排序方式： 共有2条查询结果，搜索用时 46 毫秒
1
1.
[研究目的]百度百科在为广大用户提供丰富知识的同时,也面临词条质量良莠不齐、有用性难以保障的问题,通过开展百度百科词条有用性评估研究,有利于提升平台内容质量和用户使用体验。[研究方法]结合已有研究构建了较为全面的词条有用性评价特征框架,通过对比多种词条有用性计算方法,确定了以用户使用反馈指标作为衡量词条有用性等级的方法,然后训练了自动化机器学习集成模型AutoGluon来评估和预测词条的有用性,最后使用多种评价指标对模型性能进行分析。[研究结论]实验结果表明,AutoGluon适用于百度百科词条的有用性评估,且能有效预测词条的有用性等级。该文所提的方法具备一定的可行性和先进性,能为百度百科平台提升词条审核效率和提高词条信息的有用性提供技术参考。 相似文献
2.
[目的/意义]构建基于机器学习的成本法专利价值评估方法,快速识别海量专利的实际成本,并预测其价值区间,在为专利价值评估提供新研究思路的同时,也为专利转移转化定价提供了参考借鉴。[方法/过程]通过Innography数据库与Incopat数据库下载“新能源汽车”领域多指标专利数据,提取专利成本影响因素与专利价值影响因素,并形成专利数据训练集与专利数据预测集;构建AutoGluon机器学习分类算法,将包含成本数据的Innography专利数据训练集导入模型进行训练,并将训练好的模型对Incopat专利数据预测集进行成本预测;最后使用成本法并结合本研究提出的专利价值指数对预测结果进行计算,估算其价格区间。[结果/结论]通过实证分析与结果验证可知,本研究构建的基于机器学习的成本法专利价值评估方法在预测专利价值区间中具备一定有效性,为促进专利价值评估研究深化及专利转移转化定价实践发展提供了参考。 相似文献
1