Sep, 2022

运用专家知识分配公司到各行业：一种新的深度学习方法

PDF
TL;DR本研究提出了一种新颖的基于深度学习的方法，不仅无缝集成了三种类型的专家知识进行行业分配，同时还考虑了基于任务的知识的时间特异性和层级分配。
industry assignmentexpert knowledgedeep learningtime-specificityhierarchical assignment
发现论文，激发创造
  • 利用标签语义在嘈杂标记下提取公司与行业匹配的更高性能

    在金融机构中，为公司分配适当的行业标签是一项关键任务，本文提出了一种基于语义相似度匹配的 ML 管道，通过使用标签相似矩阵和最小标记策略，实现了对噪声的显著改进和稳健的预测能力。

    Dec, 2022

  • 机器学习方法自动检测法律文章所属行业领域

    本文研究了一种运用机器学习和自然语言处理的产业分析方法，可以自动标记涉及法律业务的文章按行业分类，以提高读者和作者的阅读和写作效率，实验结果显示，传统机器学习方法在小范围域特定训练数据的情况下表现更佳。

    Mar, 2023

  • 一种新型的金融时间序列案例表示法用于行业分类

    本文旨在研究如何使用基于案例的推理来进行金融领域中的行业分类。通过提出一种基于股票回报嵌入的新型表征方法，使得此任务能够得到有效解决，并在现有的公共数据集上获得了显著的性能提升。

    Apr, 2023

  • 基于知识注入的图像分类网络增强方法

    基于人类知识的深度神经网络训练方法通过使用人类认知模型构建深度神经网络训练模型，采用现有人类知识信息构建了多级分层深度学习算法，并有效解释了神经网络的隐藏信息。

    Jan, 2024

  • 将领域知识融入深度神经网络

    本文调查了通过神经网络构建模型时如何加入领域知识，提供两种编码这种知识的方法，并描述了在每个方法的几个子类别中获得的技术和结果。

    Feb, 2021

  • 使用显性和隐性知识加强 AI 药物发现

    DeepEIK 是一种统一的深度学习框架，将知识图谱和生物医学文献中的显性和隐性知识结合起来，采用特征融合和注意机制来处理多模态输入，能够更深入地理解分子，为药物发现应用提供了有前途的潜力。

    Apr, 2023

  • 模型辅助的无线人工智能：在深度神经网络中嵌入专业知识以实现无线系统优化

    该论文介绍了两种采用专家知识方法优化无线通信网络性能的深度学习方法，并通过数字结果将这些方法与纯数据驱动实现进行比较。

    Aug, 2018

  • 数据驱动的知识融合用于深度多实例学习

    本文提出了基于数据驱动知识融合的深度多实例学习算法（DKMIL），该算法采用新的模型数据接口，通过知识融合模块从样本中提取有价值的信息以辅助模型训练，并使用两级注意力模块逐步学习样本的浅层和深层特征以实现更有效的分类。在对 6 个类别的 38 个数据集进行实验的同时证明了知识融合模块的可扩展性和所提出体系结构的有效性。

    Apr, 2023

  • 面向深度工业迁移学习的聚类算法：迁移案例选择

    本文介绍了一种基于 BIRCH 聚类算法的传输案例选择机制，通过对聚类算法的调查，可以得出这种选择机制可以在不考虑顺序、大小和数据集的维数的前提下，提高传输结果的适用性，并在一个离散制造场景的工业时间序列数据集上进行了评估。

    Apr, 2022

  • 适应性分类学习与专利分类的历史模式建模

    我们提出了一个综合考虑专利信息的专利分类框架，通过自适应地传递和聚合同级和不同级别的信息来推导 IPC 代码的语义表示；通过双通道聚合机制，设计了一个历史应用模式学习组件，以整合相应申请人的先前专利；最后，结合包含 IPC 代码语义和申请人的顺序偏好的专利文本的上下文信息进行预测。实证分析表明我们的方法优于现有方法，并展示了该模型捕捉申请人的时间模式和 IPC 代码之间的语义依赖关系的能力。

    Aug, 2023