一种并行切比雪夫迭代ADMM压缩感知快速重构方法

    公开(公告)号:CN116471417A

    公开(公告)日:2023-07-21

    申请号:CN202310368421.9

    申请日:2023-04-07

    申请人: 福州大学

    发明人: 钱慧 陈二微 赵楠

    摘要: 本发明的目的在于提供一种并行切比雪夫迭代ADMM压缩感知快速重构方法,该方法可支持任意稀疏度信号重构。本发明首先利用切比雪夫迭代法化简ADMM算法中高计算复杂度的矩阵求逆运算。其次,在考虑实时计算需求的情况下,分离切比雪夫迭代ADMM计算步骤中的数据无关项,提高并行度,从而提高ADMM重构的速度。

    一种基于话题多样性的文本数据观点摘要挖掘方法

    公开(公告)号:CN108268668A

    公开(公告)日:2018-07-10

    申请号:CN201810166896.9

    申请日:2018-02-28

    申请人: 福州大学

    IPC分类号: G06F17/30

    摘要: 本发明提供一种基于话题多样性的文本数据观点摘要挖掘方法,其包括以下步骤:步骤S1:对话题文本进行预处理;步骤S2:输入话题语料集和背景语料集;步骤S3:提取话题语料集的话题属性;步骤S4:将得到的话题属性添加情感极性,用于对句子向量化;步骤S5:将得到的话题属性作为评价对象,采用面向多评价对象的动态词序列情感分析方法分析句子中包含的评价对象的情感极性,得出句子包含的情感属性特征,将一个句子进行特征向量化;步骤S6:利用步骤S5得到的文本句子特征向量构建多样性目标函数。能够高效准确地得到话题文本的观点摘要,并且能够应用于更大规模数据集应用场景。

    一种融合话题属性和情感信息的文本数据观点摘要挖掘方法

    公开(公告)号:CN108287922B

    公开(公告)日:2022-03-08

    申请号:CN201810165734.3

    申请日:2018-02-28

    申请人: 福州大学

    IPC分类号: G06F16/35 G06F40/30

    摘要: 本发明提供一种融合话题属性和情感信息的文本数据观点摘要挖掘方法,包括:对话题的文本语料集进行预处理;输入话题语料集和背景语料集;提取话题语料集的话题属性;将得到的话题属性添加情感极性,对句子向量化;将得到的话题属性作为评价对象,得出句子包含的情感属性特征,通过话题属性和情感分析方法将一个句子进行特征向量化;利用得到的话题属性集合、文本句子特征向量集合S构建三层图结构,把所有文本句子聚类;从类簇中挑选句子组成观点摘要,挑选得分高的句子组成观点摘要。本发明使得采用提取话题属性方法提取的话题属性更为精准,同样使其不仅仅应用与中文微博领域,更可以用于网站新闻、商品评论领域。

    一种融合话题属性和情感信息的文本数据观点摘要挖掘方法

    公开(公告)号:CN108287922A

    公开(公告)日:2018-07-17

    申请号:CN201810165734.3

    申请日:2018-02-28

    申请人: 福州大学

    IPC分类号: G06F17/30 G06F17/27

    摘要: 本发明提供一种融合话题属性和情感信息的文本数据观点摘要挖掘方法,包括:对话题的文本语料集进行预处理;输入话题语料集和背景语料集;提取话题语料集的话题属性;将得到的话题属性添加情感极性,对句子向量化;将得到的话题属性作为评价对象,得出句子包含的情感属性特征,通过话题属性和情感分析方法将一个句子进行特征向量化;利用得到的话题属性集合、文本句子特征向量集合S构建三层图结构,把所有文本句子聚类;从类簇中挑选句子组成观点摘要,挑选得分高的句子组成观点摘要。本发明使得采用提取话题属性方法提取的话题属性更为精准,同样使其不仅仅应用与中文微博领域,更可以用于网站新闻、商品评论领域。

    一种基于话题多样性的文本数据观点摘要挖掘方法

    公开(公告)号:CN108268668B

    公开(公告)日:2022-01-18

    申请号:CN201810166896.9

    申请日:2018-02-28

    申请人: 福州大学

    摘要: 本发明提供一种基于话题多样性的文本数据观点摘要挖掘方法,其包括以下步骤:步骤S1:对话题文本进行预处理;步骤S2:输入话题语料集和背景语料集;步骤S3:提取话题语料集的话题属性;步骤S4:将得到的话题属性添加情感极性,用于对句子向量化;步骤S5:将得到的话题属性作为评价对象,采用面向多评价对象的动态词序列情感分析方法分析句子中包含的评价对象的情感极性,得出句子包含的情感属性特征,将一个句子进行特征向量化;步骤S6:利用步骤S5得到的文本句子特征向量构建多样性目标函数。能够高效准确地得到话题文本的观点摘要,并且能够应用于更大规模数据集应用场景。