“特征标签”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2608527个，建议您升级VIP下载更多相关专利

[发明专利]文本标签确定方法、装置、电子设备及可读存储介质-CN202111489800.0在审
发明人：郑勇升 -专利权人：顺丰科技有限公司
申请日： 2021-12-08 - 公布日： 2023-06-13 - 主分类号： G06F40/211 文献下载
摘要：本申请公开了一种文本标签确定方法、装置、电子设备及可读存储介质，包括：获取待分类的目标文本；根据预设的目标句意提取参数，提取所述目标文本的句意特征，其中，所述目标句意提取参数通过训练文本的实际标签共现信息和预测标签共现信息学习得到；提取所述句意特征对应的标签特征；根据所述句意特征和所述标签特征，确定所述目标文本的标签信息。通过实际标签共现信息和预测标签共现信息学习后，目标句意提取参数提取到的句意特征中会包含标签共现信息，在确定标签信息时，结合标签共现信息中各标签组合的信息，对标签特征中包含的信息再一次进行筛除或增强，因此根据标签特征和句意特征得到的标签信息相比传统方法更加准确
文本标签确定方法装置电子设备可读存储介质

[发明专利]标签识别方法、装置、计算机设备、存储介质及程序产品-CN202111194237.4有效
发明人：王赟豪;陈少华;余亭浩;张绍明;侯昊迪 -专利权人：腾讯科技（深圳）有限公司
申请日： 2021-10-13 - 公布日： 2022-02-08 - 主分类号： G06V10/46 文献下载
摘要：本申请提供一种标签识别方法、装置、计算机设备、存储介质及程序产品，涉及人工智能、云技术、智慧交通、辅助驾驶等技术领域。通过特征提取网络对待识别信息进行多类型特征提取，得到多类型特征；基于该多类型特征与全局标签特征中的每个标签的全局特征，分别确定待识别信息与每个标签之间的匹配度，从而基于该匹配度确定待识别信息的标签；而全局标签特征包括的至少两个标签的全局特征，是基于每个标签的初始特征、以及所述至少两个标签之间的关联关系确定的，能够表征在多个标签范围内各个标签相互之间存在的关联关系，通过结合多个标签之间的全局相关性进行标签识别，避免孤立处理单个标签导致的识别出错的问题，能够提高标签识别的准确性。
标签识别方法装置计算机设备存储介质程序产品

[发明专利]一种多标签图像深度学习分类方法及设备-CN202011022191.3有效
发明人：张辉宜;张进;黄俊;屈喜文 -专利权人：安徽工业大学
申请日： 2020-09-25 - 公布日： 2023-05-26 - 主分类号： G06V10/774 文献下载
摘要：本发明涉及机器学习领域的多标签学习技术，涉及一种多标签图像深度学习分类方法及设备，包含以下步骤：获得标签关系图；根据标签关系图获得所有类别标签的映射和所有标签组的映射；构建深度卷积神经网络并进行图像通用特征提取；选取卷积神经网络不同层的特征图通过映射函数将其映射到标签和标签组映射的维度；对选取特征图中所有像素点计算标签和标签组在当前像素点位置的相合性评分与归一化评分；得到最终的标签相关语义特征与最终的标签组的相关语义特征；标签预测。本申请实现有效利用标签关系，学习更加丰富的图像通用特征和标签关系特征，更好的进行多标签分类任务。
一种标签图像深度学习分类方法设备

[发明专利]多媒体资源的标签分类方法、装置、电子设备及存储介质-CN202110331593.X在审
发明人：吴翔宇 -专利权人：北京达佳互联信息技术有限公司
申请日： 2021-03-26 - 公布日： 2021-08-03 - 主分类号： G06F16/45 文献下载
摘要：本公开关于一种多媒体资源的标签分类方法、装置、电子设备及存储介质。标签分类方法包括：获取待处理多媒体资源对应的目标图像和目标文本以及预设标签集合对应的标签特征信息；将目标图像和目标文本输入多模态特征提取模型，进行特征提取处理，得到所述待处理多媒体资源的目标图文特征信息；将标签特征信息输入图卷积网络，进行标签特征相关性处理，得到目标标签特征描述信息；将所述目标图文特征信息和所述目标标签特征描述信息进行特征融合处理，得到目标特征信息；根据所述目标特征信息，从预设标签集合中确定至少一个标签作为所述多媒体资源的标签信息根据本公开提供的技术方案，可以提高多媒体资源标签分类的精确度。
多媒体资源标签分类方法装置电子设备存储介质

[发明专利]多标签分类方法、装置、设备及计算机可读存储介质-CN202111586850.0在审
发明人：郑勇升 -专利权人：顺丰科技有限公司
申请日： 2021-12-23 - 公布日： 2023-06-30 - 主分类号： G06F16/35 文献下载
摘要：本申请实施例提供一种多标签分类方法、装置、设备及计算机可读存储介质，方法包括：获取待分类的目标文本；提取目标文本的文本特征；根据文本特征以及已训练的标签特征得到融合特征；根据融合特征从预设标签中确定目标文本的目标分类标签本申请实施例提供的多标签分类方法，在提取得到目标文本的文本特征后，会将文本特征和已训练好的标签特征进行融合，得到融合特征，相对于现有技术中是分别考虑目标文本的文本特征和各个标签特征之间的关联度来确定目标文本的标签分类结果，融合特征中还包含了各个标签特征之间的关联信息，从而后续利用该融合特征可以得到更准确的标签分类结果。
标签分类方法装置设备计算机可读存储介质

[发明专利]一种基于Logistic回归的多特征网络流行标签预测方法-CN201610864860.9有效
发明人：傅晨波;王金宝;陈风雷;郑永立;靳继伟;宣琦 -专利权人：浙江工业大学
申请日： 2016-09-30 - 公布日： 2019-11-05 - 主分类号： G06F16/955 文献下载
摘要：一种基于Logistic回归的多特征网络流行标签预测方法，包括以下步骤：1)根据问答网站发帖数据，构建有权无向网络标签Tag网络；2)按照标签出现频率，提取流行标签集合、非流行标签集合；3)提取标签的网络特征、标签提出者属性特征、标签被提出后属性变动特征作为特征向量；4)采用Logistics多元回归训练并构建标签分类模型；本发明考虑标签之间相关性，依据多特征对标签进行分类，对于预测潜在流行标签具有较高的精度既有利于引导用户选择合理的标签，也有利于网站建设者提供更高质量的标签。
一种基于 logistic 回归特征网络流行标签预测方法

[发明专利]活动信息的推送方法、装置及设备-CN202011148171.0在审
发明人：尚飞 -专利权人：浙江口碑网络技术有限公司
申请日： 2020-10-23 - 公布日： 2021-01-05 - 主分类号： G06Q30/02 文献下载
摘要：其中方法包括：利用预先设置的行业特征标签和行为特征标签对服务平台存储的用户行为数据进行分析，得到映射有不同特征标签集的用户集；响应于目标活动信息的推送指令，将目标活动信息映射的活动特征分别与行业特征标签、行为特征标签进行匹配，得到行业匹配标签和行为匹配标签；根据目标活动信息映射的活动特征设置行业匹配标签和行为匹配标签的筛选级别；按照筛选级别确定包含与所述活动特征相匹特征标签，并从用户集中筛选出包含与活动特征相匹配特征标签的目标用户
活动信息推送方法装置设备

[发明专利]一种基于权重标签的局部子集合多标记特征选择方法-CN202210200656.2在审
发明人：程小辉;邵平 -专利权人：桂林理工大学
申请日： 2022-03-02 - 公布日： 2022-06-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开一种基于权重标签的局部子集合多标记特征选择方法。特征选择是指在不同数据集中选择与标签相关度较高且特征之间冗余度较低的特征子集。传统的特征选择方法没有考虑标签的权重和与标签相关性较弱的特征也可能对特征的划分起决定性作用。在分析传统的多标签特征选择方法优劣的基础上，引入权重标签和局部子空间实现优化多标签特征选择。改进后的方法通过计算标签的权重，能有效的了解单个标签在多标签集合中的重要性，使得计算特征与标签的相关性时，更有说服力，并对三个子空间设置采样比例，能有效地增强特征选择的灵活度。
一种基于权重标签局部集合标记特征选择方法

[发明专利]应用图标的管理方法和移动终端-CN201711134163.9有效
发明人：刘朝辉 -专利权人：维沃移动通信有限公司
申请日： 2017-11-15 - 公布日： 2019-10-15 - 主分类号： G06F3/0481 文献下载
摘要：本发明公开了一种应用图标的管理方法和应用该方法的移动终端，该方法包括：接收文本信息，所述文本信息携带有特征标签；提取所述文本信息内的特征标签，并将所述特征标签展示在预设编辑界面；提取与所述特征标签相关联的应用程序的应用图标，并将所述应用图标展示在所述预设编辑界面；当检测到位于所述预设编辑界面内的特征标签与应用图标发生重叠时，将发生重叠的所述特征标签添加至与所述特征标签重叠的应用图标。在本发明实施例中，通过将特征标签和相关联的应用图标展示在同一个界面内，用户可以手动将特征标签添加至相应的应用图标，使得特征标签的调整简单、高效，便于后续根据特征标签来管理这些应用图标。
应用图标管理方法移动终端

[发明专利]数据处理方法、装置和计算机可读存储介质-CN202010242952.X在审
发明人：项超;王学敏;孟维业;王建秀 -专利权人：中国电信股份有限公司
申请日： 2020-03-31 - 公布日： 2021-10-01 - 主分类号： G06F21/62 文献下载
摘要：本公开的方法包括：标签缺失方接收标签持有方发送的对象的标签信息，标签信息包括：标签持有方加密后的各个标签的标签向量；标签缺失方根据标签信息，利用注意力机制确定本地持有的对象的各项特征相对于标签的重要度；标签缺失方根据各项特征相对于标签的重要度，调整各项特征对应的特征向量；标签缺失方将各项特征调整后的特征向量输入联合模型中标签缺失方所持有的模型进行联邦学习。本公开中标签缺失方根据注意力机制可以激活重要特征，去除无效特征，减小联合模型训练难度，同时提高了联合模型的准确率和训练效率。
数据处理方法装置计算机可读存储介质

[发明专利]基于增强伪标签机制的肺气管树的半监督分割方法及系统-CN202310100398.5在审
发明人：顾迪飞;顾力栩 -专利权人：上海睿介机器人科技有限公司
申请日： 2023-02-07 - 公布日： 2023-05-26 - 主分类号： G06T7/10 文献下载
摘要：本发明提供了一种基于增强伪标签机制的肺气管树的半监督分割方法及系统，包括：获取气管树标签图像，通过半监督学习算法得到气管树伪标签图像；使用增强网络优化气管树伪标签图像，得到中间预测伪标签图像；使用最大连通域算法处理中间预测伪标签图像，得到第一特征伪标签图像并进行后期处理；根据处理后的第一特征伪标签图像和气管树标签图像提取得到第二特征分支图像，基于第二特征分支图像及第二特征标签，通过半监督学习算法得到第二特征伪标签图像；将中间预测伪标签图像、第一特征伪标签图像和第二特征伪标签图像进行合成，生成增强型伪标签图像。
基于增强标签机制气管监督分割方法系统

[发明专利]标签确定方法和标签确定模型训练方法-CN201911424667.3有效
发明人：闫肃;陈鑫;张旭;林乐宇 -专利权人：腾讯科技（深圳）有限公司
申请日： 2019-12-31 - 公布日： 2023-07-14 - 主分类号： G06F16/906 文献下载
摘要：本申请涉及一种标签确定方法及标签确定模型训练方法，其中标签确定方法包括：获取目标用户对应的历史离散用户特征集合，获取目标特征域对应的目标标签确定模型，将历史离散用户特征集合输入其中得到目标用户对应于目标特征域的用户标签，目标标签确定模型根据第一训练样本对预训练标签确定模型进行调整得到，第一训练样本包括第一训练离散用户特征集合和目标特征域的训练标签，第一训练离散用户特征集合包括目标特征域对应的历史离散用户特征，预训练标签确定模型根据第二训练样本对初始标签确定模型进行训练得到，第二训练样本包括多个训练特征域对应的第二训练离散用户特征集合及训练标签集合。采用本申请的方法可以得到更加准确的用户标签。
标签确定方法模型训练

[发明专利]语音情绪识别模型训练方法、装置、计算机设备及介质-CN202210897694.8在审
发明人：亢祖衡;彭俊清;王健宗;肖京 -专利权人：平安科技（深圳）有限公司
申请日： 2022-07-28 - 公布日： 2022-09-23 - 主分类号： G10L15/02 文献下载
摘要：本发明公开了一种语音情绪识别模型训练方法，获取音素语音特征、性别语音特征和情绪语音特征；音素语音特征关联音素语音标签，性别语音特征关联性别语音标签，情绪语音特征关联情绪坐标标签；输入至包含初始参数的预设识别模型中；获取预设识别模型的输出特征向量；基于第一特征向量，获取预测音素标签；基于输出特征向量，获取预测性别标签和预测情绪标签；根据预测音素标签、预测性别标签、预测情绪标签、音素语音标签、性别语音标签和情绪坐标标签
语音情绪识别模型训练方法装置计算机设备介质

[发明专利]一种特征筛选方法及装置-CN201710004925.7在审
发明人：冯锋 -专利权人：腾讯科技（深圳）有限公司
申请日： 2017-01-04 - 公布日： 2018-07-10 - 主分类号： G06F17/30 文献下载
摘要：本发明公开一种特征筛选方法及装置，所述方法包括：预先获取后台资料库中的对象，并根据预设规则，计算各个对象的特征标签，建立特征标签与对象的对应关系；将所述特征标签与对象的对应关系存储于特征筛选库中；当接收到任一特征筛选请求时，根据所述特征筛选请求中的特征标签，从所述特征筛选库中获取与所述特征标签对应的对象，并返回所述特征标签对应的对象。本发明预先在离线状态下完成特征标签的计算，以及特征标签与对象的对应关系的建立，当接收到特征筛选请求时能够直接从特征标签与对象的对应关系中筛选出对应的对象，提高了特征筛选的效率，以及前端用户的使用体验。
特征标签特征筛选关系存储离线状态预设规则预先获取资料库后台筛选返回

[发明专利]基于自监督学习的图像分类方法及系统-CN201911213999.7有效
发明人：刘嵩;舒琦慧 -专利权人：齐鲁工业大学
申请日： 2019-12-02 - 公布日： 2023-04-07 - 主分类号： G06V10/764 文献下载
摘要：本公开公开了基于自监督学习的图像分类方法及系统，获取待分类的无标签图像；对所有待分类的无标签图像进行预处理；对预处理后的每一个无标签图像进行特征提取；每一个无标签图像均得到与之对应的特征；从所有待分类的无标签图像中划分出一部分作为训练集；对训练集中所有无标签图像的特征进行聚类处理，确定每个特征所对应的类别，并对每个类别中的所有特征均打上对应的伪标签；特征的伪标签即为特征所对应无标签图像的伪标签；基于训练集中每一个无标签图像所提取的特征和伪标签，对预训练的神经网络进行再训练；将所有待分类的无标签图像的特征均输入到优化训练后的神经网络中，输出每一个待分类的无标签图像的伪标签。
基于监督学习图像分类方法系统