)日：2022-09-06
申请号：CN202010656382.9
申请日：2020-07-09
申请人： 中国科学技术大学
IPC分类号： G06V20/40 , G06V10/80 , G06V10/74 , G06V10/774 , G06V10/82 , G06V20/62 , G06V30/19 , G06K9/62 , G06N3/04
摘要： 本发明公开了一种针对教育视频的信息预测方法及装置，基于预创建的预测模型对所述待预测信息进行处理，所述预测建模型是基于目标样本生成的，所述目标样本的每个样本包括教育视频以及与所述教育视频相匹配的试题集合，所述教育视频包括字幕信息和视频信息，预测模型的生成过程包括利用多模态深度表示方法和注意力机制对所述目标样本进行处理得到模型。本发明可以充分利用了教育视频的视觉和文本信息，深入理解和准确表示教育视频的语义内容，实现了提升预测准确率，并且基于模型处理解决了人工处理信息处理难度大的问题。
-
公开(公告)号：CN111783709A
公开(公告)日：2020-10-16
申请号：CN202010656382.9
申请日：2020-07-09
申请人： 中国科学技术大学
摘要： 本发明公开了一种针对教育视频的信息预测方法及装置，基于预创建的预测模型对所述待预测信息进行处理，所述预测建模型是基于目标样本生成的，所述目标样本的每个样本包括教育视频以及与所述教育视频相匹配的试题集合，所述教育视频包括字幕信息和视频信息，预测模型的生成过程包括利用多模态深度表示方法和注意力机制对所述目标样本进行处理得到模型。本发明可以充分利用了教育视频的视觉和文本信息，深入理解和准确表示教育视频的语义内容，实现了提升预测准确率，并且基于模型处理解决了人工处理信息处理难度大的问题。
-
公开(公告)号：CN118095436A
公开(公告)日：2024-05-28
申请号：CN202410279584.4
申请日：2024-03-12
申请人： 中国科学技术大学
IPC分类号： G06N5/04 , G06F18/23213 , G06F18/27 , G06N20/00
摘要： 本发明公开了一种基于双机器学习的因果效应估计方法、系统、设备及介质，基于双机器学习，可以灵活地选取回归函数和倾向得分的估计方法，且在均方根误差意义下，即使回归函数和倾向得分的估计的收敛速率仅为n‑1/4，因果效应仍然是渐进正态的；基于双机器学习，提高了模型的鲁棒性，可以有效地处理高维特征；基于聚类，可以通过大量控制样本的信息来解决干预样本不足带来的问题；总体来说，通过本发明提供的方案可以提升因果效应估计性能，获得更为准确的因果效应估计结果。
-
公开(公告)号：CN115985451A
公开(公告)日：2023-04-18
申请号：CN202310018150.4
申请日：2023-01-06
申请人： 中国科学技术大学
IPC分类号： G16H20/10 , G06N3/044 , G06N3/0464 , G06N3/084
摘要： 本申请提供了一种连续因果效应的估计方法、装置、设备及存储介质，应用于数据分析与挖掘技术领域，所述方法包括：获取待估计数据；将所述待估计数据输入连续因果效应估计模型，得到结果预测值；根据所述结果预测值计算连续因果效应。通过上述方法，能够处理大量的数据信息，并且基于连续因果效应估计模型能够处理连续干预下的因果效应估计问题，更加符合实际应用中遇到的问题，能够有效估计出连续干预变量对输出结果的影响，为数据分析提供帮助。
-
公开(公告)号：CN117436524A
公开(公告)日：2024-01-23
申请号：CN202311400282.X
申请日：2023-10-26
申请人： 中国科学技术大学
IPC分类号： G06N5/04 , G06N3/0464 , G06N3/044 , G06N3/0499 , G06N3/084
摘要： 本发明公开了一种基于半分离式表征的因果效应估计方法与系统，一方面，通过深度神经网络对数据进行回归分析，能够捕捉到数据中复杂的关系，而且，基于深度神经网络，能够处理大量观察数据信息，相对而言这种方式需要的人力更少，数据源的选择更加丰富；另一方面，通过学习半分离式的表征计算用于缓解选择偏差的权重；总体而言，本发明提供的方案可以提高因果效应估计结果的准确性，提升应用的效果。
-
公开(公告)号：CN113495964A
公开(公告)日：2021-10-12
申请号：CN202110465765.2
申请日：2021-04-28
申请人： 中国科学技术大学
IPC分类号： G06F16/36 , G06F40/216 , G06F40/295
摘要： 本申请实施例提供了一种三元组的筛选方法、装置、设备及可读存储介质，获取三元组库，在候选三元组中获取互斥三元组集合，获取各个互斥三元组的置信度，将互斥三元组集合中置信度高的互斥三元组，作为筛选结果。三元组库包括多个候选三元组以及候选三元组的信息源，候选三元组从属于候选三元组的信息源的文本数据中提取，互斥三元组集合中任意两个互斥三元组为表达的知识同时成立的概率等于0的候选三元组，由于，互斥三元组的置信度用于指示互斥三元组的信息源表达知识的概率，互斥三元组集合中置信度高的互斥三元组的准确度高，本方案依据互斥三元组的信息源表达知识的概率从互斥三元组集合中筛选三元组，提高了三元组的准确度。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.04 秒)
