“韩东红”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果46个，建议您升级VIP下载更多相关专利

[发明专利]数据库索引创建方法、装置、计算机设备和存储介质-CN202010663640.6有效
发明人：吴刚;宋一东;赵国栋;孙伟;乔百友;韩东红 -专利权人：东北大学
申请日： 2020-07-10 - 公布日： 2023-10-17 - 主分类号： G06F16/22 文献下载
摘要：本发明适用于计算机领域，提供了一种数据库索引创建方法、装置、计算机设备和存储介质，其中，所述一种数据库索引创建方法包括获取第一索引与检索条件，以及根据所述检索条件对所述第一索引进行调整得到目标索引，所述检索条件至少包含检索目标的上界和下界。本发明实施例提供的一种数据库索引创建方法，通过第一索引实现对数据的快速访问，第一索引是根据数据库中存储的数据预先构建的索引，具有较短的初始化时间，同时，根据检索条件对第一索引进行调整得到目标索引，通过不断查询自适应的构建索引，最终形成一个完整的索引，解决了一次性构建的完整索引在初始化阶段等待耗时过长的问题。
数据库索引创建方法装置计算机设备存储介质

[发明专利]一种基于最大凝聚系数和边界熵的未登录词识别方法-CN202011013194.0有效
发明人： 韩东红;齐孝龙;杨百玉;蔡从浩;王波涛;刘辉林 -专利权人：东北大学
申请日： 2020-09-24 - 公布日： 2023-10-03 - 主分类号： G06F40/216 文献下载
摘要：本发明提供了一种基于最大凝聚系数和边界熵的未登录词识别方法，其特征在于：包括以下步骤：预处理—参数计算—判断未登录词—未登录词保存至文件—未登录词添加；本发明中实验表明，本发明中所提出的算法准确率为66.67％相比于汪龙庆等在计算机应用与软件期刊中所发表的论文：基于未登录词识别的微博评价短语抽取方法中所提出的算法准确率为60.05％有较大程度的提高，提升了6.62个百分点，并且分别在未登录词识别的精确率、召回率和F1值也有所改善，推测结果提高的原因是左右邻接边界熵这两个参数对未登录词识别都有影响，但汪龙庆等的论文中中将左右邻接边界熵最小值设为一个参数，只是取其中最小值为影响未登录词识别算法的因素。
一种基于最大凝聚系数边界登录识别方法

[发明专利]一种基于高并行场景下的FPGA数据加速方法-CN202310697612.X在审
发明人：吴刚;殷帅博;陈永正;张澜;唐立臣;乔百友;韩东红;刘辉林 -专利权人：东北大学
申请日： 2023-06-13 - 公布日： 2023-09-29 - 主分类号： G06F16/22 文献下载
摘要：本发明公开了一种基于高并行场景下的FPGA数据加速方法，包括：建立用于比较的二叉树，假设所述树的叶子节点数量为N，对所述二叉树设置一个全局标志位，对二叉树的每个非叶子节点设置一个标志位；将待处理数据依次插入二叉树的空叶子节点，并在非叶子节点进行比较，将比较中较小的数据传入父节点继续参与比较，最后输出二叉树中最小的数据，清空最小数据所在的叶子节点。根据输出数据的标志位，对全局标志位进行更新；插入新数据，设置新数据的标志位，对树内数据互相比较，输出本次比较后的最小数据；直到所有数据全部插入，输出排序后的数据集，在单位时间内排序数据量提高，缩短连接阶段运行时间，减少资源消耗，提高看数据的处理速度。
一种基于并行场景 fpga 数据加速方法

[发明专利]一种大负载场景下数据加速方法、系统、及存储介质-CN202310697283.9在审
发明人：吴刚;张澜;殷帅博;陈永正;唐立臣;乔百友;韩东红;刘辉林 -专利权人：东北大学
申请日： 2023-06-13 - 公布日： 2023-09-26 - 主分类号： G06F16/22 文献下载
摘要：本发明公开了一种大负载场景下数据加速方法、系统、及存储介质，包括：建立树模型，所述比较树模型包括用于比较的树，所述树中设置有全局标志位，非叶子节点设置标志位。将待处理数据依次插入树的每个空叶子节点，将父节点作为比较场地进行两两比较，大的数据留在比较场地节点，较小的数据继续向父节点方向参与比较，比较后从根节点输出最小的数据到树外，将最小的数据所在的叶子节点清空，并根据输出数据的标志位，对树的全局标志位进行更新；下一个待处理数据传入树中唯一的空叶子节点。通过标志位锦标赛排序，仅在开始排序时进入一次初始插入阶段和评估阶段，在待排序数据耗尽时进入一次阶段，使得算法不会因频繁地阶段切换而造成性能下降。
一种负载场景数据加速方法系统存储介质

[发明专利]一种面向海洋大数据的并行关联规则挖掘方法-CN202110368784.3有效
发明人：乔百友;郑皓文;武彤;康健;吴刚;孙永佼;韩东红 -专利权人：东北大学
申请日： 2021-04-06 - 公布日： 2023-08-01 - 主分类号： G06F16/26 文献下载
摘要：本发明提供一种面向海洋大数据的并行关联规则挖掘方法，包括海洋大数据预处理、海洋数值大数据离散化处理及并行关联规则挖掘三部分，数据离散化采用信息熵结合K‑means的方法，并行关联规则挖掘主要基于改进Apriori算法来完成，即基于Spark并行化Apriori算法，并将事务矩阵引入到了并行处理中，在迭代计算中简化事务矩阵，通过矩阵做逻辑“与”运算得到频繁项集和支持度，通过频繁项集与支持度计算关联规则。在计算过程中仅对该RDD进行操作，而不再扫描原始数据，从而通过内存计算加快了算法处理效率。通过剪枝来简约事务矩阵，减少后续迭代扫描范围和计算量，减少了I/O操作，有效解决了现有方法满足不了海洋大数据关联挖掘分析需求的问题。
一种面向海洋数据并行关联规则挖掘方法

[发明专利]一种基于PID的海洋时空大数据并行KNN查询处理方法-CN202110354512.8有效
发明人：乔百友;马玲;郝元卿;胡兵;孙永佼;吴刚;韩东红 -专利权人：东北大学
申请日： 2021-04-01 - 公布日： 2023-08-01 - 主分类号： G06F16/22 文献下载
摘要：本发明提供一种基于PID的海洋时空大数据并行KNN查询处理方法，涉及时空大数据管理技术领域。该方法首次引入工业界广泛使用的PID控制器技术，实现了基于反馈机制的变步长查找处理。首先对获取到的海洋数据进行预处理，并采用网格划分方法实现对数据的划分，在此基础上，采用网格索引技术来索引预处理后的海洋数据；采用行排序方式对每个网格单元进行编码；通过使用行排序网格索引，判断出哪些行和列是在圆的半径范围内，从而直接判断是否和圆有交集；在进行KNN查询时，利用PID系统具有的可调节性，通过负反馈动态调整搜索的范围，实现KNN查询处理中查询半径的动态预测，减少了KNN查询次数，从而加快了KNN查询处理速度。
一种基于 pid 海洋时空数据并行 knn 查询处理方法

[发明专利]一种基于虚拟机的服务器整合方法-CN201910185650.0有效
发明人：乔百友;童冰;吴刚;韩东红;刘辉林;王波涛 -专利权人：东北大学
申请日： 2019-03-12 - 公布日： 2023-04-07 - 主分类号： G06F9/50 文献下载
摘要：本发明公开了一种基于虚拟机的服务器整合方法，所述基于虚拟机的服务器整合方法包括基于动态阈值的服务器局部整合算法和基于遗传算法的服务器全局整合算法。本发明科学合理，使用安全方便，通过局部整合和全局整合，可以有效地实现依据云数据中心负载变化动态来进行服务器整合的重要功能，从而提升业务支撑能力和运维效率、降低投资和决策风险，达到节省投资和节约能源的目的。提出的服务器局部整合算法的目标是对处于高载状态和低载状态的服务器进行小范围内的局部整合，满足节能要求；服务器全局整合算法的目标是在更大范围内对服务器进行整合，在保证服务质量的同时使虚拟机运行在尽可能少的服务器上，从而提升整体资源利用率和降低能源消耗。
一种基于虚拟机服务器整合方法

[发明专利]基于深度学习的音乐多模态数据情感识别方法-CN202210654145.8在审
发明人： 韩东红;孔彦茹;李嘉豪;韩嘉懿;刘莹 -专利权人：东北大学
申请日： 2022-06-10 - 公布日： 2022-09-16 - 主分类号： G10L25/03 文献下载
摘要：本发明涉及音乐多模态数据情感识别技术领域，尤其涉及基于深度学习的音乐多模态数据情感识别方法。其主要针对现有音乐学习单一模态识别情感提升的空间有限，不能深度挖掘音乐数据集中的特征向量的问题，提出如下技术方案：S1：音乐数据的预处理；S2：MIDI数据的特征提取；S3：文本数据的特征提取；S4：多模态融合。本发明利用决策级融合的思路进行多模态融合能够比特征级融合取得更好的情感分类效果，对音乐文本的情感深度学习，促进深度学习在音乐情感识别中的应用，提高音乐的分析效果，减少人工情感标注的作业量，提高准确率，主要应用于基于深度学习的音乐多模态数据情感识别。
基于深度学习音乐多模态数据情感识别方法

[发明专利]交互式属性术语及情感联合抽取模型的方法-CN202210661594.5在审
发明人： 韩东红;段伸欣;赵玉迪;李洛妮;韩嘉懿;乔百友;吴刚 -专利权人：东北大学
申请日： 2022-06-10 - 公布日： 2022-09-16 - 主分类号： G06F40/30 文献下载
摘要：本发明涉及文本内容的情感抽取模型技术领域，尤其涉及交互式属性术语及情感联合抽取模型的方法。其主要针对现有应用难以有效学习属性术语的特征，属性术语及情感联合抽取的研究内容匮乏的问题，提出如下技术方案：包括属性术语抽取模块、情感分类模块和交互共享单元，包括以下步骤：步骤1：获取句中单词的情感倾向；步骤2：交互共享单元让两个模块互相学习；步骤3：属性术语抽取任务标签和情感分类任务标签结合。本发明充分地利用外部情感资源，两阶段处理增强的情感分析，提高语句中情感抽取的精确性，交互共享单元提高模块学习效果，有助于特征向量的结果预测，主要应用于属性术语及文本情感联合抽取。
交互式属性术语情感联合抽取模型方法

[发明专利]改进Transformer的情感增强对话生成方法-CN202210652231.5在审
发明人： 韩东红;高攀;张雪姣;石玲玲;李婧;王志瑞;刘莹 -专利权人：东北大学
申请日： 2022-06-10 - 公布日： 2022-09-13 - 主分类号： G06F40/35 文献下载
摘要：本发明涉及人机对话技术领域，尤其涉及改进Transformer的情感增强对话生成方法。其主要针对现有人机对话情感标注质量不高，机器不能准确的感知用户的情感并且不能生成有情感的回复的问题，提出如下技术方案：包括在Transformer基础上对Transformer编码的自注意力层的改进，所述改进在于在Transformer的原自注意力层增加情感注意力模块，生成TEECG模型，所述TEECG模型包括Encoder层和Decoder层。本发明对原有的Transformer编码的自注意力层改进，具备对对话语句之间的语义和情感的捕捉，使得人机对话更具情感，解码器对对话中情感回复进行修正，生成的情感回复效果更好，主要应用于人机对话中语句情感的改进。
改进 transformer 情感增强对话生成方法

[发明专利]一种基于深度学习的社交网络文本情感细粒度分类方法-CN201910728636.0有效
发明人： 韩东红;汤玉莹;王涛;王波涛;吴刚;刘辉林;乔白友;夏利 -专利权人：东北大学
申请日： 2019-08-08 - 公布日： 2022-08-02 - 主分类号： G06F16/9035 文献下载
摘要：本发明提供一种基于深度学习的社交网络文本情感细粒度分类方法，涉及情感多分类领域，本发明使用Scrapy框架爬取社交网络文本数据，进行数据清洗、分词，将分词结果作为word2vec的输入进行词向量转化；基于CNN模型进行文本的情感8分类，将词向量转化结果作为CNN嵌入层的输入，进行卷积、池化、概率计算等前向、反向传播过程训练模型，实现对网络评论情感分类的迁移学习，对社交网络文本进行二轮抽样实现实例迁移、训练分类器，并对评论进行情感预测；对前述工作进行系统设计，对分析结果进行可视化展示，利用MVC三层架构设计展示模块，并针对单文本或多文本情感细粒度分类、跨平台迁移学习文本情感细粒度分类、社交网络热度地图等三方面功能对界面进行设计。
一种基于深度学习社交网络文本情感细粒度分类方法

[发明专利]基于图卷积网络的社交网络文本情感细粒度分类方法-CN201910728633.7有效
发明人：张林峰;韩东红;赖裕妮;刘晓倩;王旭;赵帅 -专利权人：东北大学
申请日： 2019-08-08 - 公布日： 2022-02-22 - 主分类号： G06F16/31 文献下载
摘要：本发明提供一种基于图卷积网络的社交网络文本情感细粒度分类方法，涉及自然语言处理(NLP)中检测文本作者情感极性的领域。本发明对于社交网络文本上的愤怒、厌恶、恐惧、快乐、喜欢、悲伤和惊讶等情绪进行分类，建立了一种基于语法的细粒度情感检测图形卷积网络(GCN)模型。该模型采用BI‑LSTM网络对给定文本进行初步特征提取，将句子图的初步特征和邻接矩阵输入到一个单层GCN中，以利用句子的句法结构，最后得到池化层或全连接层的概率分布。用BI‑LSTM网络与GCN相结合，增强了模型对汉语文本不同语法结构的理解，提高了模型的鲁棒性，提出的基于百分位数的池化方法提高了模型的精确度。
基于图卷网络社交文本情感细粒度分类方法

[发明专利]一种面向社交网络文本基于识别新词旧义的情感分类方法-CN201910729469.1有效
发明人： 韩东红;邵维龙;孔彦茹;黄山成;吴刚;刘铮 -专利权人：东北大学
申请日： 2019-08-08 - 公布日： 2022-02-22 - 主分类号： G06F16/33 文献下载
摘要：本发明提供一种面向社交网络文本基于识别新词旧义的情感分类方法，涉及情感分析技术领域，本发明使用词语的相邻词语计算条件熵值，以识别语境变化，提出了基于条件熵识别语境的DCC‑CE算法，通过DCC‑CE算法识别语境变化并结合词语共现度，来解决旧词新义识别以及新词发现问题，由此提出基于共现度识别旧词新义相关新词的DNEW‑DCC算法，将DCC‑CE和DNEW‑DCC算法作为旧词新义识别的步骤添加到情感分类中，以改善旧词新义对情感分类准确度的影响，并由此提出通过旧词新义改善情感分类的NMOW‑AC算法。
一种面向社交网络文本基于识别新词情感分类方法

[发明专利]一种本体调试信息的度量与排序方法-CN201810477586.9有效
发明人：吴刚;邱煜晶;乔百友;王波涛;韩东红;刘辉林;王国仁 -专利权人：东北大学
申请日： 2018-05-18 - 公布日： 2022-01-11 - 主分类号： G06F40/30 文献下载
摘要：本发明公开了一种本体调试信息的度量与排序方法，包括根据用户对辩解的认知，提取辩解的度量标准，所述度量标准包含复杂度、相关度及新颖度三方面；采用ListNet排序学习方法构造top k排序模型，根据该排序模型对特征化后的辩解进行排序，获取排序前k个易理解的辩解。从用户认知的角度提出一套度量OWL辩解的标准，该套标准综合考虑了复杂度、相关度和新颖度三方面，基于该套标准，构造一个top k排序模型，获取易理解的前k个辩解，帮助用户更好地进行本体不一致的解释工作，从而增强用户体验。
一种本体调试信息度量排序方法

[发明专利]对长文本友好的知识图谱表示学习方法-CN202111020769.6在审
发明人：吴刚;武文芳;崔锴倩;李雪玉;李磊磊;韩东红 -专利权人：东北大学
申请日： 2021-09-01 - 公布日： 2021-12-07 - 主分类号： G06F16/36 文献下载
摘要：本发明公开了对长文本友好的知识图谱表示学习方法，包括如下步骤：步骤一：长文本友好的文本信息抽取；步骤二：BCRL的文本表示模型；骤三：基于TransE的结构化表示；步骤四：结构‑文本联合标识；步骤五：模型训练。本发明提出了一种文本增强的知识图表示模型BCRL，该模型利用实体描述和关系提及来增强三元组的知识表示，该方法从文本‑句子的角度出发，解决了实体描述的不统一、关系提及表示的不准确等问题，能够更有效地捕获文本的语义信息，并且在链路预测任务方面与基准系统相比有显著的改进。
文本友好知识图谱表示学习方法

1
2
3
4
下一页»
尾页
共 46 条