公共文化服务平台

搜索到504篇“ 语义挖掘“的相关文章

基于多层次语义挖掘的学生评语生成方法: 本发明涉及一种基于多层次语义挖掘的学生评语生成方法，属于语义挖掘技术领域，具体包括以下步骤：S1：获取学生数据，通过文本生成方法生成表格描述性文本，获取预测文本的条件概率；S2：考虑序列级的语义相似度，将结构化数据与参照...; 熊余何承阳蔡婷黄容储雯王盈

基于SAO语义挖掘的用户需求-专利技术匹配: 2024年; 【目的】解决现有研究中需求和专利文档的文本挖掘不充分问题以及需求-技术匹配不准确问题。【方法】结合需求多任务学习框架TDAM和F-term专利识别方法,设计一种更为精确、有效的需求-技术匹配流程框架,并以新能源汽车领域为例,应用本文模型验证其有效性。【结果】从模型匹配性能上,本文模型的需求-技术匹配精确度为0.819,比S-LDA模型精确度高了大约13.1%,将比BiLSTM模型高了约31.5%。本文模型的召回率为0.796,F1值为0.807。【局限】仅收集了日本专利,数据来源不够全面。【结论】应用本文模型可生成与用户需求匹配度较高的专利技术,促进企业制定针对特定消费者需求的技术解决方案,从而引导相关企业确定技术研发方向。; 谢瑶瑶邓三鸿王昊章学周

基于TWE-NMF模型的Web服务描述文档语义挖掘方法: 一种基于TWE‑NMF模型的Web服务描述文档语义挖掘方法，包括以下步骤：第一步：根据上下文信息和服务标签信息计算单词的语义权重信息从而得到文档‑单词语义权重信息矩阵D；第二步：统计单词共现信息，从而计算出SPPMI矩阵...; 陆佳炜赵伟郑嘉弘马超治程振波徐俊高飞肖刚

基于轨迹活动语义挖掘的个体社会经济水平评估: 2024年; 个体社会经济水平评估对于商业决策、城市规划和公共卫生具有重要的应用价值。但现有方法多依赖定位数据和呼叫详单记录构建出行位置和手机业务特征集合,未充分考虑个体出行的语义上下文,难以从动机与需求层面理解出行行为,导致建模过程可解释性不足。为此,本文提出一种基于轨迹活动语义挖掘的个体社会经济水平评估方法,通过显式提取居住、购物、餐饮、娱乐、消费喜爱度与探索欲6类消费模式,从消费能力与意愿角度刻画个体社会经济水平,提高评估方法的可解释性。(1)通过网格化的语义地图为停留点赋予出行语义上下文,并划分居住、购物、餐饮、娱乐4类活动的停留点集合;(2)计算4类活动的时间熵、旋转半径和活动区域经济水平等时空语义特征,并通过结构方程模型筛选特征计算各类消费模式价值;(3)使用极端随机森林决策个体社会经济水平。本文基于深圳市635名个体2019年4—11月的私家车轨迹数据开展实验,通过核心商圈、劳动密集型工厂、高档住宅与城中村等典型场景筛选高低社会经济水平人群,验证了方法有效性;此外,对高低社会经济水平群体的出行时空分布和工作强度开展可视化分析,探讨了群体间的出行模式差异。本文方法可为人地交互视角下的人口统计属性建模提供参考。; 桂志鹏丁劲宸刘宇航陈欢吴华意; 关键词：结构方程模型

一种基于局部令牌语义挖掘的长尾参数高效微调方法: 本发明提供了一种基于局部令牌语义挖掘的长尾参数高效微调方法。所述方法包括：采用预训练的序列化视觉编码器初始化图像特征提取模型，并使用相应的预训练的文本编码器提取类别文本特征对分类器权重进行初始化；然后对图像进行序列化，使...; 苏菲赵志诚王伟秋

基于样本精选与语义挖掘的图像分析方法和系统: 本发明提供一种基于样本精选与语义挖掘的图像分析的方法和系统，通过提取网络数据流的图像特征和视频属性，将特征值大于阈值的图像特征送入样本集合进行聚类，提高图像视频审核的效率，根据不同视频属性的元素分别进行聚类，依次进行情感...; 苏长君曾祥禄

基于图神经网络的人工自然语言语义挖掘仿真: 2024年; 语义挖掘工具可从批量非结构化人工自然语言文本数据中准确提取有用信息,但是由于网络环境文本具备半结构化、多尺度、海量、复杂关联等属性,导致文本数据通常维度较高,且仅有小部分节点存在明确标签,因此语义挖掘难度较大。提出基于图神经网络的人工自然语言语义挖掘方法。结合多头注意力机制和半监督图卷积神经网络对人工自然语言文本降维处理。联合改进的模糊C均值聚类算法和免疫单亲遗传算法,构建人工自然语言语义挖掘算法。实验结果表明,研究方法的聚类纯度、准确率和召回率均高于95%,说明上述方法的应用性能较优。; 周显春喻佳; 关键词：语义挖掘

联合多头数据增强与多粒度语义挖掘的图像情感分析: 2024年; 图像情感分析是机器视觉领域热点问题,然而情感判断主观性较强,仅分析完整图像难以准确刻画图像中情感语义,且高质量图像情感数据不足.为此,提出联合多头数据增强与多粒度语义挖掘的图像情感分析模型M2.首先,设计多头数据增强方法,基于自动数据增强与主动样本精选策略构建递进式数据增强模型,从“质”与“量”两个角度提升数据集;其次,引入情感区域检测模型完成情感区域增强,深入挖掘图像中情感语义强烈的局部区域,进而联合局部区域与整幅图像构建多粒度图像;然后,基于深度互学习框架及局部区域完成模型预训练,充分挖掘异构SENet网络之间互补的情感语义,并以迁移学习方式指导多粒度图像情感分析;最后,设计自适应特征融合模块,融合异构SENet特征以完成多粒度语义挖掘,实现图像情感分析.在Twitter I和FI数据集上验证M2模型,其准确率分别达到90.97%和81.14%,优于主流基线.M2拥有泛化性更强的数据增强策略,可以为其训练提供坚实的数据基础,且对应的实证分析效果较好,模型具备一定的实用价值.; 张红斌侯婧怡石皞炜吕敬钦李雄李广丽

一种基于对偶学习与深度语义挖掘的软件缺陷预测方法: 本发明提供了一种基于对偶学习与深度语义挖掘的软件缺陷预测方法，属于智能软件工程技术领域。解决了当前利用词袋模型将源码转换为向量后的语义局限以及二次利用预测后的分类标签扩充原有数据集的技术问题。其技术方案为：包括两个部分：...; 鞠小林沈陈强文万志陈翔王皓晨曹金鑫

基于轻量化Transformer的文本语义挖掘方法及系统: 本发明公开了一种基于轻量化Transformer的文本语义挖掘方法及系统，方法包括：获取待分析文本；将待分析文本输入基于分层结构的轻量化Transformer模型，输出分析向量；基于分析向量构造样例对，进行对比学习，并结...; 姚潇张策董欣茗支嘉琦石常峰

加载更多 ∨

相关作者

用户反馈

相关作者

用户登录

用户反馈