“主题数据集”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果2839450个，建议您升级VIP下载更多相关专利

[发明专利]一种基于关键词提取热点话题的方法-CN201710304817.1有效
发明人：陆川;孙健;杨伟 -专利权人：成都云数未来信息科学有限公司
申请日： 2017-05-03 - 公布日： 2020-05-08 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种基于关键词提取热点话题的方法，将海量的数据统一格式并分词处理形成语料库，再对语料库并行化分块处理，得到每块的候选词集，然后对每块候选词集进行TFIDF赋权和去重处理，得到基准文档，再将基准文本与块中其他文本作余弦相似度处理，提取出与基准文本相似的文本，对相似文本中的候选关键词集通过词频降序排列找到这些相似文本的若干个热点主题，最后从若干个热点主题中提取出热点话题，更能代表这些海量数据的主要的观点。
一种基于关键词提取热点话题方法

[发明专利]一种融合主题信息的司法舆情文本摘要方法-CN201910999268.3有效
发明人：余正涛;黄于欣;相艳;郭军军;线岩团;于志强 -专利权人：昆明理工大学
申请日： 2019-10-21 - 公布日： 2021-07-09 - 主分类号： G06F16/34 文献下载
摘要：本发明涉及融合主题信息的司法舆情文本摘要方法。本发明首先构造司法舆情文本摘要数据集；利用主题模型生成包含主题词和文档主题概率分布的司法舆情主题知识库；再在基于注意力的编解码模型基础上，提出一种基于主题信息约束的司法舆情文本摘要模型。一方面对主题词编码获得新闻文本相关的主题向量，将其作为外部知识融入解码过程中指导摘要生成；另一方面计算得到已生成摘要的主题分布，利用预训练的新闻文本主题分布优化模型。本发明利用主题信息作为外部知识，更有效的指导解码过程，生成质量更高的文本摘要，为开展融入领域知识的司法舆情文本摘要研究提供了可借鉴的方法，同时也为及时、有效、快速的司法舆情应急处置提供强有力的支撑。
一种融合主题信息司法舆情文本摘要方法

[发明专利]一种微博文本的主题探测方法及装置-CN202210507654.8在审
发明人：张赜涛;赵娜;龙镇;刘铠华;王剑;秦江龙;刘文涛;张强荐;刘前;马伟云;王鑫锴;文俊杰;陈琳洁;杨燕;柴焰明 -专利权人：云南日报报业集团
申请日： 2022-05-10 - 公布日： 2022-11-25 - 主分类号： G06Q50/00 文献下载
摘要：本申请公开了一种微博文本的主题探测方法及装置，包括：先随机获取多个微博文本及文本数据，将所有文本数据组建成文本数据集，并获取所有用户节点及所有文本连接，构建复杂网络；然后，对复杂网络划分成多个社团，获取每个社团中的每个用户节点所发的微博博文，并组建用户节点文档；最后，对用户节点文档进行分词处理，获取待分析语料，采用主题模型对每个社团的主题进行探测。本申请解决了由于复杂网络具有嘈杂的特点，即两个互不相关的用户节点有可能在某种情况下被错误的连接在一起，这些互不相关的用户节点会对微博文本的主题探测造成干扰，从而降低主题探测的准确性的问题，本申请引入社团结构的特点，提高了主题探测的准确性。
一种文本主题探测方法装置

[发明专利]一种基于深度学习的医疗文本主题分割方法和装置-CN202211063287.3在审
发明人：李修明;张弛 -专利权人：翼方健数（北京）信息科技有限公司;翼健（上海）信息科技有限公司
申请日： 2022-08-31 - 公布日： 2022-10-25 - 主分类号： G06F16/31 文献下载
摘要：本发明公开了一种基于深度学习的医疗文本主题分割方法和装置，涉及机器学习技术领域。方法包括：基于来自多家医院中的原始病程文本数据建立医疗领域的语料库；对建立的语料库进行无监督训练得到词向量模型，并将语料库中的每一个词语映射为低维稠密向量；对得到的低维稠密向量提取时序特征，并进行语料库中词语主题段落序列的标注的学习，得到医疗文本主题分割模型；将待分割医疗文本依次输入到词向量模型和医疗文本主题分割模型中，输出主题段落序列的预测结果。本发明可以在存在较多噪音和较少标注数据的医疗文本数据集上，训练得到一个病程文本领域特定的轻量深度学习模型，通过该学习模型同时对病程文本完成高效率的文本分割和主题标注。
一种基于深度学习医疗文本主题分割方法装置

[发明专利]一种基于词向量和上下文信息的短文本主题模型-CN201810124600.7在审
发明人：梁文新;冯然;张宪超 -专利权人：大连理工大学
申请日： 2018-02-07 - 公布日： 2018-08-17 - 主分类号： G06F17/27 文献下载
摘要：本发明公开了一种基于词向量和上下文信息的短文本主题模型，从词向量中提取单词之间的语义关系，通过显式的获取这种语义关系来弥补了短文本数据单词共现性不足的缺点，通过训练集数据进一步过滤单词之间语义联系，使其更加适用于训练数据集在生成过程中加入背景主题，通过背景主题来对文档中噪声词进行建模。在模型推导中使用吉布斯采样法对模型进行求解，并在采样的过程中使用广义波利亚罐子模型的采样策略增加语义相关性较大的单词在相关主题下的概率，通过这种方式，使得主题下单词的语义一致性得到了较大的提高。一系列实验表明本发明提出的方法能够较大程度上提高主题的语义一致性，为短文本主题建模提供了一种新方法。
单词短文本词向量上下文信息语义一致性背景主题语义关系主题模型建模训练集数据训练数据集语义采样策略语义联系罐子采样法采样求解推导文档显式噪声过滤概率

[发明专利]融合主题关联图的越汉低资源跨语言摘要方法-CN202210671046.0在审
发明人：余正涛;李笑萌;张勇丙 -专利权人：昆明理工大学
申请日： 2022-06-15 - 公布日： 2022-09-13 - 主分类号： G06F40/58 文献下载
摘要：本发明涉及一种融合主题关联图的越汉低资源跨语言摘要方法，属于自然语言处理技术领域。本发明首先利用源语言文本获取文本主题词，基于越汉概率映射对将主题词进行映射从而构建主题关联图，然后通过图编码器、序列编码器，基于双编码器生成表示，最后在解码端同时关注主题关联图表示和神经网络生成的分布来生成摘要本发明在越‑汉跨语言摘要数据集上进行了实验，实验证明了本发明模型的有效性和优越性。
融合主题关联越汉低资源语言摘要方法

[发明专利]一种前沿主题识别方法、系统及计算机设备-CN202210649852.8在审
发明人：谭晓;李佳娱;李辉;靳晓宏;西桂权 -专利权人：北京市科学技术研究院
申请日： 2022-06-09 - 公布日： 2022-09-06 - 主分类号： G06F16/35 文献下载
摘要：本发明提供了一种前沿主题识别方法、系统及计算机设备。所述方法包括：选择面向领域的文献作为数据集，将数据集进行预处理；根据文献共被引关系，构建引文耦合矩阵并进行标准化，生成文献关系标准矩阵；利用LDA模型进行文本建模，生成文献相似矩阵；将文献相似矩阵和文献关系标准化矩阵进行线性融合，形成文本相似矩阵；利用社团发现，得到主题簇，对所述主题簇进行可视化描述，得到对所述面向领域的文献的前沿主题的识别结果。
一种前沿主题识别方法系统计算机设备

[发明专利]一种迁移模型的构建方法、装置、设备及存储介质-CN202310857520.3在审
发明人：敖倩;黄钊港;陈灿然;孙海鑫;徐一茗;付小奇 -专利权人：中国银行股份有限公司
申请日： 2023-07-13 - 公布日： 2023-10-27 - 主分类号： G06F16/21 文献下载
摘要：本申请公开了一种迁移模型的构建方法、装置、设备及存储介质，应用于大数据领域或金融领域。在执行本申请实施例提供的方法时，首先可以获取企架迁移规则、企架报文加工规则和旧架构核心字段，并利用血缘分析技术对企架迁移规则、企架报文加工规则和旧架构核心字段进行血缘分析得到血缘关系集。利用迁移学习算法对血缘关系集进行迁移学习得到初步迁移模型，并基于初步迁移模型利用迁移学习算法对第一报文系统进行迁移学习得到改造迁移模型。再利用推荐系统算法获取第二报文系统相对于第一报文系统的独有主题和共享主题，并利用第二报文系统、独有主题以及共享主题对改造迁移模型进行补充得到迁移模型。本申请提升了企架改造的准确率与数据质量。
一种迁移模型构建方法装置设备存储介质

[发明专利]一种视频生成方法及装置-CN201811022626.7有效
发明人：孙译滨 -专利权人：腾讯科技（武汉）有限公司
申请日： 2018-09-03 - 公布日： 2020-08-25 - 主分类号： G06F16/78 文献下载
摘要：本发明涉及计算机技术领域，尤其涉及一种视频生成方法及装置，接收视频生成指令，获得用于生成视频的视频主题文本；获得视频主题文本对应的分词结果集，其中，分词结果集中至少包括一个分词；在包括多个图片素材的内容数据库中，为分词结果集中的各分词分别匹配图片素材以获得图片素材集，其中，每个图片素材包括图片和图片上标注的文本信息，与分词相匹配图片素材的文本信息的语义与分词的语义相匹配；生成包含图片素材集中各个图片素材的视频，其中，各个图片素材在视频中的出现顺序，与图片素材相匹配的分词在视频主题文本中出现的顺序一致，对视频主题文本进行分词拆分，与内容数据库进行匹配，可生成内容更多，提高视频生成准确性和效率。
一种视频生成方法装置

[发明专利]基于用户聚合主题模型的社交网络用户搜索意图处理系统-CN202011344972.4有效
发明人：石磊;费廷伟;崔斌;段正轩;潘菁菁 -专利权人：北京京航计算通讯研究所
申请日： 2020-11-25 - 公布日： 2021-08-17 - 主分类号： G06F40/216 文献下载
摘要：本发明涉及一种基于用户聚合主题模型的社交网络用户搜索意图处理系统，包括：在线社交网络数据获取模块，用于在线获取社交网络中的网络数据；数据预处理模块，用于对所述网络数据进行数据清洗，形成网络数据集；搜索意图获取模块，用于采用基于狄利克雷分布和吉布斯采样建立在线社交网络用户聚合主题模型，对网络数据集进行处理，得到用户搜索意图分布、关注者搜索意图分布和用户搜索意图的词分布；并基于用户搜索意图分布、关注者搜索意图分布进行用户意图聚合
基于用户聚合主题模型社交网络搜索意图处理系统

[发明专利]一种文献完成者研究兴趣图聚类方法、装置、设备及介质-CN202310638200.9有效
发明人：周朝;林天宇;褚晓泉;段毅成;仇瑜;刘德兵 -专利权人：北京智谱华章科技有限公司
申请日： 2023-06-01 - 公布日： 2023-10-24 - 主分类号： G06F18/23 文献下载
摘要：本申请涉及一种文献完成者研究兴趣图聚类方法、装置、设备及介质，属于大数据技术领域，解决了现有主题挖掘不精准、学者兴趣描述模糊的问题。本申请技术方案主要包括：获取目标完成者的信息，根据所述信息获取所述目标学者的文献数据集；根据所述文献数据集构建文献网络图，所述文献网络图的包括所述文献数据集中，由各文献之间的文本相似度和文献引用数据融合得到的文献关系指标；对所述文献网络图进行图聚类分析，以获得若干研究兴趣簇；依据各所述研究兴趣簇各自的文献对各所述研究兴趣簇进行主题短语提取，以获得所述目标完成者的研究兴趣画像。
一种文献完成研究兴趣图聚类方法装置设备介质

[发明专利]互联网信息统计方法及系统-CN201310127492.6无效
发明人：余效伟;罗峰;黄苏支;李娜 -专利权人：亿赞普（北京）科技有限公司
申请日： 2013-04-12 - 公布日： 2013-07-10 - 主分类号： H04L29/08 文献下载
摘要：本发明公开了一种互联网信息统计方法及其系统，方法包括：S1、按照业务主题将用户网络访问数据通过MapReduce划分成多个业务主题数据集；S2、对每个业务主题数据集中包含的数据根据不同的指标进行统计，将统计数据保存起来；S3、当接收到统计信息查询请求时，根据查询请求要查询的业务主题获取对应的统计数据并返回。本发明能方便用户深入了解某一个行业、某一个网站或者某些竞争网站的访问量、访问次数、访问用户、搜搜关键词、各搜索关键词带来的流量等信息，并能够以不同的粒度、高速准确地为不同的业务系统及用户呈现丰富的统计数据以发掘和展示繁杂的网络访问数据之间的内在关系，为决策部门提供详实客观的数据支持。
互联网信息统计方法系统

[发明专利]用于异构多媒体数据的存储架构-CN201880084124.9有效
发明人：张一迪;周锴;A·H·托马斯;刘当一;张锐亮 -专利权人：图森有限公司
申请日： 2018-10-26 - 公布日： 2023-09-19 - 主分类号： G06F16/22 文献下载
摘要：一种用于在分布式环境中管理和查询半结构化的异构类型的传感器数据的示例方法包括：使得能够在多个计算节点与多个物理数据存储设备、高速缓存管理层、服务器层和存储层之间进行数据通信；以及从多个计算节点中的至少一个计算节点接收数据请求，该数据请求包括数据集的主题的标识，该主题包括元数据文件、数据文件和索引文件，该索引文件包括指向该数据文件的至少一个指针。
用于多媒体数据存储架构

[发明专利]基于主题特征的半监督学习情感分类方法-CN201610226711.X在审
发明人：喻梅;赵永伟;高洁;于健;王建荣;吕方 -专利权人：天津大学
申请日： 2016-04-11 - 公布日： 2016-08-31 - 主分类号： G06F17/27 文献下载
摘要：一种基于主题特征的半监督学习情感分类方法，包括：将数据文本进行预处理、文本分词及词性标注；进行特征选择，抽取文本的传统特征，还利用LDA建模技术抽取文本的主题特征；在保留半监督学习框架下，将得到的文本的传统特征和文本的主题特征作为数据集
基于主题特征监督学习情感分类方法

[发明专利]一种基于多粒度主题模型的短文本哈希学习方法-CN201410729347.X有效
发明人：郝红卫;许家铭;徐博;田冠华;王方圆 -专利权人：中国科学院自动化研究所
申请日： 2014-12-03 - 公布日： 2018-07-31 - 主分类号： G06F17/30 文献下载
摘要：本发明公开了一种基于多粒度主题模型的短文本哈希学习方法，采用外部大规模语料库训练候选主题模型，可依据数据集类型选择最优的多粒度主题特征，并赋予权重，由该方法选择出来的多粒度主题模型有较好的区分度，在构建稀疏短文本间相似语义关联的同时有助于哈希函数学习；本发明方法采用了两种基于多主题模型的哈希学习策略，分别为多粒度主题特征融合、哈希码学习同哈希函数训练相独立的学习方法，以及多粒度主题特征独立、哈希码学习同哈希函数训练相耦合的学习方法，较基于单粒度主题特征方法
一种基于粒度主题模型文本学习方法