JP5792747B2 - テキスト分類の方法及びシステム - Google Patents
テキスト分類の方法及びシステム Download PDFInfo
- Publication number
- JP5792747B2 JP5792747B2 JP2012551962A JP2012551962A JP5792747B2 JP 5792747 B2 JP5792747 B2 JP 5792747B2 JP 2012551962 A JP2012551962 A JP 2012551962A JP 2012551962 A JP2012551962 A JP 2012551962A JP 5792747 B2 JP5792747 B2 JP 5792747B2
- Authority
- JP
- Japan
- Prior art keywords
- class
- text
- classes
- sum
- word
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 65
- 239000013598 vector Substances 0.000 claims description 280
- 238000001914 filtration Methods 0.000 claims description 73
- 238000004364 calculation method Methods 0.000 claims description 22
- 239000006185 dispersion Substances 0.000 claims 4
- 238000013139 quantization Methods 0.000 description 6
- 238000010586 diagram Methods 0.000 description 4
- 239000010751 BS 2869 Class A2 Substances 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 238000005065 mining Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
Images
Classifications
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
本願は、2010年2月2日出願、発明の名称「テキスト分類の方法及びシステム」の中国特許出願第201010111365.3号の優先権を主張し、その全体を本明細書に援用する。
Claims (17)
- テキスト分類のための方法であって、前記方法は、
コンピュータが、テキストの内容を複数の単語に分割するステップと、
前記コンピュータが、前記複数の単語をフィルタにかけることにより、複数の所定の単語を選択するステップであって、前記フィルタは、前記複数の単語の分散係数を得て、所定の閾値より高い前記分散係数を有する単語を選択するものである、ステップと、
前記コンピュータが、複数のベクトル空間を含むベクトル空間群の第1レベルのベクトル空間にて前記複数の所定の単語の複数の単語ベクトルの合計を決定するステップであって、前記複数のベクトル空間の少なくとも1つは、クラス木構造の非葉の子クラスである複数の直接的な子クラスを有し、前記第1レベルのベクトル空間は複数のクラスを有する、ステップと、
前記コンピュータが、前記単語ベクトルの前記合計に対して最短距離を有する前記複数のクラスにおけるクラスに前記テキストを分類するステップと、
前記テキストを前記クラスに分類した後に、前記コンピュータが、前記クラスが前記第1レベルのベクトル空間に相当するかどうかを決定するステップと、
前記クラスが前記第1レベルのベクトル空間に相当するときに、前記コンピュータが、前記複数のベクトル空間の追加クラスにて前記複数の所定の単語の単語ベクトルの合計を決定するステップと、
前記コンピュータが、前記第1レベルのベクトル空間に相当せず、かつ前記単語ベクトルの前記合計の最大合計に対応する前記追加クラスに前記テキストを分類するステップと
を有することを特徴とする方法。 - 前記第1レベルのベクトル空間は、前記クラス木構造の最上位レベルのクラスにあることを特徴とする請求項1に記載の方法。
- 単語ベクトルは、前記ベクトル空間の様々なクラスでの前記複数の所定の単語の単語頻度ベクトルを含むことを特徴とする請求項1に記載の方法。
- 前記単語ベクトルの前記合計に対して前記最短距離を有する前記クラスに前記テキストを分類するステップは、
前記複数の所定の単語の各々に関連した前記複数のクラスでの単語頻度ベクトルに対する合計を決定するステップと、
前記単語頻度ベクトルに対する最大の前記合計に対応するクラスに前記テキストを分類するステップと
を有することを特徴とする請求項1に記載の方法。 - 前記単語ベクトルの前記合計に対して前記最短距離を有する前記クラスに前記テキストを分類するステップは、
前記複数のクラスでの前記複数の所定の単語の各々に対する単語頻度ベクトルのうち最大の単語頻度ベクトルと最小の単語頻度ベクトルとの差値を決定するステップと、
所定のフィルタリング閾値より高い前記差値を有する前記複数の所定の単語の各々に対する前記単語頻度ベクトルの合計を決定するステップと、
最大値を有する、前記単語頻度ベクトルの合計に関連した前記複数のクラスにおけるクラスに前記テキストを分類するステップと
を有することを特徴とする請求項1に記載の方法。 - 前記単語ベクトルの前記合計に対して前記最短距離を有する前記クラスに前記テキストを分類するステップは、
前記複数のクラスでの前記複数の所定の単語の各々に対する単語頻度ベクトルのうち第1の最大の単語頻度ベクトルと第2の最大の単語頻度ベクトルとの差値を決定するステップと、
所定のフィルタリング閾値より高い前記差値を有する前記複数の所定の単語の各々に対する前記単語頻度ベクトルの合計を決定するステップと、
最大値を有する、前記単語頻度ベクトルの合計に関連した前記複数のクラスにおけるクラスに前記テキストを分類するステップと
を有することを特徴とする請求項1に記載の方法。 - 前記単語ベクトルの前記合計に対して前記最短距離を有する前記クラスに前記テキストを分類するステップは、
前記複数のクラスでの前記複数の所定の単語の各々に対する単語頻度ベクトルの平均値を決定するステップと、
第1の所定のフィルタリング閾値より高い前記平均値を有する前記複数の所定の単語の各々に対して、前記単語頻度ベクトルの最大値が第2の所定のフィルタリング閾値より高いかどうかを決定するステップと、
前記第2の所定のフィルタリング閾値より高い前記単語頻度ベクトルの最大値を有する前記複数の所定の単語の各々に対する前記単語頻度ベクトルの合計を決定するステップと、
最大値を有する、前記単語頻度ベクトルの合計に関連したクラスに前記テキストを分類するステップと
を有することを特徴とする請求項1に記載の方法。 - 前記テキストを前記クラスに分類した後に、前記コンピュータが、前記単語ベクトルの前記合計の決定に用いられる前記複数の所定の単語の少なくとも幾つかを削除するステップを更に有することを特徴とする請求項4に記載の方法。
- テキストの内容を複数の単語に分割する分割モジュールと、
前記複数の単語をフィルタにかけることにより、複数の所定の単語を選択するフィルタリングモジュールであって、前記フィルタは、前記複数の単語の分散係数を得て、所定の閾値より高い前記分散係数を有する単語を選択するものである、フィルタリングモジュールと、
複数のベクトル空間を含むベクトル空間群の第1レベルのベクトル空間にて複数の所定の単語の単語ベクトルの合計を決定する計算モジュールであって、前記複数のベクトル空間の少なくとも1つは、クラス木構造の非葉の子クラスである複数の直接的な子クラスを有し、前記第1レベルのベクトル空間は複数のクラスを有する、計算モジュールと、
前記単語ベクトルの前記合計に対して最短距離を有する前記複数のクラスにおけるクラスに前記テキストを分類し、
前記テキストを前記クラスに分類した後に、前記クラスが前記第1レベルのベクトル空間に相当するかどうかを決定し、
前記クラスが前記第1レベルのベクトル空間に相当するときに、前記複数のベクトル空間の追加クラスにて前記複数の所定の単語の単語ベクトルの合計を決定し、
前記第1レベルのベクトル空間に相当せず、かつ前記単語ベクトルの前記合計の最大合計に対応する前記追加クラスに前記テキストを分類する
分類モジュールと
を有することを特徴とするテキスト分類用の装置。 - 前記第1レベルのベクトル空間は、前記クラス木構造の最上位レベルのクラスにあることを特徴とする請求項9に記載の装置。
- 前記計算モジュールは、前記複数の所定の単語の各々に関連した前記第1レベルのベクトル空間の前記複数のクラスでの単語頻度ベクトルの合計を更に決定し、
前記分類モジュールは、前記単語頻度ベクトルの最大の前記合計に対応するクラスに前記テキストを更に分類することを特徴とする請求項9に記載の装置。 - 前記分類モジュールは、
前記テキストを前記クラスに分類した後に、前記クラスが前記第1レベルのベクトル空間に相当するかどうかを決定するように、かつ、
前記クラスが前記第1レベルのベクトル空間に相当するときに、前記複数のベクトル空間の追加クラスにて前記複数の所定の単語の単語ベクトルの合計を決定するように、および、前記第1レベルのベクトル空間に相当せず、かつ前記単語ベクトルの最大合計に対応する前記追加クラスに前記テキストを分類するように更に構成されていることを特徴とする請求項9に記載の装置。 - 前記計算モジュールは、前記テキストを前記クラスに分類した後に、前記単語ベクトルの前記合計の決定に用いられる前記複数の所定の単語の少なくとも幾つかを削除するように更に構成されていることを特徴とする請求項12に記載の装置。
- 前記複数のクラスでの前記複数の所定の単語の各々に対して単語頻度ベクトルの平均値を決定する第1のフィルタリングモジュールと、
第1の所定のフィルタリング閾値より高い前記平均値を有する前記複数の所定の単語の各々に関し、前記単語頻度ベクトルの最大値が第2の所定のフィルタリング閾値より高いかどうかを決定する第2のフィルタリングモジュールと
を更に有し、
前記計算モジュールは、前記第2の所定のフィルタリング閾値より高い前記単語頻度ベクトルの最大値を有する前記複数の所定の単語の各々に対する前記単語頻度ベクトルの合計を更に決定し、前記分類モジュールは、最大値を有する、前記単語頻度ベクトルの合計に関連した前記複数のクラスにおけるクラスに前記テキストを更に分類することを特徴とする請求項9に記載の装置。 - テキスト分類のための方法であって、前記方法は、
コンピュータが、複数のクラスに分類用のテキストを受信させるステップであって、前記複数のクラスの少なくとも1つは、クラス木構造の非葉の子クラスである複数の直接的な子クラスを含む、ステップと、
前記コンピュータが、前記受信したテキストの内容を複数の単語に分割するステップであって、前記複数の単語の各々は単語頻度ベクトルを有する、ステップと、
前記コンピュータが、前記複数の単語をフィルタにかけることにより、複数の所定の単語を選択するステップであって、前記フィルタは、前記複数の単語の分散係数を得て、所定の閾値より高い前記分散係数を有する単語を選択するものである、ステップと、
前記コンピュータが、前記複数の所定の単語の各々に対する前記単語頻度ベクトルの合計を決定するステップと、
前記コンピュータが、最大値を有する、前記合計に関連した前記複数のクラスにおけるクラスに前記テキストを分類するステップと、
前記テキストを前記クラスに分類した後に、前記コンピュータが、前記クラスが複数のベクトル空間を含むベクトル空間群の第1レベルのベクトル空間に相当するかどうかを決定するステップであって、前記複数のベクトル空間の少なくとも1つは、前記子クラスを有し、前記第1レベルのベクトル空間は複数のクラスを有する、ステップと、
前記クラスが前記第1レベルのベクトル空間に相当するときに、前記コンピュータが、前記複数のベクトル空間の追加クラスにて前記複数の所定の単語の単語ベクトルの合計を決定するステップと、
前記コンピュータが、前記第1レベルのベクトル空間に相当せず、かつ前記単語ベクトルの前記合計の最大合計に対応する前記追加クラスに前記テキストを分類するステップと
を有することを特徴とする方法。 - 前記テキストを分類するステップは、前記複数のクラスでの前記複数の所定の単語の各々に対する前記単語頻度ベクトルのうち最大の単語頻度ベクトルと最小の単語頻度ベクトルとの差値を決定するステップを含むことを特徴とする請求項15に記載の方法。
- 各複数の単語について前記テキストを分類するステップは、前記複数のクラスでの前記複数の所定の単語の各々に対する前記単語頻度ベクトルのうち第1の最大の単語頻度ベクトルと第2の最大の単語頻度ベクトルとの差値を決定するステップを含むことを特徴とする請求項15に記載の方法。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN2010101113653A CN102141978A (zh) | 2010-02-02 | 2010-02-02 | 一种文本分类的方法及系统 |
CN201010111365.3 | 2010-02-02 | ||
PCT/US2010/055057 WO2011096969A1 (en) | 2010-02-02 | 2010-11-02 | Method and system for text classification |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2013519152A JP2013519152A (ja) | 2013-05-23 |
JP5792747B2 true JP5792747B2 (ja) | 2015-10-14 |
Family
ID=44355709
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2012551962A Active JP5792747B2 (ja) | 2010-02-02 | 2010-11-02 | テキスト分類の方法及びシステム |
Country Status (5)
Country | Link |
---|---|
US (1) | US8478054B2 (ja) |
EP (1) | EP2531907A4 (ja) |
JP (1) | JP5792747B2 (ja) |
CN (1) | CN102141978A (ja) |
WO (1) | WO2011096969A1 (ja) |
Families Citing this family (32)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103246686A (zh) * | 2012-02-14 | 2013-08-14 | 阿里巴巴集团控股有限公司 | 文本分类方法和装置及文本分类的特征处理方法和装置 |
CN103092975A (zh) * | 2013-01-25 | 2013-05-08 | 武汉大学 | 基于主题共识覆盖率的网络社区垃圾信息检测与过滤方法 |
CN105677677A (zh) * | 2014-11-20 | 2016-06-15 | 阿里巴巴集团控股有限公司 | 一种信息分类方法及装置 |
JP6429383B2 (ja) * | 2015-01-13 | 2018-11-28 | 日本放送協会 | 下位表現抽出装置およびプログラム |
CN105005589B (zh) * | 2015-06-26 | 2017-12-29 | 腾讯科技(深圳)有限公司 | 一种文本分类的方法和装置 |
US10268965B2 (en) | 2015-10-27 | 2019-04-23 | Yardi Systems, Inc. | Dictionary enhancement technique for business name categorization |
US11216718B2 (en) | 2015-10-27 | 2022-01-04 | Yardi Systems, Inc. | Energy management system |
US10274983B2 (en) | 2015-10-27 | 2019-04-30 | Yardi Systems, Inc. | Extended business name categorization apparatus and method |
US10275708B2 (en) | 2015-10-27 | 2019-04-30 | Yardi Systems, Inc. | Criteria enhancement technique for business name categorization |
US20170115683A1 (en) * | 2015-10-27 | 2017-04-27 | Pulse Energy Inc. | Interpolative vertical categorization mechanism for energy management |
US10275841B2 (en) | 2015-10-27 | 2019-04-30 | Yardi Systems, Inc. | Apparatus and method for efficient business name categorization |
CN105975857A (zh) * | 2015-11-17 | 2016-09-28 | 武汉安天信息技术有限责任公司 | 基于深度学习方法推断恶意代码规则的方法及系统 |
CN105468713B (zh) * | 2015-11-19 | 2018-07-17 | 西安交通大学 | 一种多模型融合的短文本分类方法 |
CN106997340B (zh) * | 2016-01-25 | 2020-07-31 | 阿里巴巴集团控股有限公司 | 词库的生成以及利用词库的文档分类方法及装置 |
US20170212875A1 (en) * | 2016-01-27 | 2017-07-27 | Microsoft Technology Licensing, Llc | Predictive filtering of content of documents |
CN107436875B (zh) * | 2016-05-25 | 2020-12-04 | 华为技术有限公司 | 文本分类方法及装置 |
US10425433B2 (en) | 2016-11-18 | 2019-09-24 | Bank Of America Corporation | Network security database filtering tool |
US10798534B2 (en) * | 2017-05-31 | 2020-10-06 | Inteliquent, Inc. | Content-based routing and rating of messages in a telecommunications network |
CN107239574B (zh) * | 2017-06-29 | 2018-11-02 | 北京神州泰岳软件股份有限公司 | 一种智能问答系统知识-问题匹配的方法及装置 |
US10896385B2 (en) | 2017-07-27 | 2021-01-19 | Logmein, Inc. | Real time learning of text classification models for fast and efficient labeling of training data and customization |
CN108021667A (zh) * | 2017-12-05 | 2018-05-11 | 新华网股份有限公司 | 一种文本分类方法和装置 |
CN108334605B (zh) * | 2018-02-01 | 2020-06-16 | 腾讯科技(深圳)有限公司 | 文本分类方法、装置、计算机设备及存储介质 |
CN108829818B (zh) * | 2018-06-12 | 2021-05-25 | 中国科学院计算技术研究所 | 一种文本分类方法 |
CN109284382B (zh) * | 2018-09-30 | 2021-05-28 | 武汉斗鱼网络科技有限公司 | 一种文本分类方法及计算装置 |
CN110069624B (zh) * | 2019-04-28 | 2021-05-04 | 北京小米智能科技有限公司 | 文本处理方法及装置 |
CN110309304A (zh) * | 2019-06-04 | 2019-10-08 | 平安科技(深圳)有限公司 | 一种文本分类方法、装置、设备及存储介质 |
CN111126062B (zh) * | 2019-12-25 | 2021-09-24 | 北京中技华软科技服务有限公司 | 一种产业自动分类方法及系统 |
CN113626587B (zh) * | 2020-05-08 | 2024-03-29 | 武汉金山办公软件有限公司 | 一种文本类别识别方法、装置、电子设备及介质 |
CN112101484B (zh) * | 2020-11-10 | 2021-02-12 | 中国科学院自动化研究所 | 基于知识巩固的增量事件识别方法、系统、装置 |
CN112699944B (zh) * | 2020-12-31 | 2024-04-23 | 中国银联股份有限公司 | 退单处理模型训练方法、处理方法、装置、设备及介质 |
US11281858B1 (en) * | 2021-07-13 | 2022-03-22 | Exceed AI Ltd | Systems and methods for data classification |
US20240089275A1 (en) * | 2022-09-09 | 2024-03-14 | International Business Machines Corporation | Log anomaly detection in continuous artificial intelligence for it operations |
Family Cites Families (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5371807A (en) | 1992-03-20 | 1994-12-06 | Digital Equipment Corporation | Method and apparatus for text classification |
JP2978044B2 (ja) * | 1993-10-18 | 1999-11-15 | シャープ株式会社 | 文書分類装置 |
US6185550B1 (en) | 1997-06-13 | 2001-02-06 | Sun Microsystems, Inc. | Method and apparatus for classifying documents within a class hierarchy creating term vector, term file and relevance ranking |
US6137911A (en) | 1997-06-16 | 2000-10-24 | The Dialog Corporation Plc | Test classification system and method |
US6253169B1 (en) | 1998-05-28 | 2001-06-26 | International Business Machines Corporation | Method for improvement accuracy of decision tree based text categorization |
JP2000181936A (ja) * | 1998-12-17 | 2000-06-30 | Nippon Telegr & Teleph Corp <Ntt> | 文書特徴抽出装置および文書分類装置 |
US6611825B1 (en) * | 1999-06-09 | 2003-08-26 | The Boeing Company | Method and system for text mining using multidimensional subspaces |
US7644057B2 (en) | 2001-01-03 | 2010-01-05 | International Business Machines Corporation | System and method for electronic communication management |
US6868411B2 (en) | 2001-08-13 | 2005-03-15 | Xerox Corporation | Fuzzy text categorizer |
US6978274B1 (en) * | 2001-08-31 | 2005-12-20 | Attenex Corporation | System and method for dynamically evaluating latent concepts in unstructured documents |
US7152065B2 (en) * | 2003-05-01 | 2006-12-19 | Telcordia Technologies, Inc. | Information retrieval and text mining using distributed latent semantic indexing |
US20080097937A1 (en) * | 2003-07-10 | 2008-04-24 | Ali Hadjarian | Distributed method for integrating data mining and text categorization techniques |
US20080215313A1 (en) * | 2004-08-13 | 2008-09-04 | Swiss Reinsurance Company | Speech and Textual Analysis Device and Corresponding Method |
US20060142993A1 (en) | 2004-12-28 | 2006-06-29 | Sony Corporation | System and method for utilizing distance measures to perform text classification |
JP2006251975A (ja) * | 2005-03-09 | 2006-09-21 | Omron Corp | テキスト分類方法ならびにその方法によるプログラム、およびテキスト分類装置 |
US7752204B2 (en) | 2005-11-18 | 2010-07-06 | The Boeing Company | Query-based text summarization |
JP4635891B2 (ja) * | 2006-02-08 | 2011-02-23 | ソニー株式会社 | 情報処理装置および方法、並びにプログラム |
US7756881B2 (en) * | 2006-03-09 | 2010-07-13 | Microsoft Corporation | Partitioning of data mining training set |
US7529719B2 (en) | 2006-03-17 | 2009-05-05 | Microsoft Corporation | Document characterization using a tensor space model |
US7519619B2 (en) | 2006-08-21 | 2009-04-14 | Microsoft Corporation | Facilitating document classification using branch associations |
US20090094177A1 (en) | 2007-10-05 | 2009-04-09 | Kazuo Aoki | Method for efficient machine-learning classification of multiple text categories |
-
2010
- 2010-02-02 CN CN2010101113653A patent/CN102141978A/zh active Pending
- 2010-11-02 WO PCT/US2010/055057 patent/WO2011096969A1/en active Application Filing
- 2010-11-02 US US12/996,579 patent/US8478054B2/en not_active Expired - Fee Related
- 2010-11-02 JP JP2012551962A patent/JP5792747B2/ja active Active
- 2010-11-02 EP EP10845401.8A patent/EP2531907A4/en not_active Withdrawn
Also Published As
Publication number | Publication date |
---|---|
WO2011096969A9 (en) | 2011-09-29 |
EP2531907A1 (en) | 2012-12-12 |
US20120288207A1 (en) | 2012-11-15 |
CN102141978A (zh) | 2011-08-03 |
EP2531907A4 (en) | 2014-09-10 |
JP2013519152A (ja) | 2013-05-23 |
WO2011096969A1 (en) | 2011-08-11 |
US8478054B2 (en) | 2013-07-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP5792747B2 (ja) | テキスト分類の方法及びシステム | |
US10013637B2 (en) | Optimizing multi-class image classification using patch features | |
CN111079780B (zh) | 空间图卷积网络的训练方法、电子设备及存储介质 | |
WO2020114108A1 (zh) | 聚类结果的解释方法和装置 | |
TWI464604B (zh) | 資料分群方法與裝置、資料處理裝置及影像處理裝置 | |
WO2014118980A1 (ja) | 情報変換方法、情報変換装置および情報変換プログラム | |
CN110751027B (zh) | 一种基于深度多示例学习的行人重识别方法 | |
JPWO2013129580A1 (ja) | 近似最近傍探索装置、近似最近傍探索方法およびそのプログラム | |
CN109918498B (zh) | 一种问题入库方法和装置 | |
WO2023108995A1 (zh) | 向量相似度计算方法、装置、设备及存储介质 | |
JP2013206187A (ja) | 情報変換装置、情報検索装置、情報変換方法、情報検索方法、情報変換プログラム、情報検索プログラム | |
WO2022088390A1 (zh) | 图像的增量聚类方法、装置、电子设备、存储介质及程序产品 | |
JP6561504B2 (ja) | データ配置プログラム、データ配置方法およびデータ配置装置 | |
JP2023510945A (ja) | シーン識別方法及びその装置、インテリジェントデバイス、記憶媒体並びにコンピュータプログラム | |
TWI711934B (zh) | 嵌入結果的解釋方法和裝置 | |
CN110580252A (zh) | 多目标优化下的空间对象索引与查询方法 | |
CN113283351A (zh) | 一种使用cnn优化相似度矩阵的视频抄袭检测方法 | |
CN109409381A (zh) | 基于人工智能的家具顶视图的分类方法及系统 | |
CN112639761A (zh) | 一种为数据建立索引的方法以及装置 | |
CN102254040A (zh) | 一种基于支撑向量机的Web划分方法 | |
CN108090182B (zh) | 一种大规模高维数据的分布式索引方法及系统 | |
CN111368109B (zh) | 遥感图像检索方法、装置、计算机可读存储介质及设备 | |
CN113204664B (zh) | 一种图像聚类方法及装置 | |
CN109766913B (en) | User grouping method, device, computer readable storage medium and electronic equipment | |
Dik et al. | Fractional metrics for fuzzy c-means |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20131004 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20140307 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20140401 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140701 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20141224 |
|
A601 | Written request for extension of time |
Free format text: JAPANESE INTERMEDIATE CODE: A601 Effective date: 20150324 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20150423 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20150707 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20150806 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 5792747 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |