检索结果

期刊

出版年

关键词

Please wait a minute...

选择:

导出引用
EndNote Ris BibTeX

显示/隐藏图片

Select

1. 基于循环神经网络的专利价格自动评估

刘子辰, 李小娟, 韦伟

计算机应用 2021, 41 (9): 2532-2538. DOI: 10.11772/j.issn.1001-9081.2020111887

摘要（459）

PDF （1027KB）（484）

专利价格评估是知识产权交易的重要内容，现有方法在进行专利价格评估时没有有效地考虑专利的市场、法律、技术维度对专利价格的影响，而专利的市场因素对专利价格的评估起到关键作用。针对上述问题，提出一种基于循环神经网络（RNN）的专利价格自动评估方法。该方法以市场法为基础，对其他各种因素进行综合考虑，并利用门控循环单元（GRU）构建RNN的方法实现对专利价格的自动评估。实例测试表明，以专家定性评估结果为基准，所提方法的相对准确度平均为0.85，与层次分析法（AHP）、粗糙集理论方法和逆向传播（BP）神经网络方法相比，所提方法这一相对准确度均值分别提升了3.66%、4.94%和2.41%。

参考文献 | 相关文章 | 多维度评价

Select

2. 基于注意力和字嵌入的中文医疗问答匹配方法

陈志豪, 余翔, 刘子辰, 邱大伟, 顾本刚

计算机应用 2019, 39 (6): 1639-1645. DOI: 10.11772/j.issn.1001-9081.2018102184

摘要（508）

PDF （1101KB）（451）

针对当前的分词工具在中文医疗领域无法有效切分出所有医学术语，且特征工程需消耗大量人力成本的问题，提出了一种基于注意力机制和字嵌入的多尺度卷积神经网络建模方法。该方法使用字嵌入结合多尺度卷积神经网络用以提取问题句子和答案句子不同尺度的上下文信息，并引入注意力机制来强调问题和答案句子之间的相互影响，该方法能有效学习问题句子和正确答案句子之间的语义关系。由于中文医疗领域问答匹配任务没有标准的评测数据集，因此使用公开可用的中文医疗问答数据集（cMedQA）进行评测，实验结果表明该方法优于词匹配、字匹配和双向长短时记忆神经网络（BiLSTM）建模方法，并且Top-1准确率为65.43%。

参考文献 | 相关文章 | 多维度评价