公开(公告)号：US20130325756A1

公开(公告)日：2013-12-05

申请号：US13488885

申请日：2012-06-05

申请人： Jingrui He ,  David C. Gondek ,  Richard D. Lawrence ,  Enara C. Vijil

发明人： Jingrui He ,  David C. Gondek ,  Richard D. Lawrence ,  Enara C. Vijil

IPC分类号： G06F15/18

CPC分类号： G06K9/628

摘要： A system and method a Multi-Task Multi-View (M2TV) learning problem. The method uses the label information from related tasks to make up for the lack of labeled data in a single task. The method further uses the consistency among different views to improve the performance. It is tailored for the above complicated dual heterogeneous problems where multiple related tasks have both shared and task-specific views (features), since it makes full use of the available information.

摘要翻译： 多任务多视图（M2TV）学习问题的系统和方法。 该方法使用相关任务的标签信息来弥补单个任务中缺少标记数据。 该方法进一步使用不同视图之间的一致性来提高性能。 它针对上述复杂的双重异构问题，其中多个相关任务具有共享和任务特定的视图（特征），因为它充分利用了可用的信息。

公开(公告)号：US08990128B2

公开(公告)日：2015-03-24

申请号：US13488885

申请日：2012-06-05

申请人： Jingrui He ,  David C. Gondek ,  Richard D. Lawrence ,  Enara C. Vijil

发明人： Jingrui He ,  David C. Gondek ,  Richard D. Lawrence ,  Enara C. Vijil

IPC分类号： G06F15/18 ,  G06K9/62

CPC分类号： G06K9/628

摘要： A system and method a Multi-Task Multi-View (M2TV) learning problem. The method uses the label information from related tasks to make up for the lack of labeled data in a single task. The method further uses the consistency among different views to improve the performance. It is tailored for the above complicated dual heterogeneous problems where multiple related tasks have both shared and task-specific views (features), since it makes full use of the available information.

摘要翻译： 多任务多视图（M2TV）学习问题的系统和方法。 该方法使用相关任务的标签信息来弥补单个任务中缺少标记数据。 该方法进一步使用不同视图之间的一致性来提高性能。 它针对上述复杂的双重异构问题，其中多个相关任务具有共享和任务特定的视图（特征），因为它充分利用了可用的信息。

公开(公告)号：US20130018828A1

公开(公告)日：2013-01-17

申请号：US13619059

申请日：2012-09-14

申请人： Jingrui He ,  Richard D. Lawrence ,  Prem Melville ,  Vikas Sindhwani ,  Vijil E. Chenthamarakshan

发明人： Jingrui He ,  Richard D. Lawrence ,  Prem Melville ,  Vikas Sindhwani ,  Vijil E. Chenthamarakshan

IPC分类号： G06N5/02 ,  G06F15/18

CPC分类号： G06N5/022 ,  G06F16/353 ,  G06F16/367

摘要： A first mapping function automatically maps a plurality of documents each with a concept of ontology to create a documents-to-ontology distribution. An ontology-to-class distribution that maps concepts in the ontology to class labels, respectively, is received, and a classifier is generated that labels a selected document with an associated class identified based on the documents-to-ontology distribution and the ontology-to-class distribution.

公开(公告)号：US09477929B2

公开(公告)日：2016-10-25

申请号：US13619142

申请日：2012-09-14

申请人： Jingrui He ,  Richard D. Lawrence ,  Yan Liu

发明人： Jingrui He ,  Richard D. Lawrence ,  Yan Liu

IPC分类号： G06F5/00 ,  G06N5/00 ,  G06N99/00

CPC分类号： G06N99/005

摘要： Transfer learning is the task of leveraging the information from labeled examples in some domains to predict the labels for examples in another domain. It finds abundant practical applications, such as sentiment prediction, image classification and network intrusion detection. A graph-based transfer learning framework propagates label information from a source domain to a target domain via the example-feature-example tripartite graph, and puts more emphasis on the labeled examples from the target domain via the example-example bipartite graph. An iterative algorithm renders the framework scalable to large-scale applications. The framework propagates the label information to both features irrelevant to the source domain and unlabeled examples in the target domain via common features in a principled way.

摘要翻译： 转移学习是利用来自某些领域的标记示例的信息来预测另一个域中的示例的标签的任务。 发现情绪预测，图像分类和网络入侵检测等丰富的实际应用。 基于图形的传输学习框架通过示例特征示例三方图将标签信息从源域传播到目标域，并通过示例性的二分图更加强调来自目标域的标记示例。 迭代算法使框架可扩展到大规模应用程序。 该框架通过原理方式的共同特征将标签信息传播到与源域无关的特征和目标域中的未标记示例。

公开(公告)号：US20130018827A1

公开(公告)日：2013-01-17

申请号：US13184156

申请日：2011-07-15

申请人： Jingrui He ,  Richard D. Lawrence ,  Prem Melville ,  Vikas Sindhwani ,  Vijil E. Chenthamarakshan

发明人： Jingrui He ,  Richard D. Lawrence ,  Prem Melville ,  Vikas Sindhwani ,  Vijil E. Chenthamarakshan

IPC分类号： G06F15/18 ,  G06N5/02

CPC分类号： G06N5/022 ,  G06F16/353 ,  G06F16/367

摘要： A first mapping function automatically maps a plurality of documents each with a concept of ontology to create a documents-to-ontology distribution. An ontology-to-class distribution that maps concepts in the ontology to class labels, respectively, is received, and a classifier is generated that labels a selected document with an associated class identified based on the documents-to-ontology distribution and the ontology-to-class distribution.

摘要翻译： 第一映射函数自动地将多个文档映射到本体的概念上以创建文档到本体分布。 接收将本体中的概念分别映射到类标签的本体到类的分发，并且生成一个分类器，该分类器将所选择的文档标记为基于文档到本体分布和本体 - 班级分配。

公开(公告)号：US20130013540A1

公开(公告)日：2013-01-10

申请号：US13619142

申请日：2012-09-14

申请人： Jingrui He ,  Richard D. Lawrence ,  Yan Liu

发明人： Jingrui He ,  Richard D. Lawrence ,  Yan Liu

IPC分类号： G06F15/18

CPC分类号： G06N99/005

摘要： Transfer learning is the task of leveraging the information from labeled examples in some domains to predict the labels for examples in another domain. It finds abundant practical applications, such as sentiment prediction, image classification and network intrusion detection. A graph-based transfer learning framework propagates label information from a source domain to a target domain via the example-feature-example tripartite graph, and puts more emphasis on the labeled examples from the target domain via the example-example bipartite graph. An iterative algorithm renders the framework scalable to large-scale applications. The framework propagates the label information to both features irrelevant to the source domain and unlabeled examples in the target domain via common features in a principled way.

摘要翻译： 转移学习是利用来自某些领域的标记示例的信息来预测另一个域中的示例的标签的任务。 发现情绪预测，图像分类和网络入侵检测等丰富的实际应用。 基于图形的传输学习框架通过示例特征示例三方图将标签信息从源域传播到目标域，并通过示例性的二分图更加强调来自目标域的标记示例。 迭代算法使框架可扩展到大规模应用程序。 该框架通过原理方式的共同特征将标签信息传播到与源域无关的特征和目标域中的未标记示例。

公开(公告)号：US20110320387A1

公开(公告)日：2011-12-29

申请号：US12938063

申请日：2010-11-02

申请人： Jingrui He ,  Richard D. Lawrence ,  Yan Liu

发明人： Jingrui He ,  Richard D. Lawrence ,  Yan Liu

IPC分类号： G06F15/18

CPC分类号： G06N20/00

摘要： Transfer learning is the task of leveraging the information from labeled examples in some domains to predict the labels for examples in another domain. It finds abundant practical applications, such as sentiment prediction, image classification and network intrusion detection. A graph-based transfer learning framework propagates label information from a source domain to a target domain via the example-feature-example tripartite graph, and puts more emphasis on the labeled examples from the target domain via the example-example bipartite graph. An iterative algorithm renders the framework scalable to large-scale applications. The framework propagates the label information to both features irrelevant to the source domain and unlabeled examples in the target domain via common features in a principled way.

摘要翻译： 转移学习是利用来自某些领域的标记示例的信息来预测另一个域中的示例的标签的任务。 发现情绪预测，图像分类和网络入侵检测等丰富的实际应用。 基于图形的传输学习框架通过示例特征示例三方图将标签信息从源域传播到目标域，并通过示例性的二分图更加强调来自目标域的标记示例。 迭代算法使框架可扩展到大规模应用程序。 该框架通过原理方式的共同特征将标签信息传播到与源域无关的特征和目标域中的未标记示例。

公开(公告)号：US20130151520A1

公开(公告)日：2013-06-13

申请号：US13315798

申请日：2011-12-09

申请人： Saha Ankan ,  Arindam Banerjee ,  Shiva P. Kasiviswanathan ,  Richard D. Lawrence ,  Prem Melville ,  Vikas Sindhwani ,  Edison L. Ting

发明人： Saha Ankan ,  Arindam Banerjee ,  Shiva P. Kasiviswanathan ,  Richard D. Lawrence ,  Prem Melville ,  Vikas Sindhwani ,  Edison L. Ting

IPC分类号： G06F17/30

CPC分类号： G06F17/2785 ,  G06F17/30619

摘要： A method, system and computer program product for inferring topic evolution and emergence in a set of documents. In one embodiment, the method comprises forming a group of matrices using text in the documents, and analyzing these matrices to identify a first group of topics as evolving topics and a second group of topics as emerging topics. The matrices includes a first matrix X identifying a multitude of words in each of the documents, a second matrix W identifying a multitude of topics in each of the documents, and a third matrix H identifying a multitude of words for each of the multitude of topics. These matrices are analyzed to identify the evolving and emerging topics. In an embodiment, the documents form a streaming dataset, and two forms of temporal regularizers are used to help identify the evolving topics and the emerging topics in the streaming dataset.

摘要翻译： 一套用于推断主题演变和出现在一组文件中的方法，系统和计算机程序产品。 在一个实施例中，该方法包括使用文档中的文本形成一组矩阵，并且分析这些矩阵以将第一组主题识别为演变主题，将第二组主题识别为新兴主题。 矩阵包括识别每个文档中的多个单词的第一矩阵X，标识每个文档中的众多主题的第二矩阵W，以及为每个主题中的每一个标识多个单词的第三矩阵H 。 对这些矩阵进行分析，以确定不断发展的新兴主题。 在一个实施例中，文档形成流数据集，并且使用两种形式的时间规则化器来帮助识别流数据集中不断发展的主题和新兴主题。

公开(公告)号：US20090210419A1

公开(公告)日：2009-08-20

申请号：US12033160

申请日：2008-02-19

申请人： UPENDRA CHITNIS ,  Wojciech Gryc ,  Ildar Khabibrakhmanov ,  Richard D. Lawrence ,  Prem Melville ,  Cezar Pendus

发明人： UPENDRA CHITNIS ,  Wojciech Gryc ,  Ildar Khabibrakhmanov ,  Richard D. Lawrence ,  Prem Melville ,  Cezar Pendus

IPC分类号： G06F17/30

CPC分类号： G06F17/30864

摘要： A method for automatically determining an Internet home page corresponding to a named entity identified by a specified descriptor including building a trained machine-learning model, generating candidate matches from the specified descriptor, wherein each candidate match includes an Internet address, extracting content-based features from websites associated with the Internet addresses of the candidate matches, determining a model score for each candidate match based on the content-based features using the trained machine-learning model, and determining a match from among the candidate matches according to the scores, wherein the match is returned as the Internet home page corresponding to the named entity.

摘要翻译： 一种用于自动确定与由指定描述符标识的命名实体相对应的因特网主页的方法，包括建立训练有素的机器学习模型，从指定的描述符生成候选匹配，其中每个候选匹配包括因特网地址，提取基于内容的特征 从与候选匹配的互联网地址相关联的网站，基于使用训练机器学习模型的基于内容的特征来确定每个候选匹配的模型分数，以及根据分数从候选匹配中确定匹配，其中 该匹配将作为与该命名实体相对应的因特网主页返回。

公开(公告)号：US08583639B2

公开(公告)日：2013-11-12

申请号：US12033160

申请日：2008-02-19

申请人： Upendra Chitnis ,  Wojciech Gryc ,  Ildar Khabibrakhmanov ,  Richard D. Lawrence ,  Prem Melville ,  Cezar Pendus

发明人： Upendra Chitnis ,  Wojciech Gryc ,  Ildar Khabibrakhmanov ,  Richard D. Lawrence ,  Prem Melville ,  Cezar Pendus

IPC分类号： G06F7/00 ,  G06F17/30

CPC分类号： G06F17/30864

摘要： A method for automatically determining an Internet home page corresponding to a named entity identified by a specified descriptor including building a trained machine-learning model, generating candidate matches from the specified descriptor, wherein each candidate match includes an Internet address, extracting content-based features from websites associated with the Internet addresses of the candidate matches, determining a model score for each candidate match based on the content-based features using the trained machine-learning model, and determining a match from among the candidate matches according to the scores, wherein the match is returned as the Internet home page corresponding to the named entity.

摘要翻译： 一种用于自动确定与由指定描述符标识的命名实体相对应的因特网主页的方法，包括建立训练有素的机器学习模型，从指定的描述符生成候选匹配，其中每个候选匹配包括因特网地址，提取基于内容的特征 从与候选匹配的互联网地址相关联的网站，基于使用训练机器学习模型的基于内容的特征来确定每个候选匹配的模型分数，以及根据分数从候选匹配中确定匹配，其中 该匹配将作为与该命名实体相对应的因特网主页返回。