-
公开(公告)号:CN116414960A
公开(公告)日:2023-07-11
申请号:CN202310264981.X
申请日:2023-03-17
申请人: 淮阴工学院
IPC分类号: G06F16/332 , G06F16/36 , G06F16/35 , G06F16/901 , G06F40/151 , G06F40/289 , G06F40/279 , G06N3/0442 , G06N3/08
摘要: 本发明公开了一种基于知识图谱的化工园区安全问答方法、设备及存储介质,所述方法包括以下步骤:(1)获取化工园区的百科知识,用于构建化工园区的百科知识图谱,并将其存储为json格式;(2)对数据进行预处理;(3)将处理后的数据输入基于BERT‑BIGRU‑MHAT‑CRF实体识别模型进行训练;(4)将训练好的数据采用Neo4j图数据库进行知识存储,生成知识图谱;本发明解决了现有化工园区安全领域问题搜索不匹配造成搜索问题耗时长,效率低的问题;有效对问题进行解析,提高了问题类型划分的准确率以及答案精度。
-
公开(公告)号:CN116011455A
公开(公告)日:2023-04-25
申请号:CN202310054386.3
申请日:2023-02-03
申请人: 淮阴工学院
IPC分类号: G06F40/295 , G06F40/242 , G06N3/0442 , G06N3/084
摘要: 本发明公开了一种基于词汇增强和深度学习的中文命名实体识别方法及系统,通过结合词典信息的输入序列匹配方法以及基于统计的静态加权方法进行中文文本序列的输入向量表示,使用基于双向长短时记忆网络和多头注意力机制结合的序列建模方法,使用条件随机场针对实体标签之间的相互依赖关系进行实体标签预测,使得完全保留先验词典中的词汇信息,在实现词汇增强的同时解决了传递过程中的词汇信息损失问题,提高识别精准度。
-
公开(公告)号:CN118229321A
公开(公告)日:2024-06-21
申请号:CN202410388092.9
申请日:2024-04-01
申请人: 淮阴工学院
IPC分类号: G06Q30/0201 , G06Q40/06 , G06F18/23213 , G06F18/25 , G06N3/0442 , G06N3/084
摘要: 本发明涉及机器学习、化工期货价格领域,公开了一种基于三支聚类的化工期货价格预测方法、系统及存储介质,获取化工期货价格、化工期货论坛数据,利用三支聚类方法对预处理的数据进行提取价格形态特征;分析投资者在化工期货论坛中的文本数据所展现出的投资倾向,得到化工期货时序数据中的情感倾向值特征;将价格形态特征、情感倾向值特征进行融合;构建时间序列化工期货价格预测模型,将训练集输入时间序列化工期货模型中训练,利用训练后的时间序列化工期货模型进行期货价格预测。与现有技术相比,本发明基于样本稳定性的三支聚类分析爬取的数据,利用长短期记忆神经网络模型分析论坛用户情感特征与化工期货价格之间的关系。
-
公开(公告)号:CN116541525A
公开(公告)日:2023-08-04
申请号:CN202310514296.8
申请日:2023-05-09
申请人: 淮阴工学院
IPC分类号: G06F16/35 , G06N3/096 , G06F40/30 , G06F40/289 , G06N3/0464
摘要: 本发明公开了一种基于迁移学习和深度学习的多标签化工领域新闻分类方法,包括获取新闻数据;对新闻数据进行分段及添加标签,建立数据集序列M;将数据集序列M中每段文本转化为向量序列,获得每段文本的组合向量;选择预训练模型并利用组合向量进行训练,得到文本向量;利用迁移学习构建多标签化工新闻分类模型,以捕捉文本向量中局部的特征和全局的语义信息;对多标签化工新闻分类模型进行优化;对多标签化工新闻分类模型进行性能分析。本发明解决了现有技术中新闻分类方法存在无法实现多标签的分类任务或对于多标签分类任务表现不佳、需要大量文本数据来进行训练、需要较大的存储空间来存储词向量的问题。
-
公开(公告)号:CN116204633A
公开(公告)日:2023-06-02
申请号:CN202211702072.1
申请日:2022-12-29
申请人: 淮阴工学院
IPC分类号: G06F16/35 , G06F16/215 , G06F16/2458 , G06N3/0442 , G06N3/0464 , G06N3/045 , G06N3/047 , G06N3/08
摘要: 本发明公开了一种基于LSTM‑TextCNN算法结合词云展示的事故分类方法、存储介质及装置,所述方法包括以下步骤:(1)数据挖掘;(2)表结构的确定;(3)数据预处理,包括:数据清理、句子切分、去停用词处理、数据入库;(4)对存储在数据库的事故信息数据进行分类训练;(5)利用词云图方法,进行事故分类信息关键词的词云图展示;(6)后端设计:通过建立多种服务获取全方位的事故信息;本发明通过深度学习算法结合词云技术,能够产生事故分类关键词的词云图,能够非常直观地观察到各个事故分类的文本关键词,通过对词云图的观察,能够直接获得影响事故分类的因素,对某类事故有大体上的了解;在一定程度上实现了事故分类技术的可视化。
-
-
-
-