-
公开(公告)号：CN104331451A
公开(公告)日：2015-02-04
申请号：CN201410595741.9
申请日：2014-10-30
申请人： 南京大学
IPC分类号： G06F17/30
CPC分类号： G06F17/2705 , G06K9/6297
摘要： 本发明公开了一种基于主题的网络用户评论的推荐度评分方法，其步骤是：1)获取网络中同一主题下的用户评论，以句子为单位组织这些评论；2)基于句子中的情感词，对句子完成情感评分；3)以句子和对应的情感评分作为输入，按用户单位，训练隐马尔可夫SVM模型；4)针对待评分的目标评论，采用模型每一个句子评分；5)针对待评分的目标评论，采用步骤2)对每一个句子评分；6)采用加权平均法，综合两个方面的评分，获得目标评论的推荐度评分。本方法采用无监督方式，应用公开的情感词库，无需人工评价，计算成本简单；适用于网络评论快速更新的情形；能够挖掘主题特征，充分考虑其他用户评论的情感倾向，及主题对目标用户评论的影响，提高评分的准确性和及时性。
-
公开(公告)号：CN104391984B
公开(公告)日：2017-10-03
申请号：CN201410755046.4
申请日：2014-12-11
申请人： 南京大学
IPC分类号： G06F17/30
摘要： 本发明公开了一种中英文混合的网络用户评论的推荐度评分方法，主要分为三个步骤：1) 获取中英文混合的网络用户评论，完成预处理；2) 以句子为单位，基于语法树计算每个句子的情感评分；3) 针对待评分的目标用户评论，根据单个句子的情感得分和所在位置，采用加权法完成用户评论的推荐度评分。本方法采用无监督方式，不需要对网络用户评论的人工标注，计算简单高效，同人工评价相比较具有较高的准确性；本方法具有扩展性和适应性，可以推广到其他类型语言；适用于网络用户评论数量大、更新快的情形；有效解决网络用户评论推荐度评价的问题。
-
公开(公告)号：CN104391984A
公开(公告)日：2015-03-04
申请号：CN201410755046.4
申请日：2014-12-11
申请人： 南京大学
IPC分类号： G06F17/30
CPC分类号： G06F17/30864 , G06F17/2785 , G06F17/289
摘要： 本发明公开了一种中英文混合的网络用户评论的推荐度评分方法，主要分为三个步骤：1)获取中英文混合的网络用户评论，完成预处理；2)以句子为单位，基于语法树计算每个句子的情感评分；3)针对待评分的目标用户评论，根据单个句子的情感得分和所在位置，采用加权法完成用户评论的推荐度评分。本方法采用无监督方式，不需要对网络用户评论的人工标注，计算简单高效，同人工评价相比较具有较高的准确性；本方法具有扩展性和适应性，可以推广到其他类型语言；适用于网络用户评论数量大、更新快的情形；有效解决网络用户评论推荐度评价的问题。
-
公开(公告)号：CN103279805A
公开(公告)日：2013-09-04
申请号：CN201310157718.7
申请日：2013-04-28
申请人： 南京大学镇江高新技术研究院
摘要： 本发明公开了一种基于价格连动网络的股票数据分析方法，其步骤是：1）收集股票价格数据，计算股票价格之间的连动关系，以股票为节点、连动关系为边构建价格连动网络；2）在价格连动网络中，根据股票节点的两跳以内父节点集、股票价格走势、以及连动关系的权重计算股票节点的升值期望；3）根据升值期望对股票进行排序。本发明方法充分挖掘股票价格之间的连动关系，能够根据股票市场的价格波动情况合理判定近期内各股票的升值期望，有效避免单一股票价格走势预测中可能遇到的公平博弈问题。本发明方法计算简单，具有时效性、灵活性和扩展性，对股票历史数据处理量小，适用于股票市场数据量大且价格波动频繁的特点。
-
公开(公告)号：CN116011559A
公开(公告)日：2023-04-25
申请号：CN202211525438.2
申请日：2022-11-30
IPC分类号： G06N3/096 , G06N3/091 , G06N3/0895 , G06N3/084 , G06N3/045 , G06F16/35 , G06F40/205 , G16H10/60 , G16H50/70 , G16H50/20
摘要： 本发明公开了基于伪单词序列生成的病例分类的零样本蒸馏系统及方法，包括：模型分离模块，将教师模型分割成词嵌入层和剩余的编码层；多元正态分布生成模块，利用训练好的教师模型的网络权重计算多元正态分布系数；伪样本生成模块，利用生成的多元正态分布、分割后的教师模型编码层和教师模型词嵌入层生成词嵌入向量样本；蒸馏模块，利用生成的词嵌入向量生成样本，进行知识蒸馏，从而将教师模型的知识转移到学生模型中。本发明能够让使得没有真实数据的情境下，可以通过已经训练好的模型转移其知识给新的轻量化模型，并且直接生成词嵌入向量样本，并用其执行蒸馏过程，保证了伪样本生成和蒸馏的有效性，可以在没有数据的现实情况下蒸馏得到适用于同一领域数据预测的轻量化新模型。
-
公开(公告)号：CN111353976A
公开(公告)日：2020-06-30
申请号：CN202010114804.X
申请日：2020-02-25
申请人： 南京大学
摘要： 本发明公开了一种基于卷积神经网络的沙粒目标检测方法，其步骤是：1）设计卷积网络结构，由卷积模块和残差模块堆叠而成；添加双端输入结构和多尺度检测结构；2）基于沙粒图像和标注进行预处理；基于已标注的沙粒图像构建训练数据集；3）基于训练数据集训练卷积网络，包括目标函数定义，训练过程优化；4）应用训练好的卷积网络预测沙粒图像的目标位置。本发明充分利用单偏光图像和正交偏光图像特征，应用卷积神经网络技术，提升检测精度和检测效率；本发明方法网络训练速度快，能快速完成沙粒目标检测，适用于海量沙粒图像的自动检测，具有良好的扩展性、鲁棒性和实用性。
-
公开(公告)号：CN102750647A
公开(公告)日：2012-10-24
申请号：CN201210219288.2
申请日：2012-06-29
申请人： 南京大学
IPC分类号： G06Q30/02
摘要： 本发明公开了一种基于交易网络的商家推荐方法，其步骤为：（1）整理交易数据并建立交易网络；（2）根据用户交易历史对用户聚类；（3）对交易网络进行社团划分；（4）应用随机行走方法实现商家推荐。本发明可广泛应用于各类电子商务网站中的商家（卖家）推荐，为广大买家推荐合适的卖家；充分利用买家和卖家的历史交易数据，发掘买家和卖家的偏好特征，分析买家和卖家交易的相似性，合理应用随机行走方法，有效提高商家推荐的准确性和针对性。所采用的计算方法简单高效，切合电子商务网站海量交易数据、同时买家和卖家交易信息稀疏的特性，有较好的扩展性和适用性；有效填补目前电子商务网站商家推荐方面的空白。
-
公开(公告)号：CN111382676B
公开(公告)日：2023-12-22
申请号：CN202010114805.4
申请日：2020-02-25
申请人： 南京大学
IPC分类号： G06V20/69 , G06V10/82 , G06N3/0464 , G06N3/084
摘要： 本发明公开了一种基于注意力机制的沙粒图像分类方法，包括：1）收集一定数量已标注类别的沙粒图像构建训练数据集；2）对训练数据集中的沙粒图像进行缩放和归一化预处理，使图像数据符合网络输入要求；3）设计基于注意力机制的卷积网络结构，包括基础网络框架和注意力模块；4）定义损失函数，训练沙粒图像自动分类模型，得到端到端的多类别沙粒图像自动分类模型；5）将预处理后的测试沙粒图像输入模型进行预测，输出沙粒图像所属类别。本发明方法相比传统基于特征工程的沙粒图像分类方法不同的是引入了卷积神经网络和注意力机制，在提高沙粒图像分类准确率的同时，也加快了分类的速度。
-
公开(公告)号：CN109904854B
公开(公告)日：2023-11-07
申请号：CN201910030412.2
申请日：2019-01-14
申请人： 中国电力科学研究院有限公司 , 南京大学 , 国网江苏省电力有限公司 , 国家电网有限公司
IPC分类号： H02J3/00 , G06N3/0442 , G06N3/08
摘要： 本发明涉及一种面向需求响应的家庭电路负荷分解方法及系统，将采集的目标家庭的电路负荷数据，代入预先建立的深度长短期记忆网络模型中；利用深度长短期记忆网络模型对所述目标家庭的电路负荷数据进行分解，并将分解结果进行拼接，得到所述目标家庭各用电器的用电情况；其中，所述深度长短期记忆网络模型包括预先采集的典型家庭电路负荷数据。
-
公开(公告)号：CN111382676A
公开(公告)日：2020-07-07
申请号：CN202010114805.4
申请日：2020-02-25
申请人： 南京大学
摘要： 本发明公开了一种基于注意力机制的沙粒图像分类方法，包括：1）收集一定数量已标注类别的沙粒图像构建训练数据集；2）对训练数据集中的沙粒图像进行缩放和归一化预处理，使图像数据符合网络输入要求；3）设计基于注意力机制的卷积网络结构，包括基础网络框架和注意力模块；4）定义损失函数，训练沙粒图像自动分类模型，得到端到端的多类别沙粒图像自动分类模型；5）将预处理后的测试沙粒图像输入模型进行预测，输出沙粒图像所属类别。本发明方法相比传统基于特征工程的沙粒图像分类方法不同的是引入了卷积神经网络和注意力机制，在提高沙粒图像分类准确率的同时，也加快了分类的速度。
-
-
-
-
-
-
-
-
-
搜索结果
16 条记录 (耗时 0.023 秒)
