本发明公开了一种基于门控三塔的智能制造装备故障预测方法，包括：S1通道塔编码器；S2带有多尺度聚合模块的滑窗塔编码器；S3带有跨塔注意力模块的文本塔编码器；S4门控模块。本发明首先将通道嵌入矩阵输入到通道塔编码器，得到通道特征；将时序嵌入矩阵输入到带有多尺度聚合模块的滑窗塔编码器，得到聚合时序特征；进一步，将文本表示输入至文本塔编码器得到文本特征并将文本特征和时序特征输入至跨塔注意力模块得到加权文本特征；最后通过门控模块融合通道特征、聚合时序特征和加权文本特征进行故障类别预测；通过计算交叉熵损失优化参数，使得模型能够动态地自适应融合多台智能制造装备的三种特征，从而提升故障预测的准确率。
📄 2021108305686
📂 G06F16_35
👤 杭州电子科技大学
📅 2021-07-22
本申请实施例提供的基于人工智能的数据挖掘方法及服务器，通过将拟处理文本集合进行拆解得到多个拆解文本，对多个拆解文本分别进行离散文本表达知识挖掘和分布文本表达知识挖掘并进行表达知识碰撞，得到目标文本交融表达知识，接着获取多个拆解文本对应的文本表意知识，如此，令挖掘到的文本表意知识可以兼顾离散内容和分布内容，并且令挖掘到的文本表意知识可以尽可能维持文本初始特征，接着获取多个拆解文本对应的关键文本支持度，提升文本类型预测的精确度和可靠性，再从文本集合中确定多个文本序列，并确定对应的整合表意知识，从而获得相同文本序列集合，如此增加预测的精确度和可靠性和获得相同文本序列集合的精确度和可靠性。
📄 2022113145380
📂 G06F16_35
👤 江苏益柏锐信息科技有限公司
📅 2022-10-26
本发明公开了一种基于语言预训练模型中的中文文本匹配方法，属于文本匹配技术领域，使用预训练语言模型，通过在下游分类任务上进行微调来作为序列分类器，将需要匹配的两句话通过分隔字符拼接起来后作为模型的输入，输出预测结果；在微调过程中，采用DC‑Match方法，以此提高预测准确度；在预测过程中，对于Encoder后的微调层，微调使用多层特征聚合分类模块替换普通分类层，能够明显提高中文匹配任务精确度，并且能与绝大多数中文语言预训练模型结合，与DC‑Match方法相比，在其基础上，使用了本文提出的注意力融合的方法、并对损失函数进行改进，提高了中文预训练模型的微调效果。
📄 2024103581471
📂 G06F16_35
👤 苏州岽睿微电子科技有限公司
📅 2024-03-27
一种基于句法分析的微博情感分类方法，包括：S1：获取用于情感分析的微博短文本，根据情感极性进行文本类别标注并划分为训练集和测试集；S2：分别对训练集和测试集进行数据预处理；S3：对预处理后的每个样本进行依存句法分析，结合外部情感特征词典构建特征词库；S4：根据预先构建的情感特征词库，分别对训练集和测试集的初始特征集合进行特征扩展，使用TFIDF计算每个特征词的特征权值并向量化表示文本；S5：根据所述扩展后的训练样本集训练贝叶斯分类器，根据所述贝叶斯分类模型对扩展后的测试样本进行分类操作，得到微博情感分类结果。本发明还包括基于句法分析的微博情感分类系统。
📄 2020111273046
📂 G06F16_35
👤 浙江工业大学
📅 2020-10-20
一种基于双知识图谱的新闻标题短文本分类方法，包含：对新闻标题短文本进行预处理，去除特殊字符；通过jieba分词工具提取新闻标题中的关键词，去除停用词；通过CNDBPedia外部知识库提供的API，将关键词链接到外部知识库获取实体集合；通过余弦相似度对实体集合进行消岐，得到候选实体集合；基于全局关键词共现信息，构建领域知识图，解决OOV问题；通过链接到外部知识库获取与实体相关的解释信息，丰富上下文语义信息；使用BERT获取原始新闻标题和实体链接的解释信息的字符级向量表示，并融合这两部分的向量表示，以弥补短文本信息不足的缺点；使用TextCNN来提取多个连续单词之间的N‑grams特征，捕捉深层次的语义信息；最后通过Softmax函数进行分类，得到最终的分类结果。
📄 2022106430313
📂 G06F16_353
👤 浙江工业大学
📅 2022-06-08
本发明公开了一种基于生成式对抗网络的多任务分类消歧方法与装置，包括：(1)获取文本数据并构建样本集；(2)基于生成式对抗网络构建训练系统，包括用于根据样本数据预测信用水平的第一分类器，用于根据样本数据预测收入水平的第二分类器，用于根据信用标签、收入标签、信用水平预测结果、收入水平预测结果生成编码向量的生成器；(3)根据交叉熵损失构建生成器、第一分类器和第二分类器的损失函数；(4)利用损失函数对训练系统进行训练，并将第一分类器形成信用预测模型，第二分类器形成收入预测模型；(5)将文本数据编码成文本向量后输入至信用预测模型和收入预测模型中，经计算获得信用预测结果和收入预测结果。
📄 2020107461841
📂 G06F16_35
👤 浙江工业大学
📅 2020-07-29
本发明公开了一种基于情感识别与瞳孔大小计算的Deepfake检测方法，包括：(1)将语音数据划分为训练集X和测试集Q后进行数据处理，并对训练语音识别模型Y进行训练和测试；(2)将文本数据划分为训练集N和测试集P后进行数据处理，并对训练文本情感分类模型M进行训练和测试；(3)对于待检测的Deepfake视频，提取音频后输入到语音识别模型Y中，再将输出的文本输入到文本情感分类模型M，得到与文本对应的情感；(4)将待测的Deepfake视频转换为图片帧，检测人眼瞳孔的大小；(5)将检测到的人眼瞳孔大小与文本情感分类模型M得到的情感进行匹配，如果不匹配，则判定是假视频。本发明对不同的Deepfake方法生成的假视频都能够较好的检测，泛化能力强。
📄 2020115324348
📂 G06F16_35
👤 浙江工业大学
📅 2020-12-22
一种基于时序情感特征的谣言检测方法，包括：对从社交网络中获取的数据进行处理，获取事件的源帖子、回复帖子以及传播路径；将源及回复的文本进行文本特征提取，转化为向量形式；将源及回复的文本进行情感特征提取，获得文本情的情感分数；将帖子的文本进行时序特征提取，获得one‑hot时序向量；将提取的情感特征与提取的时序特征相乘，得到帖子的情感时序特征向量；将情感时序特征向量与文本特征向量进行向量拼接，得到帖子的表示向量；将帖子表示向量和帖子的传播路径输入RvNN神经网络中以获得事件的综合表示；将获得的事件综合表示输入谣言分类模块中的神经网络中，对事件进行判断，输出谣言分类结果。
📄 2022105981342
📂 G06F16_35
👤 浙江工业大学
📅 2022-05-30
本发明公开了一种面向无监督聚类的热点事件内部评价方法，该方法解决了目前基于聚类内部评价的电信热点事件发现方法存在的效率低下和准确率不高的问题。该方法是通过对电信投诉数据使用预训练模型进行预处理得到其特征空间，然后使用k‑Means聚类算法得到聚类结果，通过衡量热点事件簇的平均微分熵来判断聚类结果的紧密性，再通过衡量每个热点事件簇的簇心所构成空间的微分熵来判断聚类结果的分离性，最终筛选出更好的聚类结果的电信投诉热点事件的内部评估的方法。该方法通过使用微分熵来衡量聚类结果的紧密性和分离性，具有较低的时间复杂度，可以更加有效地评估聚类结果。进而可以提高电信热点事件发现的效率和准确率。
📄 2022108355815
📂 G06F16_355
👤 浙江工业大学
📅 2022-07-15
本发明公开了一种基于有监督对比学习的开放服务意图检测方法，首先使用BERT进行语义编码得到初始词向量表示，然后利用标签信息通过线性分类层和有监督对比学习表示层同时学习，获得丰富且有区分度的句向量特征表示。表示学习完成后，该模型就变为下一步联合训练的特征提取器。为了获得更多的开放类事件文本帮助训练，使用数据增强方式Mix‑up生成新的开放类样本。最后将获取的样本和合成的样本同时输入到具有两个分支的联合训练模型中进行训练优化。判断意图事件文本属于哪个已知类，如果不属于任何已知意图事件类，就认为它是开放类意图事件。本发明构建的已知意图事件分类和开放类意图检测检测方法具有推理速度快、解释性强、准确率高的特点。
📄 2022107580426
📂 G06F16_353
👤 浙江工业大学
📅 2022-06-29
本发明公开一种基于半监督学习的标签抗噪文本分类方法，该方法首先通过任务自适应预训练预测出每个样本在每个类别上的概率，再使用置信学习方法来评估每个样本的标签质量，将所有训练数据划分为噪声样本和干净样本；对噪声样本进行处理，借助数据增强、集成学习等策略来预测噪声样本的伪标签，使用MixMatch方法来集成一致性正则化、熵最小化和传统正则化方法，结合半监督学习的主流范式思想和组件，将原始标签和伪标签结合起来重新标记噪声样本；最后结合噪声样本和干净样本，使用MixUp方法以线性插值的方式重新构建新的训练样本和标签并重新训练最终的文本分类模型。该方法极大地利用了噪声标签数据，将噪声样本的利用率最大化，提升了神经网络的鲁棒性。
📄 2022117141035
📂 G06F16_35
👤 浙江工业大学
📅 2022-12-27
一种基于堆叠自动编码器和引文网络的科技论文分类方法，根据现有科技论文数据构建引文网络邻接矩阵与标签向量矩阵，计算概率转移矩阵和共现概率矩阵；构建基于堆叠自动编码器和长短期记忆网络的科技论文分类模型；用共现概率矩阵以及标签向量矩阵训练堆叠自动编码器和长短期记忆网络；用已训练的模型来预测新的论文的分类结果。本发明考虑论文之间的引用关系，有效提取构造的引文网络中各节点之间的内在关系，将其映射到低维的嵌入向量空间中，并用长短期记忆网络来获取类别特征信息，实现了对新论文的类别的精准预测。
📄 2019108015309
📂 G06F16_35
👤 浙江工业大学
📅 2019-08-28
柿子坊 · 知识产权运营
柿子坊知识产权运营平台