科学网

 找回密码
  注册
专利分析笔记(二)
黄兰淇 2023-3-7 10:10
1. 专利归属权问题: l 现申请原则(欧系,中国都是) 两件以上相同申请,按照申请人 申请日期 (最重要的一个字段,日期由 专管机关 确定,会在 申请文件 中体现)先后决定,这种方法导致专利质量不太高。 ( ps : 申请日期 :按照 “文件齐备日” , ...
个人分类: 学习笔记|760 次阅读|没有评论
关于科技信息事件抽取建模的理解
黄兰淇 2023-3-3 21:47
两周前,导师给我讲,科技信息事件的提取建模这个方向很有意思,让我琢磨一下,我看了好几篇论文,现在梳理一下思路: 1. 针对哪些文本信息进行科技事件抽取? 初步构想:针对社交媒体平台上的科技信息进行事件抽取,这种非结构化的信息需要考虑从哪个平台中获取最方便,信息最多,我接触过的平台有:小木虫、科学网、 ...
个人分类: 学习笔记|753 次阅读|没有评论
信息资源管理笔记(一)
黄兰淇 2023-3-2 15:15
信息资源管理属于图情档上位学科,扩大了图情档研究范围 1.数据、信息、信息资源、知识的关系 信息是事物的运动状态和存在方式 2.信息、信息源、信息资源的关系 3.信息资源管理和知识管理的关系
个人分类: 学习笔记|718 次阅读|没有评论
深度学习(三)
黄兰淇 2023-2-28 19:46
一、验证集、测试集、训练集 验证集和测试数据集不同在于,验证集在训练过程中使用,测试数据集在建模之后使用,在竞赛中一般验证集是线下验证集,因为线上提交次数有限,为了更好的检验模型效果,验证集被用来进行线下模型的评估。 二、监督学习、半监督学习、无监督学习 监督学习是学习给定标签的数据集,监督学习又 ...
个人分类: 学习笔记|827 次阅读|没有评论
深度学习(二)
黄兰淇 2023-2-27 17:39
一、卷积神经网络与传统网络的区别 传统网络是输入的是提取好的特征值,卷积神经网络输入的是原始图像或者文本,再提取n个特征值进行下一步计算。输入是个三维的h*w*c 卷积神经网络整体框架:输入层,卷积层(提取特征),池化层(压缩特征),全连接层 二、卷积做了什么事? 对不同区域提取不同特征,权重参数矩阵 ...
个人分类: 学习笔记|615 次阅读|没有评论
深度学习(一)
黄兰淇 2023-2-26 19:10
一、机器学习与深度学习的关系 深度学习是机器学习的一部分,深度学习更加接近人工智能 可以将神经网络视为一种特征提取的方法,特征很重要 机器学习流程:数据获取-特征工程-建立模型-评估与应用 拿到数据之后,要考虑怎样拿到更有价值的特征,哪些特征好,哪些特征不好,哪些特征适合融合 机器学习更多的 ...
个人分类: 学习笔记|903 次阅读|没有评论
事件建模与挖掘相关资料(四)
黄兰淇 2023-2-25 11:14
EC模型的理论 一、立方体内操作 1.1 roll-up向上归纳 向上归纳是通过概念层次结构向上遍历完成的,其中概念层结构将一组低级概念映射到高级。Roll-up被形式化为: Ru(Q e ,E-Cube,H k ,L,M):R E ,其中R E 是操作返回的结果事件,Q e 是起始事件或者查询事件的集合,E-Cube是被操作的事件立方体,H k 是来自H ...
个人分类: 科研笔记|895 次阅读|没有评论
信息检索学习资料(一)
黄兰淇 2023-2-24 21:17
信息检索 一、检索工具有哪些? 检索工具是用于存储、查找和报道信息的系统化文字描述工具,是目录、索引、指南的统称 广义的检索工具:包括引文/文摘数据,检索工具,图书馆资源等 二、检索工具的特点 经过遴选,有质量保证 包括文献的内容特征和外表特征 必须有检索标识 往往具有专业特色的组织编排方式 ...
个人分类: 学习笔记|878 次阅读|没有评论
事件建模与挖掘相关资料(三)
黄兰淇 2023-2-24 10:53
事件立方体(E-Cube)模型 主要解决事件的各种查询和分析任务,这些事件包括通过多源数据的非目标事件检测(UED)和目标事件检测(TED)技术发现的事件。EC模型是基于5W1H的关键要素,从多个维度对事件进行不同粒度的分析,挖掘事件之间的隐藏固有关系。 一、研究背景 事件分析与挖掘最早可以追溯到上世纪90年代末,旨 ...
个人分类: 科研笔记|935 次阅读|没有评论
事件建模与挖掘相关资料(二)
黄兰淇 2023-2-23 22:09
六、事件建模的可视化 松散事件(只有4W的事件)另一种表现形式是可视化,Cugoala研究表明,用于复杂事件处理的算法主要目的是检测事件是如何被组织成时间序列,他们引入了一种基于自动机的处理算法,这种算法在检测过程中,一定条件下可以通过自动机状态检测出来。基本思想是:先创建一个确定的模型序列,根据到达事件, ...
个人分类: 科研笔记|933 次阅读|没有评论

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2023-10-5 10:47

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部