CN115238707A - 基于词向量语义分析的执法视频评价方法及装置 - Google Patents

基于词向量语义分析的执法视频评价方法及装置 Download PDF

Info

Publication number
CN115238707A
CN115238707A CN202210845701.XA CN202210845701A CN115238707A CN 115238707 A CN115238707 A CN 115238707A CN 202210845701 A CN202210845701 A CN 202210845701A CN 115238707 A CN115238707 A CN 115238707A
Authority
CN
China
Prior art keywords
text
audio
abnormal
word
classification
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202210845701.XA
Other languages
English (en)
Inventor
单培红
卢会春
任敏杰
陈建军
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hangzhou Tianyi Smart City Technology Co ltd
Original Assignee
Hangzhou Tianyi Smart City Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Hangzhou Tianyi Smart City Technology Co ltd filed Critical Hangzhou Tianyi Smart City Technology Co ltd
Priority to CN202210845701.XA priority Critical patent/CN115238707A/zh
Publication of CN115238707A publication Critical patent/CN115238707A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/35—Clustering; Classification
    • G06F16/353—Clustering; Classification into predefined classes
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/26—Speech to text systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • General Engineering & Computer Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Strategic Management (AREA)
  • Tourism & Hospitality (AREA)
  • Economics (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Marketing (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computing Systems (AREA)
  • Operations Research (AREA)
  • Databases & Information Systems (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Biophysics (AREA)
  • Quality & Reliability (AREA)
  • Molecular Biology (AREA)
  • Game Theory and Decision Science (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Probability & Statistics with Applications (AREA)
  • Primary Health Care (AREA)
  • Human Computer Interaction (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Machine Translation (AREA)

Abstract

本发明实施例提供一种基于词向量语义分析的执法视频评价方法及装置，属于视频数据处理领域。所述方法包括：对获取的视频数据中的音频信息进行提取、转化，得到音频文本；根据构建的特征词库对音频文本进行特征词识别分类，得到异常音频文本，并对异常音频文本进行处理；将处理后的异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本；构建由多个非规范音频文本构成的异常文本集合。基于特征词库在进行语义分析，能提高分析结果的准确性，降低了分类的复杂度。本发明在词粒度和语句粒度上分别对音频文本进行语义分析，提高了识别的准确度和可靠性。

Description

基于词向量语义分析的执法视频评价方法及装置
技术领域
本发明涉及视频数据处理领域，具体地涉及一种基于词向量语义分析的执法视频评价方法、一种基于词向量语义分析的执法视频评价装置、一种电子设备及一种计算机可读存储介质。
背景技术
然而在实际应用中，由于执法视频的多样性和海量性，传统的人工进行评价和分析的方式，存在着效率低、成本高等缺陷。对此现有技术中通过信息技术对执法视频进行分析和处理，能实现对执法视频的自动化监管。
而上述方法在实际应用中至少还存在以下问题：由于缺乏领域特征词库的支持，分析过程相对复杂，且最终的结果和实际情况偏差会比较大。
发明内容
本发明实施例的目的是提供基于词向量语义分析的执法视频评价方法及装置，以解决现有的分析方法存在着分析结果与实际情况偏差比较大的问题。
为了实现上述目的，本发明实施例提供一种基于词向量语义分析的执法视频评价方法，所述方法包括：
对获取的视频数据中的音频信息进行提取、转化，得到音频文本；
根据构建的特征词库对音频文本进行特征词识别分类，得到异常音频文本，并对异常音频文本进行处理；
将处理后的异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本；
构建由多个非规范音频文本构成的异常文本集合。
可选的，对音频文本进行特征词识别分类，包括：
对音频文本进行预处理，得到特征文本，所述预处理包括分语句处理和分词处理；
根据特征词库统计特征文本中的有效词数量、正面特征词数量和负面特征词数量，所述特征词库包括正面词库和负面词库；
根据有效词数量、正面特征词数量和负面特征词数量计算出音频文本的异常度量值；
判断异常度量值是否超过设定的词阈值，若超过，则确定该音频文本为异常音频文本。
可选的，所述异常度量值δ的公式为：
Figure BDA0003752635680000021
式中，Np为正面特征词数量，N为有效词数量、Nn为负面特征词数量，α为负面特征词的权重系数，β为正面特征词的权重系数。
可选的，对异常音频文本进行处理，包括：
构建由多个异常音频文本构成的异常候选集。
可选的，进行短文本分类器训练，包括：
获取来自不同音频文本中的多个语句；
对获取的语句进行标注和分类，得到具有分类标签的标签语句，所述标签语句的分类标签包括正面标签和负面标签；
基于Word2Vec模型将标签语句转换为具有序列的特征向量作为训练样本；
构建基于卷积神经网络的短文本分类器；
利用所述训练样本对短文本分类器进行训练，得到训练好的短文本分类器。
可选的，将异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本，包括：
将异常文本候选集中的音频文本进行语句处理，构建句子集合 Si＝{s1，s2…sn}；
将句子集合Si中的任意句子转化为词向量；
将词向量输入至训练好的短文本分类器中预测该词向量对应的句子的分类标签；
计算句子集合Si中分类标签为负面标签的句子数量；
判断分类标签为负面标签的句子数量是否超过设定的句阈值，若超过，则确定该音频文本为非规范音频文本。
可选的，所述方法还包括：
利用异常文本集合中的非规范音频文本构建反馈数据集；
将所述反馈数据集作为短文本分类器的迭代训练样本。
可选的，所述方法还包括：对所述特征词库进行更新处理，所述更新处理包括动态添加和删除。
本发明实施例还提供一种基于词向量语义分析的执法视频评价装置，用于实现上述的基于词向量语义分析的执法视频评价方法，所述装置包括：
处理模块，对获取的视频数据中的音频信息进行提取、转化，得到音频文本；
特征词识别分类模块，用于根据构建的特征词库对音频文本进行特征词识别分类，得到异常音频文本，并对异常音频文本进行处理；
短文本识别分类模块，用于将处理后的异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本；
异常文本集合构建模块，用于构建由多个非规范音频文本构成的异常文本集合。
本发明实施例还提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于词向量语义分析的执法视频评价方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述的基于词向量语义分析的执法视频评价方法。
通过上述技术方案，本发明通过建立特征词库，基于特征词库在进行语义分析，能提高分析结果的准确性，降低了分类的复杂度。本发明在词粒度和语句粒度上分别对音频文本进行语义分析，提高了识别的准确度和可靠性。
本发明实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
附图是用来提供对本发明实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本发明实施例，但并不构成对本发明实施例的限制。在附图中：
图1是本发明一种实施方式提供的基于词向量语义分析的执法视频评价方法的流程图；
图2是本发明一种可选实施方式提供的特征词识别分类的流程图；
图3是本发明一种可选实施方式提供的短文本分类器的训练方法的流程图；
图4是本发明一种可选实施方式提供的短文本识别分类的流程图；
图5是本发明一种可选实施方式提供的基于词向量语义分析的执法视频评价装置的框图。
具体实施方式
以下结合附图对本发明实施例的具体实施方式进行详细说明。应当理解的是，此处所描述的具体实施方式仅用于说明和解释本发明实施例，并不用于限制本发明实施例。
图1是本发明一种实施方式提供的基于词向量语义分析的执法视频评价方法的流程图，如图1所示，一种基于词向量语义分析的执法视频评价方法，所述方法包括：
步骤S10：对获取的视频数据中的音频信息进行提取、转化，得到音频文本。
在本实施例中，视频数据来自执法过程拍摄的视频，视频数数据包括音频数据和图像数据，对视频数据进行分离处理，提取视频中特定的执法人员的有效的音频数据，然后通过声学模型将音频数据转换成一系列的对话文本，本发明的音频文本为对话文本中的至少一段连续的文本，同时对对话文本进行元信息标注，元信息包含了对话文本的日期、涉及的具体案件，地点等必要的信息，便于后续关联检索。
步骤S20：根据构建的特征词库对音频文本进行特征词识别分类，得到异常音频文本，并对异常音频文本进行处理。
其中，特征词库通过人工对语料搜集和分析，初步建立执法用语特征词库D，该词库中进一步包括正面词库和负面词库，正面词库主要包含规范用语、文明用语，负面词库主要包含不规范用语、不文明用语等方面的相关特征词。
作为本实施例的进一步优化，本发明的所述方法还包括对所述特征词库的更新处理，所述更新处理包括动态添加和删除。
图2是本发明一种可选实施方式提供的特征词识别分类的流程图，如图 2所示，作为本实施例的进一步优化，所述特征词识别分类包括：
S201：对音频文本进行预处理，得到特征文本，所述预处理包括分语句处理和分词处理。通过分语句处理和分词处理，过滤掉音频文本中的停用词。
S202：根据特征词库统计特征文本中的有效词数量、正面特征词数量和负面特征词数量，所述特征词库包括正面词库和负面词库。其中，有效词为去除停用词后的特征词数量，正面特征词和负面特征词均来自特征词库D。
S203：根据有效词数量、正面特征词数量和负面特征词数量计算出音频文本的异常度量值，所述异常度量值δ的公式为：
Figure BDA0003752635680000061
式中，Np为正面特征词数量，N为有效词数量、Nn为负面特征词数量，α为负面特征词的权重系数，β为正面特征词的权重系数。
S204：判断异常度量值是否超过设定的词阈值，若超过，则确定该音频文本为异常音频文本。
本发明利用构建的特征词库能够对音频文本的特征词进行快速、高效的分类，降低了分类的复杂度。
作为本实施例的进一步优化，对异常音频文本进行处理，包括：构建由多个异常音频文本构成的异常候选集。
异常候选集也就是对异常音频文本进行标记，在步骤S201～步骤S204 中每判断出一个异常音频文本，就将该异常音频文本加入到异常候选集中，能够快速对音频文本进行初选；其次异常候选集的建立，步骤S10～步骤S20 可以独立执行，则可以一次性把所有异常音频文本筛选出来，能提高分类的速度，降低分析过程的复杂度。
图3是本发明一种可选实施方式提供的短文本分类器的训练方法的流程图，如图3所示，作为本实施例的进一步优化，该方法还包括：进行短文本分类器训练，包括：
S211：获取来自不同音频文本中的多个语句；
S212：对获取的语句进行标注和分类，得到具有分类标签的标签语句，所述标签语句的分类标签包括正面标签和负面标签；所述正面标签包括“文明”和/或“规范”，所述负面标签包括“不文明”、“不规范”和中的一种或多种；
S213：基于Word2Vec模型将标签语句转换为具有序列的特征向量作为训练样本；
S214：构建基于卷积神经网络的短文本分类器；
S215：利用所述训练样本对短文本分类器进行训练，得到训练好的短文本分类器。
步骤S30：将处理后的异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本。
在本实施例中，所述异常音频文本来自异常候选集。
图4是本发明一种可选实施方式提供的短文本识别分类的流程图，如图4所示，作为本实施例的进一步优化，将异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本，包括：：
S301：将异常文本候选集中的音频文本进行语句处理，构建句子集合 Si＝{s1，s2…sn}；
S302：将句子集合Si中的任意句子转化为词向量；
S303：将词向量输入至训练好的短文本分类器中预测该词向量对应的句子的分类标签，对句子集合Si＝{s1，s2...sn}中的每一个句子进行预测一遍；
S304：计算句子集合Si中分类标签为负面标签的句子数量；
S305：判断分类标签为负面标签的句子数量是否超过设定的句阈值，若超过，则确定该音频文本为非规范音频文本。
步骤S40：构建由多个非规范音频文本构成的异常文本集合。
在本实施例中，通过步骤S301～步骤S305对异常文本候选集中的每一个异常音频文本进行分类识别，即在句粒度上对音频文本进行预测，每判断出一个异常音频文本为非规范音频文本，则将该音频文本加入到异常文本集合中，最后得到的异常文本集合为依据，来判断原视频中是否存在异常的执法行为。
同时还对异常文本集合中的文本进一步进行人工核对，进一步提高识别的准确度和可靠性。
本发明基于词向量的分析模式，相对于单纯的人工比对和分析方式，提高了监管效率和监管力度，满足了现阶段相关部门对于执法视频的自动化监管的基本需求，为进一步规范文明执法提供了帮助。
作为本实施例的进一步优化，所述方法还包括：利用异常文本集合中的非规范音频文本构建反馈数据集，异常文本集合中的非规范音频文本包含有负面标签，因此可将所述反馈数据集作为短文本分类器的迭代训练样本。
图5是本发明一种可选实施方式提供的基于词向量语义分析的执法视频评价装置的框图，如图5所示，所述装置用于实现上述的基于词向量语义分析的执法视频评价方法，所述装置包括：
处理模块，对获取的视频数据中的音频信息进行提取、转化，得到音频文本；
特征词识别分类模块，用于根据构建的特征词库对音频文本进行特征词识别分类，得到异常音频文本，并对异常音频文本进行处理；
短文本识别分类模块，用于将处理后的异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本；
异常文本集合构建模块，用于构建由多个非规范音频文本构成的异常文本集合。
本发明通过建立特征词库，基于特征词库在进行语义分析，能提高分析结果的准确性，降低了分类的复杂度。本发明在词粒度和语句粒度上分别对音频文本进行语义分析，提高了识别的准确度和可靠性。
本发明实施例还提供一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述的基于词向量语义分析的执法视频评价方法。
本发明实施例还提供一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现上述的基于词向量语义分析的执法视频评价方法。
以上结合附图详细描述了本发明实施例的可选实施方式，但是，本发明实施例并不限于上述实施方式中的具体细节，在本发明实施例的技术构思范围内，可以对本发明实施例的技术方案进行多种简单变型，这些简单变型均属于本发明实施例的保护范围。
另外需要说明的是，在上述具体实施方式中所描述的各个具体技术特征，在不矛盾的情况下，可以通过任何合适的方式进行组合。为了避免不必要的重复，本发明实施例对各种可能的组合方式不再另行说明。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成，该程序存储在一个存储介质中，包括若干指令用以使得单片机、芯片或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，本发明实施例的各种不同的实施方式之间也可以进行任意组合，只要其不违背本发明实施例的思想，其同样应当视为本发明实施例所公开的内容。

Claims (10)

1.一种基于词向量语义分析的执法视频评价方法，其特征在于，所述方法包括：
对获取的视频数据中的音频信息进行提取、转化，得到音频文本；
根据构建的特征词库对音频文本进行特征词识别分类，得到异常音频文本，并对异常音频文本进行处理；
将处理后的异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本；
构建由多个非规范音频文本构成的异常文本集合。
2.根据权利要求1所述的方法，其特征在于，对音频文本进行特征词识别分类，包括：
对音频文本进行预处理，得到特征文本，所述预处理包括分语句处理和分词处理；
根据特征词库统计特征文本中的有效词数量、正面特征词数量和负面特征词数量，所述特征词库包括正面词库和负面词库；
根据有效词数量、正面特征词数量和负面特征词数量计算出音频文本的异常度量值；
判断异常度量值是否超过设定的词阈值，若超过，则确定该音频文本为异常音频文本。
3.根据权利要求1所述的方法，其特征在于，对异常音频文本进行处理，包括：构建由多个异常音频文本构成的异常候选集。
4.根据权利要求2所述的方法，其特征在于，该方法还包括：进行短文本分类器训练，包括：
获取来自不同音频文本中的多个语句；
对获取的语句进行标注和分类，得到具有分类标签的标签语句，所述标签语句的分类标签包括正面标签和负面标签；
基于Word2Vec模型将标签语句转换为具有序列的特征向量作为训练样本；
构建基于卷积神经网络的短文本分类器；
利用所述训练样本对短文本分类器进行训练，得到训练好的短文本分类器。
5.根据权利要求4所述的方法，其特征在于，将异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本，包括：
将异常文本候选集中的音频文本进行语句处理，构建句子集合Si＝{s1，s2...sn}；
将句子集合Si中的任意句子转化为词向量；
将词向量输入至训练好的短文本分类器中预测该词向量对应的句子的分类标签；
计算句子集合Si中分类标签为负面标签的句子数量；
判断分类标签为负面标签的句子数量是否超过设定的句阈值，若超过，则确定该音频文本为非规范音频文本。
6.根据权利要求1所述的方法，其特征在于，所述方法还包括：
利用异常文本集合中的非规范音频文本构建反馈数据集；
将所述反馈数据集作为短文本分类器的迭代训练样本。
7.根据权利要求1所述的方法，其特征在于，所述方法还包括：对所述特征词库进行更新处理，所述更新处理包括动态添加和删除。
8.一种基于词向量语义分析的执法视频评价装置，用于实现权利要求1-7中任一项所述的基于词向量语义分析的执法视频评价方法，其特征在于，所述装置包括：
处理模块，对获取的视频数据中的音频信息进行提取、转化，得到音频文本；
特征词识别分类模块，用于根据构建的特征词库对音频文本进行特征词识别分类，得到异常音频文本，并对异常音频文本进行处理；
短文本识别分类模块，用于将处理后的异常音频文本输入至训练好的短文本分类器中进行短文本识别分类，得到非规范音频文本；
异常文本集合构建模块，用于构建由多个非规范音频文本构成的异常文本集合。
9.一种电子设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1-7中任一项所述的基于词向量语义分析的执法视频评价方法。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现权利要求1-7中任一项所述的基于词向量语义分析的执法视频评价方法。
CN202210845701.XA 2022-07-19 2022-07-19 基于词向量语义分析的执法视频评价方法及装置 Pending CN115238707A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202210845701.XA CN115238707A (zh) 2022-07-19 2022-07-19 基于词向量语义分析的执法视频评价方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202210845701.XA CN115238707A (zh) 2022-07-19 2022-07-19 基于词向量语义分析的执法视频评价方法及装置

Publications (1)

Publication Number Publication Date
CN115238707A true CN115238707A (zh) 2022-10-25

Family

ID=83673912

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210845701.XA Pending CN115238707A (zh) 2022-07-19 2022-07-19 基于词向量语义分析的执法视频评价方法及装置

Country Status (1)

Country Link
CN (1) CN115238707A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630840A (zh) * 2023-04-07 2023-08-22 中关村科学城城市大脑股份有限公司 分类信息生成方法、装置、电子设备和计算机可读介质

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN116630840A (zh) * 2023-04-07 2023-08-22 中关村科学城城市大脑股份有限公司 分类信息生成方法、装置、电子设备和计算机可读介质
CN116630840B (zh) * 2023-04-07 2024-02-02 中关村科学城城市大脑股份有限公司 分类信息生成方法、装置、电子设备和计算机可读介质

Similar Documents

Publication Publication Date Title
CN112632980B (zh) 一种基于大数据深度学习的企业分类方法、系统及电子设备
CN109189767B (zh) 数据处理方法、装置、电子设备及存储介质
CN109831460B (zh) 一种基于协同训练的Web攻击检测方法
CN107168956B (zh) 一种基于管道的中文篇章结构分析方法及系统
CN103995876A (zh) 一种基于卡方统计和smo算法的文本分类方法
CN108550054B (zh) 一种内容质量评估方法、装置、设备和介质
CN111460250A (zh) 用于画像的数据的清洗方法、装置、介质及电子设备
CN110083832B (zh) 文章转载关系的识别方法、装置、设备及可读存储介质
CN112070138A (zh) 多标签混合分类模型的构建方法、新闻分类方法及系统
CN111177390A (zh) 基于混合模型的事故车辆识别方法和装置
CN114416979A (zh) 一种文本查询方法、设备和存储介质
CN114491034B (zh) 一种文本分类方法及智能设备
CN114650447B (zh) 一种确定视频内容异常程度的方法、装置及计算设备
CN115238707A (zh) 基于词向量语义分析的执法视频评价方法及装置
US20240070389A1 (en) Language labeling method and computer device, and non-volatile storage medium
CN111191033A (zh) 一种基于分类效用的开集分类方法
CN111429184A (zh) 一种基于文本信息的用户画像抽取方法
CN107480126B (zh) 一种工程材料类别智能识别方法
CN114049508A (zh) 一种基于图片聚类和人工研判的诈骗网站识别方法及系统
CN111597423B (zh) 一种文本分类模型可解释性方法的性能评价方法及装置
CN110888977B (zh) 文本分类方法、装置、计算机设备和存储介质
CN116821903A (zh) 检测规则确定及恶意二进制文件检测方法、设备及介质
CN116226747A (zh) 数据分类模型的训练方法、数据分类方法和电子设备
CN113378156B (zh) 一种基于api的恶意文件检测方法和系统
CN115858781A (zh) 一种文本标签提取方法、装置、设备及介质

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination