-
公开(公告)号：CN116304063B
公开(公告)日：2023-07-21
申请号：CN202310564657.X
申请日：2023-05-19
Applicant: 吉林大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06F16/33
Abstract: 本发明公开了一种简单的情感知识增强提示调优的方面级情感分类方法，属于人工智能的自然语言处理领域，包括以下步骤：构建提示模板，将所述提示模板和待分类文本输入到预训练语言模型中进行预测，获得待分类文本对应的若干个词的预测概率；构建情感知识映射表达器，并对所述情感知识映射表达器中的若干个情感标签词进行优化，获得优化后的情感标签词；基于所述若干个词的预测概率，获得优化后的情感标签词的预测概率；通过所述情感知识映射表达器将所述优化后的情感标签词的预测概率映射到类别标签，获得类别标签的最终预测概率。本发明通过引入外部情感词库来提高情感标签词的语义表达能力，同时减少了由单个情感标签词引起的偏差。
-
公开(公告)号：CN116304063A
公开(公告)日：2023-06-23
申请号：CN202310564657.X
申请日：2023-05-19
Applicant: 吉林大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/30 , G06F16/33
Abstract: 本发明公开了一种简单的情感知识增强提示调优的方面级情感分类方法，属于人工智能的自然语言处理领域，包括以下步骤：构建提示模板，将所述提示模板和待分类文本输入到预训练语言模型中进行预测，获得待分类文本对应的若干个词的预测概率；构建情感知识映射表达器，并对所述情感知识映射表达器中的若干个情感标签词进行优化，获得优化后的情感标签词；基于所述若干个词的预测概率，获得优化后的情感标签词的预测概率；通过所述情感知识映射表达器将所述优化后的情感标签词的预测概率映射到类别标签，获得类别标签的最终预测概率。本发明通过引入外部情感词库来提高情感标签词的语义表达能力，同时减少了由单个情感标签词引起的偏差。
-
公开(公告)号：CN116127078A
公开(公告)日：2023-05-16
申请号：CN202310416484.7
申请日：2023-04-19
Applicant: 吉林大学
Abstract: 本发明公开了一种大规模极弱监督多标签政策分类方法及系统，包括以下步骤：基于未标记政策语料库对WoBERT进行连续的预训练，获得政策领域专用的语言模型；利用所述政策领域专用的语言模型，从所述未标记政策语料库中学习与标签名称语义相关的种子词，并为每个类别种子词构建种子词汇表；利用所述种子词汇表中的类别种子词信息，为未标记的政策生成伪标签，并将带有伪标签的政策添加到伪训练集中；利用所述伪训练集对所述政策领域专用的语言模型进行训练，利用训练好的所述政策领域专用的语言模型为政策进行编码操作，完成多标签政策分类。本发明利用用户提供标签名称，而不是使用任何的标记文档，来对海量的政策数据进行分类。
-
公开(公告)号：CN113536599B
公开(公告)日：2022-04-29
申请号：CN202110934225.4
申请日：2021-08-15
Applicant: 吉林大学
IPC: G06F30/20 , G06K9/62 , G06F17/16 , G06F17/12 , G06F119/14
Abstract: 本发明涉及一种具有人体生物力学差异性特征的裸指力触觉信号生成方法，属于人机交互领域。该建立裸指力触觉信号和人体生物力学差异因子之间的主成分分析模型，然后通过RBLW估计器得到力触觉信号的一致性估计。优点在于：生成了具有人体生物力学差异性特征的力触觉信号；生成的力触觉信号在一般渐进框架下是实测力的一致估计；对于一个新加入的实验者，仅仅测量其一个样本点的侧向力信号即可生成其在所有样本点的实测力信号。
-
公开(公告)号：CN113536599A
公开(公告)日：2021-10-22
申请号：CN202110934225.4
申请日：2021-08-15
Applicant: 吉林大学
IPC: G06F30/20 , G06K9/62 , G06F17/16 , G06F17/12 , G06F119/14
Abstract: 本发明涉及一种具有人体生物力学差异性特征的裸指力触觉信号生成方法，属于人机交互领域。该建立裸指力触觉信号和人体生物力学差异因子之间的主成分分析模型，然后通过RBLW估计器得到力触觉信号的一致性估计。优点在于：生成了具有人体生物力学差异性特征的力触觉信号；生成的力触觉信号在一般渐进框架下是实测力的一致估计；对于一个新加入的实验者，仅仅测量其一个样本点的侧向力信号即可生成其在所有样本点的实测力信号。
-
Patent Agency Ranking
公开(公告)号：CN111258432B
公开(公告)日：2021-04-23
申请号：CN202010083588.7
申请日：2020-02-07
Applicant: 吉林大学
Abstract: 本发明提供一种静电力触觉反馈装置的高清图像纹理的力触觉再现方法，属于人机交互领域。根据高清图像像素灰度进行图像分割，将灰度等级相近或相同的邻域内像素点划分为同一分割图块，对分割图块中像素点梯度取加权平均，分割图块中所有像素点的梯度用此加权平均值表示；接触高清图像时，首先得到所对应的分割图块的梯度值，再建立梯度值和手指感知摩擦力之间的映射模型以及感知摩擦力和装置驱动电压的映射模型，最后通过交互设备将高清图像的纹理实时反馈给操作者。本发明显著提升多媒体终端触觉再现的数据源；可以扩展到不同静电力触觉驱动模式下的高清图像特征提取以及触觉再现，易于推广应用。
-
公开(公告)号：CN111258432A
公开(公告)日：2020-06-09
申请号：CN202010083588.7
申请日：2020-02-07
Applicant: 吉林大学
Abstract: 本发明提供一种静电力触觉反馈装置的高清图像纹理的力触觉再现方法，属于人机交互领域。根据高清图像像素灰度进行图像分割，将灰度等级相近或相同的邻域内像素点划分为同一分割图块，对分割图块中像素点梯度取加权平均，分割图块中所有像素点的梯度用此加权平均值表示；接触高清图像时，首先得到所对应的分割图块的梯度值，再建立梯度值和手指感知摩擦力之间的映射模型以及感知摩擦力和装置驱动电压的映射模型，最后通过交互设备将高清图像的纹理实时反馈给操作者。本发明显著提升多媒体终端触觉再现的数据源；可以扩展到不同静电力触觉驱动模式下的高清图像特征提取以及触觉再现，易于推广应用。
-
公开(公告)号：CN110032281A
公开(公告)日：2019-07-19
申请号：CN201910322023.7
申请日：2019-04-19
Applicant: 吉林大学
Abstract: 本发明涉及一种基于融合静电力与振动触觉再现装置的3D凸起渲染方法，属于虚拟现实与人机交互领域。根据深度图像获取深度信息，通过建立的心理物理模型用振动渲染法向的轮廓感；并由深度值计算梯度信息，根据建立的心理物理模型及IP0.625转换方法用静电力渲染切向凸起的轮廓变化，通过这种基于深度图像的3D凸起渲染方法对轮廓信息进行呈现。本发明根据深度图像的深度信息建立映射关系，能够实现同时对手指切向力和法向力的渲染，有更加真实的三维触觉再现效果。
-
公开(公告)号：CN109144261A
公开(公告)日：2019-01-04
申请号：CN201810978285.4
申请日：2018-08-24
Applicant: 吉林大学
CPC classification number: G06F3/016 , G06F3/0414 , G06F3/044
Abstract: 本发明涉及一种基于平面交互的三维触觉再现装置与方法，属于人机交互领域。包括：定位单元、处理单元、信号发生器、交互单元，能够实时的根据图像上手指的位置信息，获取灰度值并计算相应灰度值变化率，进而用振动提供切向力，用静电力或空气压膜提供法向力，通过这种基于平面交互的三维触觉再现方法对轮廓信息进行呈现。优点在于：装置的可移植性好，能够实现同时对手指施加切向力和法向力，将反馈力从一个维度扩展到两个维度，突破了静电力只在运动过程中有反馈作用的限制，实现了切向力既可以增大又可以减小的双向宽幅调节，有更加真实的三维触觉再现效果，可以广泛应用于人机交互领域。
-
公开(公告)号：CN108536280A
公开(公告)日：2018-09-14
申请号：CN201810093553.4
申请日：2018-01-30
Applicant: 吉林大学
IPC: G06F3/01
CPC classification number: G06F3/016
Abstract: 本发明涉及一种应用指垫的静电力和振动融合触觉再现装置及方法，属于人机交互领域。包括：定位单元、触觉处理单元和指垫单元，触觉再现方法是定位单元实时获取指垫在多媒体终端屏的位置信息，触觉处理单元对指垫的位置信息进行处理并产生静电力驱动信号幅度参数和振动驱动信号幅度参数，通过无线方式传输到指垫单元上，指垫单元将生成静电力驱动信号和振动驱动信号输入到静电屏和振动源中，分别产生静电力和振动，使手指皮肤发生变形，从而使用户手指感受到触觉反馈。本发明优点是：在平面交互的过程中，可同时改变手指受到的切向反馈力和法向反馈力，从而呈现更真实的触觉感受，可移植性好，可实现多点触觉反馈。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.03 seconds)
