公开(公告)号：CN116757281A

公开(公告)日：2023-09-15

申请号：CN202310749274.X

申请日：2023-06-21

申请人： 电子科技大学

发明人： 孙明 ,  田玲 ,  闫科 ,  夏宇昂 ,  单荣臻 ,  徐迪东

IPC分类号： G06N5/025 ,  G06F16/36 ,  G06F16/901 ,  G06F16/906 ,  G06F40/30 ,  G06N3/042 ,  G06N3/045 ,  G06N3/048 ,  G06N3/084

摘要： 本发明公开了一种基于图结构关系推理的知识图谱补全方法，包括：S1、对知识图谱采取图结构挖掘，提取目标实体对对应目标节点周围的有向封闭子图；S2、结合节点间的语义关系，对有向封闭子图进行特征双向增强；S3、将特征双向增强后的有向封闭子图分为节点子图和边子图，并分别通过高阶图神经网络对其表示更新，得到节点子图嵌入和边子图嵌入；S4、将节点子图嵌入和边子图嵌入拼接，得到完整的子图表示，并根据其计算目标实体对之间的关系概率，进而实现知识图谱补全。本发明利用知识图谱中不同层次的图结构进行归纳式的知识图谱推理，本发明能够预测训练期间没有见过的实体之间的关系，能够在复杂的知识图谱中有效地进行推理与补全。

公开(公告)号：CN118965109A

公开(公告)日：2024-11-15

申请号：CN202411015991.0

申请日：2024-07-26

申请人： 电子科技大学(深圳)高等研究院

发明人： 张栗粽 ,  孙明 ,  田玲 ,  高辉 ,  孔京

IPC分类号： G06F18/241 ,  G06F16/35 ,  G06N5/022 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0442

摘要： 本发明公开了一种基于发布内容和用户关系融合的社交机器人检测方法，包括以下步骤：上传用户数据；对所述用户数据进行预处理，获得预处理后的文本数据、属性数据以及关系数据；利用所述预处理后的文本数据和属性数据进行文本表征提取，获得第一向量，利用所述预处理后的文本数据、属性数据和关系数据进行关系网络表示提取，获得第二向量；根据所述第一向量和第二向量进行结果识别；其中，所述第一向量为用户文本表示向量，所述第二向量为用户关系网络表示向量。其根据用户在社交媒体上发布的内容信息和其社交关系图识别出社交机器人，通过对不同类型数据的分析利用，提升识别的准确率。

公开(公告)号：CN118709762A

公开(公告)日：2024-09-27

申请号：CN202410836652.2

申请日：2024-06-26

申请人： 电子科技大学

发明人： 惠孛 ,  高辉 ,  田玲 ,  孙明 ,  王晨阳 ,  毛新宇 ,  范馨予

IPC分类号： G06N5/022 ,  G06N5/04 ,  G06F18/25 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/047 ,  G06N3/042 ,  G06F16/36 ,  G06N3/084

摘要： 本发明提供一种基于子图关系信息的知识图谱关系预测方法，涉及机器学习技术领域，该方法为通过对实体数据的关系链接情况进行分析，得到知识图谱子图；基于知识图谱子图，对实体的位置特征和实体的邻域关系特征进行分析和融合，得到信息增强的初始表示特征数据；将初始表示特征数据输入表示特征预测模型，得到表示特征数据；利用有偏随机游走方法对知识图谱子图进行路径分析，得到知识图谱子图的路径特征数据；基于实体数据、表示特征数据和路径特征数据，利用三元组评分函数进行综合计算，得到知识图谱关系预测结果，完成对知识图谱关系的预测。本发明解决了现有基于子图的预测模型面对稀疏子图的鲁棒性较差问题。

公开(公告)号：CN118522025A

公开(公告)日：2024-08-20

申请号：CN202410664891.4

申请日：2024-05-27

申请人： 电子科技大学

发明人： 田玲 ,  张栗粽 ,  孙明 ,  康昭 ,  李俊松 ,  李锦萍 ,  单荣臻

IPC分类号： G06V30/41 ,  G06V30/18 ,  G06V30/19 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08

摘要： 本发明公开了一种基于多模态信息增强的情感检测方法，包括：S1、提取多模态数据的文本底层情感特征和图像底层情感特征；S2、结合图像情感描述数据集，通过图像语义描述器挖掘多模态数据中图像数据的图像深层情感语义；S3、分析多模态数据中文本数据和图像深层情感语义之间的情感相似性；S4、将文本底层情感特征和图像底层情感特征进行特征级融合，并进行初步情感分析，得到对应的图文融合特征情感决策；S5、基于情感相似性分析结果，将图文融合特征情感决策与图像深层情感语义进行决策融合，确定图文数据的情感类型。本发明提升了图文情感分类的准确率和召回率，从而提升多模态数据的情感分析效果。

公开(公告)号：CN115712721A

公开(公告)日：2023-02-24

申请号：CN202211009765.2

申请日：2022-08-22

申请人： 电子科技大学

发明人： 郑旭 ,  孙明 ,  张栗粽 ,  高磊 ,  邵子洋

IPC分类号： G06F16/35 ,  G06F40/30 ,  G06F40/205 ,  G06F40/284 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/047 ,  G06N3/048

摘要： 本发明公开了一种非结构化事件抽取方法，包括事件触发词抽取和事件元素抽取两个子任务；首先在自然语言文本中找出代表事件类型的事件触发词，通过对文本进行嵌入获得向量表示，通过不同层次的注意力机制获得语义特征，输入到分类器中获得事件触发词抽取结果；然后进行事件元素抽取，事件元素是事件中的参与者，因此基于事件触发词抽取结果和多重语义信息构建事件元素抽取模型，获得语义特征，输入到分类器中获得事件元素抽取结果。本发明通过充分挖掘语言文本中的语义信息，准确、高效抽取事件触发词和事件元素，从而提高事件抽取方法的效果。

公开(公告)号：CN114699080A

公开(公告)日：2022-07-05

申请号：CN202210470268.6

申请日：2022-04-28

申请人： 电子科技大学

发明人： 孙明 ,  王璐琪 ,  曹轩萌

IPC分类号： A61B5/18 ,  A61B5/318 ,  A61B5/389 ,  A61B5/352 ,  A61B5/0533 ,  G06K9/00 ,  G06N3/04 ,  G06N3/08

摘要： 本发明公开了一种基于融合特征的驾驶员精神紧张程度识别方法，基于驾驶员的心电信号、皮肤电导信号、肌电信号等生理信号，提出了多层次双通道融合的精神紧张程度识别方法，将从卷积神经网络CNN和长短时记忆网络LSTM双通道提取的深度时间、空间情感特征和浅层时频域特征进行多层次特征融合，解决了现有精神紧张程度识别方法存在生理信号特征利用不充分和过分依赖数据量的问题，获得了更具表征性的精神紧张特征，在当前的研究基础上进一步细化精神紧张程度分类，能够更精确地识别驾驶员的精神紧张程度。

公开(公告)号：CN118839927A

公开(公告)日：2024-10-25

申请号：CN202410981863.5

申请日：2024-07-22

申请人： 电子科技大学

发明人： 孙明 ,  周毅 ,  夏宇昂 ,  单荣臻 ,  汪顺旺 ,  贺康俊 ,  毛新宇

IPC分类号： G06Q10/0631 ,  G06F18/25 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08

摘要： 本发明公开了一种基于学习混入与较优趋近的卫星调度方案生成方法，属于资源调度技术领域，包括以下步骤：建立卫星调度问题的任务依赖图表示模型；基于任务依赖图表示模型生成第一随机可行调度方案Pa、第二随机可行调度方案Pb以及第三随机可行调度方案P*；初始化一个随机可行调度方案的局部最优解作为第四随机可行调度方案P#；更新第一随机可行调度方案Pa、第二随机可行调度方案Pb、第三随机可行调度方案P*和第四随机可行调度方案P#；进行下一轮更新，直到运行时间或迭代轮次达到预设值，输出第三随机可行调度方案P*作为最终调度方案。本发明解决了传统卫星资源调度算法存在较大的人力投入与计算开销，并且在灵活性和及时性等方面存在不足的问题。

公开(公告)号：CN115936371B

公开(公告)日：2024-08-16

申请号：CN202211582411.7

申请日：2022-12-08

申请人： 电子科技大学

发明人： 孙明 ,  徐迪东 ,  邓博文 ,  曹轩萌

IPC分类号： G06Q10/0631 ,  G06Q10/04

摘要： 本发明公开了一种基于局部邻域搜索的装备调度规划方法，属于装备调度技术领域，该方法包括：完成需求数据的接收与预处理；对资源数据进行读取与预处理；以启发式的贪心策略生成初始装备调度方案；构建装备调度模型；以初始装备调度方案为当前解；设定局部搜索算法的停止条件；通过邻域动作生成当前解的邻域解，并根据邻域解构建集合；将最优解os作为当前解s；判断是否满足局部搜索算法的停止条件；将当前解s作为最终的装备调度方案。本发明解决了多目标观测能力下装备任务规划的问题。

公开(公告)号：CN116796230A

公开(公告)日：2023-09-22

申请号：CN202310749516.5

申请日：2023-06-21

申请人： 电子科技大学

发明人： 闫科 ,  孙明 ,  田玲 ,  郑旭 ,  夏松林 ,  仲文章 ,  宋乐旋

IPC分类号： G06F18/24 ,  G06F18/23 ,  G06F18/214 ,  G06F18/20

摘要： 本发明公开了一种基于贝叶斯网络的网络热点事件早期预测方法，包括以下步骤：采样选取源数据集，并对每条数据进行标签分类，得到事件集合样本数据，将事件集合样本数据划分为训练集和测试集；针对事件集合样本数据中的每条样本事件，提取关联各类早期信息数据作为输入特征，并基于特征数据构建贝叶斯网络模型，得到联合概率分布表示；基于联合概率分布表示和训练集，进行贝叶斯网络模型参数估计，得到优化的热点事件早期预测模型；将测试集中的样本事件输入到优化的热点事件早期预测模型中，预测样本事件是否会成为热点事件，并得到预测结果概率。本发明解决了现有热点事件预测方法对于网络数据特征提取复杂度高且早期预测效果不佳的问题。

公开(公告)号：CN116757201A

公开(公告)日：2023-09-15

申请号：CN202310749529.2

申请日：2023-06-21

申请人： 电子科技大学

发明人： 郑旭 ,  孙明 ,  闫科 ,  陈丰春 ,  王婷琦 ,  李俊松

IPC分类号： G06F40/289 ,  G06F40/242 ,  G06F40/30 ,  G06N3/045

摘要： 本发明公开了一种基于跨度边界表示的文本共指关系预测方法及系统，该方法包括：将文本数据转化为文本的向量表示；计算文本的提及边界表示和共指边界表示；根据文本的提及边界表示确定文本的候选提及；根据文本的向量表示、共指边界表示和候选提及，确定文本的提及候选先行词；根据文本的候选提及和提及候选先行词，对文本进行图结构建模并进行迭代优化，并利用迭代优化后的图结构预测文本的共指关系。本发明基于跨度边界表示，不需要构建文本中提及词的跨度表示，减少了计算量和因动态构建跨度表示而消耗的内存、显存，设计了融合图结构的transformer模型，通过该模型对文本进行图结构建模和迭代优化，能有效预测文本的共指关系。