公开(公告)号：CN107168945B

公开(公告)日：2020-07-14

申请号：CN201710239843.0

申请日：2017-04-13

Applicant: 广东工业大学

Inventor： 郝志峰 ,  黄浩 ,  蔡瑞初 ,  温雯 ,  王丽娟 ,  蔡晓凤 ,  陈炳丰

IPC: G06F40/289 ,  G06F16/35

Abstract: 一种融合多特征的双向循环神经网络细粒度意见挖掘方法，通过互联网抓取特定网站的评论数据，并对其进行标注和预处理得到训练样本集，使用Word2Vec或Glove模型算法训练得到评论数据的词向量，并进行词性标注、依存关系标注等处理后向量化，将向量输入双向循环神经网络构建得到双向循环神经网络细粒度意见挖掘模型，本发明通过一个模型的训练同时抽取细粒度意见挖掘中属性词以及进行情感极性判断，从而进一步节约了大量的模型训练时间，提高训练效率，而且，无需专业技术人员对属性词进行人工抽取，从而节约了大量的人工成本，另外，可以通过用多种数据源训练模型，从而可以完成跨领域的细粒度意见分析，从而解决长距离情感要素依赖的问题。

公开(公告)号：CN111310068A

公开(公告)日：2020-06-19

申请号：CN202010165317.6

申请日：2020-03-11

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  李烁 ,  郝志峰 ,  温雯 ,  吴迪 ,  许柏炎

IPC: G06F16/9536 ,  G06F16/2458 ,  G06K9/62 ,  G06Q50/00 ,  G06N3/04

Abstract: 本发明公开了基于动态图的社交网络节点分类方法，利用sparsemax函数强化不同节点在时序前后的联系，并结合长短期记忆神经网络使稀疏化处理和细胞的门控共同作用，更好地对时序数据前后联系和依赖关系进行挖掘，充分表达了时序数据中节点状态的变化模式，从而提高社交网络节点分类的精准度。本发明解决了现有的社交网络节点分类方法中，对于社交网络中动态变化的时序数据，无法有效的挖掘节点之间的相互影响和不同时间的前后依赖关系的问题，可用于社交平台，推荐系统，信息系统，医疗健康，影视娱乐等领域中的动态结构社交节点分类问题。

公开(公告)号：CN107066446B

公开(公告)日：2020-04-10

申请号：CN201710239556.X

申请日：2017-04-13

Applicant: 广东工业大学

Inventor： 郝志峰 ,  蔡晓凤 ,  蔡瑞初 ,  温雯 ,  王丽娟 ,  陈炳丰

IPC: G06F40/289 ,  G06F40/30 ,  G06F40/205 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种嵌入逻辑规则的循环神经网络文本情感分析方法，通过抓取用于训练的文本语料，进行情感类别标记，然后将情感标记的文本语料分为训练集语料、测试集语料，并对其进行分词处理，以及去停用词处理，然后采用word2vec算法对做分词处理、去掉停用词后的训练集语料和测试集语料进行训练，得到相应的词向量，将训练集语料和测试集语料输入现有的知识库结合概率图模型进行分析处理，通过逻辑循环神经网络结构(Logic‑RNN与Logic‑LSTM)，将一阶逻辑规则嵌入到循环神经网络中，本发明一方面可以达到控制循环神经网络的训练方向，更倾向人的直觉，另一方面提高了文本情感分析的精度，该方法也可以用于自然语言处理、机器学习的其他领域。

公开(公告)号：CN110858215A

公开(公告)日：2020-03-03

申请号：CN201810967833.3

申请日：2018-08-23

Applicant: 广东工业大学

Inventor： 叶志豪 ,  廖朝辉 ,  蔡瑞初 ,  崔洪刚 ,  张袁震宇

IPC: G06F16/332 ,  G06F16/35

Abstract: 本发明涉及自然语言处理技术领域，具体涉及一种基于深度学习的端到端目标引导型对话方法，包括如下步骤：S1：获取上一轮用户对话和当前对话历史，根据上一轮用户对话和当前对话历史初始化序列到序列模型；S2：确定当前知识库实体的行号；S3：确定当前知识库实体的列号；S4：通过注意力机制的得到最佳匹配实体；S5：迭代执行步骤S2-S4直至最终输出下一轮对话。本发明克服了现有的端到端的对话对话效率低下，影响用户的个性化体验的技术缺陷，通过自然语言对话的精准度，提供良好的用户服务。

公开(公告)号：CN110751169A

公开(公告)日：2020-02-04

申请号：CN201910833290.0

申请日：2019-09-04

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  陈嘉伟 ,  温雯 ,  郝志峰 ,  陈炳丰 ,  李梓健

IPC: G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供的一种基于多元变量间的关系变化的时序分类的方法，包括：从观察数据集中获取样本数据，计算样本数据两两变量间的偏相关系数，构造偏相关系数矩阵；通过卷积神经网络对偏相关系数矩阵进行编码后得到对应的特征图；将每个特征图分别拉伸成特征向量循环输入长短记忆神经网络，从而得到用于捕获变量关系间变化模式的隐藏状态；将隐藏状态输入标签分类器，输出对应的样本类别，完成时序的分类。本发明提供的一种基于多元变量间的关系变化的时序分类的方法，充分地考虑了时序数据中不同变量之间的关系，同时基于变量的关系模式进行分类，充分地表达了时序数据中不同变量关系的变化模式，同时对输入的噪声值具有更好的鲁棒性，分类精度高。

公开(公告)号：CN110347791A

公开(公告)日：2019-10-18

申请号：CN201910541695.7

申请日：2019-06-20

Applicant: 广东工业大学

Inventor： 袁锦杰 ,  蔡瑞初 ,  郝志峰 ,  温雯 ,  王丽娟 ,  陈炳丰

IPC: G06F16/33 ,  G06F16/35 ,  G06N3/04

Abstract: 本发明涉及教育领域，更具体的，涉及一种基于多标签分类卷积神经网络的题目推荐方法，本发明突出训练集中的高相关标签间的相关性，将相关性高于一定阈值的标签对都视为高相关标签对，能够调整每个标签的不平衡率以及让模型更好的学习高相关性以提高分类的准确度，并且本发明的卷积神经网络可以自动提取题目关键词的特征，能够更好的帮助卷积神经网络对考点特征标签的分类，此外，本发明在卷积神经网络中的第一层全连接层中加入标签间的相关性信息，让模型在训练中考虑标签间的相关性，以提高效率、网络识别分类的准确度。

公开(公告)号：CN110264434A

公开(公告)日：2019-09-20

申请号：CN201910420295.0

申请日：2019-05-20

Applicant: 广东工业大学

Inventor： 朱鉴 ,  刘培钰 ,  罗玉 ,  陈炳丰 ,  蔡瑞初 ,  郝志峰 ,  凌捷

IPC: G06T5/50

Abstract: 本发明提供一种基于低秩矩阵补全的单幅图像去雨方法，包括以下步骤：S1)、利用雨线的两个物理特征，建立准确的检测雨模型，通过检测雨模型对图像进行雨标记，得到雨候选标记矩阵B1(i,j)，并利用方向算子对雨候选标记矩阵B1(i,j)中的错误检测进行纠正，得到雨候标记矩阵B2，最终得到的雨标记矩阵B(i,j)，即B(i,j)＝B1(i,j)*B2(i,j)；S2)、利用低秩矩阵恢复算法，对被雨像素破坏的区域进行高质量恢复，本发明相对于现有技术的去雨方法，具有去雨效果好、计算量小的优点，同时，本发明能够在保持图像细节，尤其是背景图像的轮廓边缘的同时，可以有效去除单幅图像中的雨线，能够最大限度的保证图像的细节。本发明利用稀疏和低秩矩阵的属性降低了计算量，同时提高了图像的处理效果。

公开(公告)号：CN110222272A

公开(公告)日：2019-09-10

申请号：CN201910311200.1

申请日：2019-04-18

Applicant: 广东工业大学

Inventor： 郝志峰 ,  申策 ,  蔡瑞初 ,  温雯

IPC: G06F16/9536 ,  G06F16/9535 ,  G06K9/62 ,  G06Q30/06

Abstract: 本发明提供一种潜在客户挖掘与推荐方法，本发明从社交平台上获取用户的个人信息和社交活动信息，并与本地存储的用户购物记录融合，经过数据清洗和筛选后，得到用于训练和测试潜在客户分类模型的数据；然后根据用户个人信息、社交记录、购物记录构造用户画像，同时将用户的社交记录和购物记录处理为可供模型使用的特征向量形式，然后训练用户兴趣预测模型，将用户分为潜在客户和路人；最后识别并根据潜在客户的兴趣提供更有针对性的商品页面展示给他们。本发明可以在精准分类用户的同时判断用户的兴趣；根据用户的兴趣判断展示相应的产品或实施精准广告投放，实现潜在客户的转化；对于老客户也可以提供针对性的推荐，增加客户黏性。

公开(公告)号：CN110059100A

公开(公告)日：2019-07-26

申请号：CN201910216869.2

申请日：2019-03-20

Applicant: 广东工业大学

Inventor： 蔡瑞初 ,  许柏炎 ,  梁智豪 ,  李梓健 ,  郝志峰 ,  温雯 ,  陈炳丰

IPC: G06F16/242 ,  G06F16/33 ,  G06N3/08

Abstract: 本发明是一种基于演员-评论家网络确定预测SQL序列准确性的方法。本发明公开了一种基于强化学习的SQL语句构造方法及装置，其技术步骤为：初始化演员-评论家网络参数；从数据集获取自然语言和真实SQL语句序列对；把自然语言序列输入演员网络编码器，真实SQL序列输入到评论家网络编码器；编码后的隐状态作为对应解码器的初始化隐状态；演员网络解码器逐步预测SQL语句动作，输入到评论家网络解码器和环境得到相应奖励；梯度更新网络参数，重复迭代后得到自然语言到SQL语句的构造模型；本发明基于强化学习将语法自动机引入奖励机制，解决了在自然语言转化构造SQL语句中损失函数和评价指标不对等的问题，有效地提高了准确率。

公开(公告)号：CN105260747B

公开(公告)日：2019-07-23

申请号：CN201510662246.X

申请日：2015-09-30

Applicant: 广东工业大学

Inventor： 郝志峰 ,  温雯 ,  凌穗谊 ,  蔡瑞初

IPC: G06K9/62

Abstract: 本发明公开了一种基于衣物共现信息与多任务学习的衣物识别方法，包括步骤：(a)、人体姿势及人体部位的识别，在使用识别模型识别出各个部位后，将得到的部位区域重新融合得到新的“头部”，“上半身”，“下半身”与“全身”四个区域；(b)、特征提取及筛选，根据不同衣物所在的不同部位提取特征，在下一步骤通过加入衣物共现约束项的多任务学习训练得到的模型重新筛选特征，也即使用训练得到的权重向量作为反馈信息重新筛选特征；(c)、使用加入衣物共现约束的多任务学习同时训练多个衣物类别分类器，提高衣物类别分类器性能。本发明通过利用衣物共现信息更好地识别图片中的衣物类别，为同款衣物检索、衣物解析、推荐系统的应用提供基础。