-
公开(公告)号：CN119558490A
公开(公告)日：2025-03-04
申请号：CN202510125908.3
申请日：2025-01-27
Applicant: 北京邮电大学 , 微梦创科网络科技(中国)有限公司
IPC: G06Q10/04 , G06Q50/00 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/098
Abstract: 本发明提供一种基于扩散模型的早期信息传播预测方法及系统，该方法的步骤包括：获取统计的用户社交图和当前参与待预测信息传播的用户及该用户参与传播的时间点；基于所述用户社交图确定参与待预测信息传播的用户的用户编码，基于所述用户编码和该用户参与传播的时间点确定用户序列组；基于用户序列组顺序构建历史传播序列；将历史传播序列输入到级联表示学习模块中，得到第一级联表示序列组；将所述第一级联表示序列组输入到预训练的级联生成模型中，所述级联生成模型输出第二级联表示序列组，所述级联生成模型为扩散模型的结构；将所述第二级联表示序列组输入到预训练的流行度预测模块中，输出预测的流行度值。
-
公开(公告)号：CN114037946A
公开(公告)日：2022-02-11
申请号：CN202111556380.3
申请日：2021-12-17
Applicant: 北京邮电大学
Abstract: 本申请公开了一种视频分类的方法、装置、电子设备及介质。本申请中，可以获取待分类视频数据；将待分类视频数据输入至音视频学习网络，得到待分类视频对应的图像特征和音频特征；以及待分类视频对应的文本特征；将图像特征、音频特征以及文本特征输入至融合学习网络，得到融合特征向量；将融合特征向量输入至Softmax分类器，并将分类器输出的分类结果作为待分类视频的分类结果。通过应用本申请的技术方案，可以在获取待分类视频之后，利用预设的学习网络模型，得到该视频数据的图像特征、音频特征以及文本特征，并将该三个特征进行融合后，根据融合的特征来判断待分类视频的分类结果。从而避免了相关技术中对视频数据分类不准确的弊端。
-
公开(公告)号：CN113590578B
公开(公告)日：2023-12-26
申请号：CN202110693347.9
申请日：2021-06-22
Applicant: 北京邮电大学
Abstract: 本发明公开了一种跨语言知识单元迁移方法，包括：获取两种不同语言各自的知识图谱，并获取两种不同语言对应的跨语言知识对齐种子库；针对知识图谱中不同语义层次的知识单元建模后得到第一建模结果；针对知识图谱中同一语义层次的知识单元建模后得到第二建模结果；将第一建模结果与第二建模结果拼接后，生成拼接结果；根据拼接结果以及跨语言知识对齐种子库，并通过对齐模型的损失函数将知识单元各自的向量空间进行线性转换，生成转换后的知识单元；计算转换后的知识单元的距离和置信度进行跨语言知识单元迁移。因此，由于本申请通过对知识单元的语义层次进行建模，并对不同语言的向量空间进行线性转换，从而可以实现跨语言知识单元的迁移。
-
公开(公告)号：CN113590578A
公开(公告)日：2021-11-02
申请号：CN202110693347.9
申请日：2021-06-22
Applicant: 北京邮电大学
Abstract: 本发明公开了一种跨语言知识单元迁移方法，包括：获取两种不同语言各自的知识图谱，并获取两种不同语言对应的跨语言知识对齐种子库；针对知识图谱中不同语义层次的知识单元建模后得到第一建模结果；针对知识图谱中同一语义层次的知识单元建模后得到第二建模结果；将第一建模结果与第二建模结果拼接后，生成拼接结果；根据拼接结果以及跨语言知识对齐种子库，并通过对齐模型的损失函数将知识单元各自的向量空间进行线性转换，生成转换后的知识单元；计算转换后的知识单元的距离和置信度进行跨语言知识单元迁移。因此，由于本申请通过对知识单元的语义层次进行建模，并对不同语言的向量空间进行线性转换，从而可以实现跨语言知识单元的迁移。
-
公开(公告)号：CN112131377A
公开(公告)日：2020-12-25
申请号：CN202010808203.9
申请日：2020-08-12
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F16/335 , G06F40/216 , G06F40/30 , G06K9/62 , H04L12/58
Abstract: 本发明公开了一种基于多策略的群聊话题检测方法、装置、设备及存储介质，所述方法包括：根据话题的属性信息得到话题序列，其中，话题序列包括当前话题和过期话题，所述当前话题包括普通话题和热点话题，根据群聊消息的文本特征信息和辅助信息与所述当前话题进行匹配，将群聊消息加入对应的话题中；计算各个话题之间的第一相似度，当所述第一相似度大于等于预设第一阈值时，合并话题。本发明公开的群聊话题检测方法，通过构建话题序列解决了话题交叉的问题，通过利用辅助信息减小短文本特征稀疏对聚类效果的影响，大大提高了群聊话题检测的效率和准确度。
-
Patent Agency Ranking
公开(公告)号：CN119578496A
公开(公告)日：2025-03-07
申请号：CN202510131006.0
申请日：2025-02-06
Applicant: 北京邮电大学 , 微梦创科网络科技(中国)有限公司
IPC: G06N3/0895 , G06N3/042 , G06N3/0464 , G06N3/0455 , G06N3/0442 , G06F18/25 , G06F18/27 , G06Q50/00 , G06Q30/018 , G06Q30/0201
Abstract: 本发明提供一种基于测试时训练的信息传播预测模型训练方法、预测方法及系统，根据用户集和级联集构建有向社交图和序列扩散超图，构建训练集和测试集；信息传播预测模型包括宏观预测分支、微观预测分支和引入MAE的辅助自监督学习分支，三条分支共享特征提取器；训练时基于训练集对模型进行联合训练，引入一致性损失确保辅助任务与主任务对特征提取器参数的优化方向一致；测试时针对特定测试样本以最小化辅助自监督学习任务损失为目标进行测试时训练，调整特征提取器以适应样本分布，结合任务特定的预测头获取信息传播预测模型。本发明能够实现多尺度信息传播预测，解决信息传播预测任务中的分布偏移问题，提高模型在不同测试环境下的泛化性能。
-
公开(公告)号：CN115310622A
公开(公告)日：2022-11-08
申请号：CN202211243870.2
申请日：2022-10-12
IPC: G06N20/00 , G06F40/205
Abstract: 本发明涉及自然语言理解技术领域，公开了一种基于自适应专家系统的智能问答方法，对任意的输入实例，基于模型的梯度来计算一个嵌入表示，并用这个基于梯度的嵌入表示来自适应地对专家进行调制；以这种方式，自适应专家系统将能充分适应于输入的实例，捕捉实例的特性，从而数据集的特性也隐式地进行了表达。
-
公开(公告)号：CN113609306A
公开(公告)日：2021-11-05
申请号：CN202110893417.5
申请日：2021-08-04
Applicant: 北京邮电大学
Abstract: 本发明公开了一种对抗残差图变分自编码器的社交网络链接预测方法及系统，包括如下步骤：利用数据采集技术获取某一时刻下的社交网络数据，包括用户的推文数据和用户之间的交互数据；基于用户的交互进行社交网络图结构抽象，其中节点表示社交网络中的真实用户，边表示用户之间的关系；利用Bert模型提取用户推文数据中的内容语义信息，表示成固定长度的向量，作为用户的内容语义；将社交网络图结构和用户的内容语义作为输入，利用批量正则化下的对抗残差图变分自编码器提取拓扑结构特征和语义特征，融合得到低维连续向量空间中的节点表示；两两计算节点向量表示之间的点积，反映节点间的相似度，将高于给定阈值的两个节点认定为会在未来产生链接关系，从而实现社交网络链接预测。
-
公开(公告)号：CN113609306B
公开(公告)日：2024-04-23
申请号：CN202110893417.5
申请日：2021-08-04
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F30/18 , G06F30/27 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/08 , G06N5/022 , G06F111/02
Abstract: 本发明公开了一种对抗残差图变分自编码器的社交网络链接预测方法及系统，包括如下步骤：利用数据采集技术获取某一时刻下的社交网络数据，包括用户的推文数据和用户之间的交互数据；基于用户的交互进行社交网络图结构抽象，其中节点表示社交网络中的真实用户，边表示用户之间的关系；利用Bert模型提取用户推文数据中的内容语义信息，表示成固定长度的向量，作为用户的内容语义；将社交网络图结构和用户的内容语义作为输入，利用批量正则化下的对抗残差图变分自编码器提取拓扑结构特征和语义特征，融合得到低维连续向量空间中的节点表示；两两计算节点向量表示之间的点积，反映节点间的相似度，将高于给定阈值的两个节点认定为会在未来产生链接关系，从而实现社交网络链接预测。
-
公开(公告)号：CN115310622B
公开(公告)日：2023-01-17
申请号：CN202211243870.2
申请日：2022-10-12
IPC: G06N20/00 , G06F40/205
Abstract: 本发明涉及自然语言理解技术领域，公开了一种基于自适应专家系统的智能问答方法，对任意的输入实例，基于模型的梯度来计算一个嵌入表示，并用这个基于梯度的嵌入表示来自适应地对专家进行调制；以这种方式，自适应专家系统将能充分适应于输入的实例，捕捉实例的特性，从而数据集的特性也隐式地进行了表达。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.029 seconds)
