公开(公告)号：CN111859936A

公开(公告)日：2020-10-30

申请号：CN202010654090.1

申请日：2020-07-09

申请人： 大连理工大学

发明人： 陈志奎 ,  李超杰 ,  钟芳明

IPC分类号： G06F40/279 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/18

摘要： 一种基于深度混合网络的面向跨域立案的法律文书专业管辖权识别方法，属于深度学习技术领域，步骤为：1)文本数据向量化处理得到文本对应的向量矩阵；2)通过TextCNN模块提取文本数据的空间结构特征；3)通过TextRNN模块提取文本数据的序列信息特征；4)利用张量将文本数据的空间结构特征和序列信息特征构造为表征能力更强的高阶数据块；5)在soft-max层以高阶数据块作为输入进行分类，得到案件的专业管辖权结果。本发明针对跨域立案中的文本起诉材料设深度混合计算网络，有效融合TextCNN和TextRNN，联合学习文本数据的空间结构特征和序列信息特征，并为此采用张量外积的方式将两种特征提取结果构造成具有丰富语义的高阶数据块，完成分类任务，识别出案件的专业管辖权结果。

公开(公告)号：CN111259979A

公开(公告)日：2020-06-09

申请号：CN202010084739.0

申请日：2020-02-10

申请人： 大连理工大学

发明人： 陈志奎 ,  李超杰 ,  高静 ,  李朋

IPC分类号： G06K9/62 ,  G06F16/55

摘要： 一种基于标签自适应策略的深度半监督图像聚类方法，属于图像聚类与数据挖掘技术领域，1)预训练编解码网络，初始化特征嵌入空间；2)通过K-means方法在潜在特征空间初始化聚类簇心；3)计算聚类结果的软分配和目标分布，基于KL散度生成聚类损失；4)利用标签自适应策略动态生成临时监督标签，基于交叉熵生成标签损失；5)计算和优化联合目标函数，迭代更新直至满足收敛条件，完成聚类学习。本发明针对图像数据设计了一种深度半监督聚类方法，考虑在聚类过程中的标签漂移问题，并设计了一种标签自适应策略，以动态适应标签的漂移，同时整合聚类损失和标签损失，联合优化潜在特征空间和调整聚类簇心，能有效提高聚类方法的性能。

公开(公告)号：CN111259979B

公开(公告)日：2022-11-18

申请号：CN202010084739.0

申请日：2020-02-10

申请人： 大连理工大学

发明人： 陈志奎 ,  李超杰 ,  高静 ,  李朋

IPC分类号： G06V10/762 ,  G06F16/55

摘要： 一种基于标签自适应策略的深度半监督图像聚类方法，属于图像聚类与数据挖掘技术领域，1)预训练编解码网络，初始化特征嵌入空间；2)通过K‑means方法在潜在特征空间初始化聚类簇心；3)计算聚类结果的软分配和目标分布，基于KL散度生成聚类损失；4)利用标签自适应策略动态生成临时监督标签，基于交叉熵生成标签损失；5)计算和优化联合目标函数，迭代更新直至满足收敛条件，完成聚类学习。本发明针对图像数据设计了一种深度半监督聚类方法，考虑在聚类过程中的标签漂移问题，并设计了一种标签自适应策略，以动态适应标签的漂移，同时整合聚类损失和标签损失，联合优化潜在特征空间和调整聚类簇心，能有效提高聚类方法的性能。

公开(公告)号：CN111859936B

公开(公告)日：2022-09-20

申请号：CN202010654090.1

申请日：2020-07-09

申请人： 大连理工大学

发明人： 陈志奎 ,  李超杰 ,  钟芳明

IPC分类号： G06F40/279 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/18

摘要： 一种基于深度混合网络的面向跨域立案的法律文书专业管辖权识别方法，属于深度学习技术领域，步骤为：1)文本数据向量化处理得到文本对应的向量矩阵；2)通过TextCNN模块提取文本数据的空间结构特征；3)通过TextRNN模块提取文本数据的序列信息特征；4)利用张量将文本数据的空间结构特征和序列信息特征构造为表征能力更强的高阶数据块；5)在soft‑max层以高阶数据块作为输入进行分类，得到案件的专业管辖权结果。本发明针对跨域立案中的文本起诉材料设深度混合计算网络，有效融合TextCNN和TextRNN，联合学习文本数据的空间结构特征和序列信息特征，并为此采用张量外积的方式将两种特征提取结果构造成具有丰富语义的高阶数据块，完成分类任务，识别出案件的专业管辖权结果。