特征抽取

摘要： 基于计算机的问题解决测验可以实时记录被试探索环境和解决问题时的详细行动痕迹,并保存为过程数据。首先介绍了过程数据的分析流程,然后从问题解决测验入手,分别对过程数据的特征抽取和能力估计建模两方面的研究进行了梳理和评价。未来研究应注意:提高分析结果的可解释性;特征提取时纳入更多信息;实现更复杂问题情景下的能力评估;注重方法的实用性;以及融合与借鉴不同领域的分析方法。

摘要： 针对传统的数字图书馆文本特征抽取方法存在特征抽取不完整,抽取准确率低的问题,提出基于多标签分类的数字图书馆文本特征抽取方法。从引文功能标签集合中选取元子集,确定样本的引文全局功能集合。根据引文句功能合并示例,研究词汇、句法、物理、整体特征。构建基于多标签分类的数字图书馆文本特征提取模型,分析特征之间相关性,采用绝对值法和增加概率系数法的改进措施,避免了特征词缺失,完成了数字图书馆文本特征抽取。由实验结果可知,该方法抽取的文本特征完整且准确率高,为数字图书馆高效管理提供保障。

摘要： 引文意图自动分类是文献计量领域的重要问题,现有的引文意图分类模型存在对文本特征抽取能力有限、无法融合引文上下文特征和引文外部特征的问题.因此,文中提出基于MPNet预训练和多头注意力特征融合的引文意图分类方法.引入位置补偿结构,改善掩码语言模型与排列语言模型存在的缺陷.联合引文的语法词频特征与引文结构特征,提出适用于引文意图分类任务的特征抽取方法.再引入多头注意力机制进行特征融合,提升分类效果.在ACL-ARC数据集上的实验表明,文中方法在引文意图分类任务上性能较优,同时还具有在不平衡数据上的鲁棒性.

摘要： 针对目前已有的基于深度学习的数据竞争检测方法提取特征单一和准确率低的问题,提出一种基于深度学习的数据竞争检测方法DeleRace,该方法首先利用程序静态分析工具WALA从多个实际应用程序中提取指令、方法和文件等多个级别的特征,对其向量化并构造训练样本数据;然后通过ConRacer工具对真实数据竞争进行判定进而标记样本数据,采用SMOTE增强算法使正负数据样本分布均衡化;最后构建并训练CNN-LSTM深度神经网络进行数据竞争检测.从DaCapo,JGF,IBM Contest,PJBench基准测试程序套件中分别选取26个不同应用领域的基准测试程序进行训练数据样本抽取和数据竞争检测,结果表明DeleRace的数据竞争检测准确率为96.79%,与目前已有的基于深度学习的检测方法DeepRace相比提升了4.65%.此外还将DeleRace与已有的动态数据竞争检测工具(Said和RVPredict)和静态数据竞争检测工具(SRD和ConRacer)进行比较,验证了DeleRace的有效性.

摘要： [目的/意义]在自动摘要技术的基础上,结合专利特性,提出一种专利技术功效特征的自动抽取方法.[方法/过程]抽取对象包括核心技术内容、功能效用描述两部分;根据专利的文本结构特性设计抽取方案;对所抽取到的技术内容语句进行核心性计算和评价,对所抽取到的功能效用语句进行情感分析,凝练和筛选后得到专利技术功效特征.[结果/结论]样本对比试验显示,本文提出的方法较同类方法在ROUGE值上有所提升,能够较好地实现专利技术功效特征的自动抽取.

摘要： 身处信息时代,为了保护信息安全,如何准确鉴定某个人的身份,已经成为社会各界的难点.作为生物识别技术的一个重要分支,人脸识别技术在商业、安全、身份认证等领域有着广泛的应用.通过对传统PCA、分块PCA、MPCA以及二维PCA的人脸识别算法中的特征抽取方法以及对算法取不同参数情况下的性能和算法间性能对比,得出二维PCA性能更优的结论,并以此为基础,通过软件工具设计出了基于以上四种方法的人脸识别技术的仿真系统.

摘要： 目前,各大金融机构在日常运营过程中,会产生大量非结构化的语音或文本数据,在这些数据中往往蕴含了用户对企业产品、营销活动等最真实的反馈信息.然而,运营部门对这些数据的分析、挖掘主要依赖人工处理,工作量大,时效性不高,基于文本挖掘技术的智能化分析与挖掘能力,不仅会显著降低运营部门的日常运营成本,还能大大提升公司营销活动、产品设计的运营水平.笔者首先分析了企业运营过程中产生的文本表达特征,提出基于用户数据否定窗口的用户关键意图抽取方法,对运营文本数据进行预处理,然后采用聚类算法对数据进行归类,并提出基于关键词连接矩阵的聚类合并算法,对聚类结果进行二次合并,最后提出基于关键词评分的聚类摘要自动提取模型,抽取类簇的描述信息.最后,使用62、双12等重大营销活动期间的网络客服对话数据对模型进行验证,取得良好的效果.

摘要： 身处信息时代,为了保护信息安全,如何准确鉴定某个人的身份,已经成为社会各界的难点。作为生物识别技术的一个重要分支,人脸识别技术在商业、安全、身份认证等领域有着广泛的应用。通过对传统PCA、分块PCA、MPCA以及二维PCA的人脸识别算法中的特征抽取方法以及对算法取不同参数情况下的性能和算法间性能对比,得出二维PCA性能更优的结论,并以此为基础,通过软件工具设计出了基于以上四种方法的人脸识别技术的仿真系统。

摘要： 随着电力工控系统内负荷终端的大量部署,系统遭受网络入侵的风险将极大提高.在将网络入侵检测技术应用于电力工控系统时,已开发的检测模型往往无法取得理想效果,而训练新的模型又将面临安全、隐私等原因造成的数据采集困难.因此,研究一种基于特征抽取的入侵检测方法,该方法通过堆叠稀疏自编码器结构提取抽象特征,以SVM(支持向量机)分类器为输出层实现入侵检测.在模型训练过程中引入迁移学习策略进行优化,经算例验证该方法能有效提升模型面向有限数量目标域内数据的检测效果和训练效率.

摘要： 2020年9月,国家医保局会同财政部印发《关于扩大长期护理保险制度试点的指导意见》,随即在社交媒体平台上引发网民广泛讨论。本研究将以网民关于长期护理保险(以下简称"长护险")政策的评论为研究对象,采用TF-IDF特征抽取、K-means聚类等方法,建立长护险舆情分布模型。结果显示,长护险政策舆情根据语义可分为五大主题,且舆情主题分布在地区上存在明显差异。本文在上述研究基础上进行深入分析,为我国长护险发展提出相关建议。

摘要： Web2.0模式下的互联网应用加入用户的积极参与,产生大量网购评论信息.这些信息具有很高的分析挖掘价值,一方面它是生产商和销售商改进商品和服务的关键指标,另一方面它也为即将购买相同产品的客户提供参考意见.本文针对网购评论这一特殊自由短文本,应用概念层次网络(HNC)理论的概念关联性、句类分析等提出了抽取网购评论特征的步骤方法.本文还以淘宝网商品的客户评论作为实验数据进行了实验分析,对比实验结果表明了提出方法的有效性.通过对原始语料的观察不难发现，本文方法对处理三类特殊句类具有较高的准确率和查全率，而对于句群的处理受用户表达习惯的影响较为严重，这也是以后需要进一步深入研究和改进的地方。

摘要： 藏文文本表示是将非结构化的藏文文本转换为计算机能够处理的数据形式，是藏文文本分类、文本聚类等领域特征抽取的前提。传统的文本表示方法并没有考虑特征项之间的关联度，或者只是简单的计算相互问的共现，造成了语义的损失，很难准确的表示文档。本文首先提取文本中的高TFIDF值的部分词项作为对比词项，然后对藏文文本进行断句处理，以每个句子作为一个语境主题，以卡方统计量来计算文本中词项于对比词项的关联程度，结合信息检索领域的经典模型一向量空间模型，提出了一种新颖的文本表示方法Chi—T—VSM以解决藏文文本表示问题。实验结果表明，这种方法能够比传统的VSM方法更准确的表示藏文文本。

摘要： 基于机器学习的迭代编译方法可以在对新程序进行迭代编译时,有效预测新程序的最佳优化参数组合.现有方法在模型训练过程中存在优化参数组合搜索效率较低,程序特征表示不恰当,预测精度不高的问题.因此,基于机器学习的迭代编译方法是当前迭代编译领域内的一个研究热点,其研究挑战在于学习算法选择,优化参数搜索以及程序特征表示等问题.基于监督学习技术,提出了一种程序优化参数预测方法.该方法首先通过约束多目标粒子群算法对优化参数空间进行搜索,找到样本函数的最佳优化参数;然后通过动静结合的程序特征表示技术,对函数特征进行抽取;最后,通过由函数特征和优化参数形成的样本构建监督学习模型,对新程序的优化参数进行预测.分别采用k近邻法和softmax回归建立统计模型,实验结果表明,在NPB测试集和大型科学计算程序上实现了较好的预测性能.

摘要： 基于机器学习的迭代编译方法可以在对新程序进行迭代编译时,有效预测新程序的最佳优化参数组合.现有方法在模型训练过程中存在优化参数组合搜索效率较低,程序特征表示不恰当,预测精度不高的问题.因此,基于机器学习的迭代编译方法是当前迭代编译领域内的一个研究热点,其研究挑战在于学习算法选择,优化参数搜索以及程序特征表示等问题.基于监督学习技术,提出了一种程序优化参数预测方法.该方法首先通过约束多目标粒子群算法对优化参数空间进行搜索,找到样本函数的最佳优化参数;然后通过动静结合的程序特征表示技术,对函数特征进行抽取;最后,通过由函数特征和优化参数形成的样本构建监督学习模型,对新程序的优化参数进行预测.分别采用k近邻法和softmax回归建立统计模型,实验结果表明,在NPB测试集和大型科学计算程序上实现了较好的预测性能.

摘要： 基于机器学习的迭代编译方法可以在对新程序进行迭代编译时,有效预测新程序的最佳优化参数组合.现有方法在模型训练过程中存在优化参数组合搜索效率较低,程序特征表示不恰当,预测精度不高的问题.因此,基于机器学习的迭代编译方法是当前迭代编译领域内的一个研究热点,其研究挑战在于学习算法选择,优化参数搜索以及程序特征表示等问题.基于监督学习技术,提出了一种程序优化参数预测方法.该方法首先通过约束多目标粒子群算法对优化参数空间进行搜索,找到样本函数的最佳优化参数;然后通过动静结合的程序特征表示技术,对函数特征进行抽取;最后,通过由函数特征和优化参数形成的样本构建监督学习模型,对新程序的优化参数进行预测.分别采用k近邻法和softmax回归建立统计模型,实验结果表明,在NPB测试集和大型科学计算程序上实现了较好的预测性能.

摘要： 基于机器学习的迭代编译方法可以在对新程序进行迭代编译时,有效预测新程序的最佳优化参数组合.现有方法在模型训练过程中存在优化参数组合搜索效率较低,程序特征表示不恰当,预测精度不高的问题.因此,基于机器学习的迭代编译方法是当前迭代编译领域内的一个研究热点,其研究挑战在于学习算法选择,优化参数搜索以及程序特征表示等问题.基于监督学习技术,提出了一种程序优化参数预测方法.该方法首先通过约束多目标粒子群算法对优化参数空间进行搜索,找到样本函数的最佳优化参数;然后通过动静结合的程序特征表示技术,对函数特征进行抽取;最后,通过由函数特征和优化参数形成的样本构建监督学习模型,对新程序的优化参数进行预测.分别采用k近邻法和softmax回归建立统计模型,实验结果表明,在NPB测试集和大型科学计算程序上实现了较好的预测性能.

摘要： 以管理科学与工程领域2006-2013年在10种国际顶级期刊上发表的5779篇文章为基础,通过引文分析和共引分析两种角度,结合特征提取方法,剖析了管理科学与工程领域研究的科研产出分布情况,并通过知识图谱的方法刻画和探索了管理科学与工程研究领域的创新轨迹.

摘要： 以管理科学与工程领域2006-2013年在10种国际顶级期刊上发表的5779篇文章为基础,通过引文分析和共引分析两种角度,结合特征提取方法,剖析了管理科学与工程领域研究的科研产出分布情况,并通过知识图谱的方法刻画和探索了管理科学与工程研究领域的创新轨迹.

摘要： 以管理科学与工程领域2006-2013年在10种国际顶级期刊上发表的5779篇文章为基础,通过引文分析和共引分析两种角度,结合特征提取方法,剖析了管理科学与工程领域研究的科研产出分布情况,并通过知识图谱的方法刻画和探索了管理科学与工程研究领域的创新轨迹.

摘要： 以管理科学与工程领域2006-2013年在10种国际顶级期刊上发表的5779篇文章为基础,通过引文分析和共引分析两种角度,结合特征提取方法,剖析了管理科学与工程领域研究的科研产出分布情况,并通过知识图谱的方法刻画和探索了管理科学与工程研究领域的创新轨迹.

摘要： 本发明提出了一种基于非负交替方向变换的用户特征抽取方法及抽取装置。抽取装置，包括数据接收模块、数据存储模块和执行模块，其中，所述数据接收模块与数据存储模块连接，数据接收模块用于接收服务器采集的用户行为统计数据，并将所接收的服务器采集的用户行为统计数据传递给数据存储模块进行存储，所述数据存储模块与执行模块相连接，执行模块执行服务器发送的进行用户特征抽取的指令，并将抽取的用户特征数据存入数据存储模块中。本发明直接作用于用户行为统计矩阵中的已知数据集合，能够处理具备大量缺失值的、极端稀疏的用户行为统计矩阵，收敛速度快，数据还原准确度高，能够解决大数据处理环境中的用户特征抽取问题。

摘要： 本发明提出了一种基于非负交替方向变换的用户特征抽取方法及抽取装置。抽取装置，包括数据接收模块、数据存储模块和执行模块，其中，所述数据接收模块与数据存储模块连接，数据接收模块用于接收服务器采集的用户行为统计数据，并将所接收的服务器采集的用户行为统计数据传递给数据存储模块进行存储，所述数据存储模块与执行模块相连接，执行模块执行服务器发送的进行用户特征抽取的指令，并将抽取的用户特征数据存入数据存储模块中。本发明直接作用于用户行为统计矩阵中的已知数据集合，能够处理具备大量缺失值的、极端稀疏的用户行为统计矩阵，收敛速度快，数据还原准确度高，能够解决大数据处理环境中的用户特征抽取问题。

摘要： 本发明公开了一种基于特征工程对成品库调度系统性能数据的特征抽取方法，包括如下步骤：1)根据经验对成品库物流系统调度子系统的故障场景进行预判，分析故障场景下的数据表现，有针对性地选定对应的指标；2)等时间间隔采集选定的指标数据，并对数据进行清洗、预处理，获得用于特征抽取的数据集；3)对所述数据集进行特征提取，通过激励函数对特征进行放大及展示。该方法对较为细小的特征进行提取、放大，KPI找到合适的特征检测器，找出复杂数据的关键特征，以便于运维人员查看，信息损失较少，同时原始数据中包含的规律依然保留，且可有效减少原始数据中的不确定因素。

摘要： 本发明公开了一种三维医学影像无监督特征抽取系统，包括以下步骤：步骤一、获取CT图像数据集，将包含预测目标的3D图像数据分解为不同视角的2D视图；步骤二、构建基于多视图对比学习的无监督特征提取模型，将2D视图数据进行特征提取，生成与每个视图对应的特征；每个视图构建一个独立的网络结构，所述特征提取模型中的每个网络结构都由一个编码器和一个映射头组成；计算视图相似度；步骤三、对提取的特征进行融合并分类预测：从编码器中提取表征进行特征融合，将融合表征输入到分类器中，输入表征的维度，得到良恶性结节的概率。本发明的优点在于：能够提高表征学习质量，提高目标获取准确性。

摘要： 本发明涉及一种基于多因素特征抽取的动力煤价格指数滚动预测方法，该方法包括以下步骤：步骤S1，数据收集；步骤S2，数据预处理；步骤S3，数据挖掘与特征变量抽取；步骤S4，用人工神经元网络建模；步骤S5，随着时间推移，重复步骤S3、S4，更新模型并对动力煤价格进行短期滚动预测。与现有技术相比，本发明具有考虑因素全面、实时更新度强、预测精度高等优点。

摘要： 本发明公开了一种基于多维度特征抽取的拥挤行人检测方法，包括，利用数据增强模块对图像数据I增强，并将增强后的图像数据输入特征提取网络得到特征图F；将特征图F输入多维度特征抽取模块，得到携带目标信息的特征图，并输入候选区域网络进行一阶段分类和回归获得候选框及锚点；将携带目标信息的特征图输入感兴趣区域对齐模块和选框及锚点结合输入全连接层进行二阶段的分类和回归，完成行人检测；本发明基于多维度特征抽取模块在严重遮挡情况下经过多维度特征抽取以及数据增强过程依旧可以实现很好的识别效果。

摘要： 本发明公开了一种基于正交投影的BI‑LSTM‑CNN的情感特征抽取方法，旨在从文本中获取带权重的中性词向量，得到具有更高区分度的情感特征，为文本情感分类等提供有力的技术支持。传统的深度学习模型会忽略关键局部上下文信息中的特殊意义词，导致获取的情感特征不够丰富。针对这一问题，本发明提出的方法是将中性词向量投影到情感极性词的正交空间中，得到加权中性词向量，同时通过CNN深度学习模型抽取文本关键语义；此外，利用BI‑LSTM‑Attention模型和带权重的中性词向量，从提取出的关键语义中学习可增强句子情感的语义特征，使文本在情感分类时更具判别性。

摘要： 本发明实施例公开一种特征抽取方法及装置、电子设备、存储介质，涉及计算机技术领域，能够大大降低人工智能模型的开发测试的难度和风险。所述方法包括：确定待进行特征抽取的目标数据的数据属性；在所述数据属性为离线数据的情况下，对所述目标数据执行预设的离线特征抽取计划，或者，在所述数据属性为在线数据的情况下，对所述目标数据执行预设的在线特征抽取计划；所述离线特征抽取计划包括按照预设的特征抽取算法对离线数据进行特征抽取的第一操作流程，所述在线特征抽取计划包括按照所述特征抽取算法对在线数据进行特征抽取的第二操作流程；组成所述第一操作流程的各操作节点与组成所述第二操作流程的各操作节点之间具有一致性关系。

摘要： 本发明提供了一种基于图神经网络与双向GRU特征抽取的缺陷预测方法，首先对软件系统进行网络建模，使用神经网络模型学习网络结构，获得软件依赖关系特征；然后将软件系统源文件构建成抽象语法树，提取令牌序列，使用双向门控递归单元进行建模，获得软件系统的深层语义特征；再将获得的软件依赖关系特征与获得的源代码的语义特征结合，得到最终的混合特征，并训练一个分类器，用于基于得到的混合特征进行缺陷预测，由于结合了结合这两种不同类型的度量指标来构建预测模型，使用双向GRU提取软件源代码的深层语义特征，使用图神经网络提取软件模块之间的依赖关系特征，并结合两种特征用于预测缺陷，提高了预测的准确性。

摘要： 本发明属于多模态数据特征抽取技术领域，公开了一种基于优化BERT模型的多模态深度特征抽取方法及系统，数据处理阶段，多模态数据特征选取，以及数据的预处理工作；BERT模型优化阶段，对原始BERT模型中的多头自注意力机制和前向传播层进行优化；特征融合阶段；结果输出阶段。本发明能够进行深层次的特征抽取，使用层次化多头注意力机制实现对特征的层次抽取，使用自定义的门机制结构替换BERT模型中的中间层，实现对信息的过滤，最后通过基于自注意力机制的张量融合模型进行多模态特征的融合，最后实现一种对多态情感信息准确分类的模型，本发明提高了BERT的特征抽取能力，具有的多模态特征抽取能力更强。