-
公开(公告)号：CN103761312A
公开(公告)日：2014-04-30
申请号：CN201410034376.4
申请日：2014-01-24
Applicant: 福州大学
IPC: G06F17/30
CPC classification number: G06F17/30864 , G06F17/30908
Abstract: 本发明涉及一种多记录网页的信息抽取系统及方法，该系统包括：一个网页预处理模块，用于将HTML网页转换为XHTML网页，并过滤网页中用来渲染显示效果的标签，然后根据标签的嵌套结构，构建文档次序树；一个记录区域定位模块，用于接收文档次序树，并利用横向层次分析法在文档次序树中定位出记录区域的位置；一个记录分隔符识别模块，用于从记录区域中找到记录之间的分隔符并进行存储；以及一个记录输出模块，用于将记录区域里所有文本节点按层次顺序遍历输出，在碰到分隔符时输出分隔线，得到最终的抽取结果。该系统及方法能够高效、准确地对传统和新式多记录网页进行信息抽取，抽取速度快、准确度高，通用性强，适用范围广。
-
公开(公告)号：CN114969292B
公开(公告)日：2024-08-09
申请号：CN202210610767.0
申请日：2022-05-31
Applicant: 福州大学
IPC: G06F16/332 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于多回复解码器的对话系统。数据预处理模块对系统回复和用户对话进行去词化操作；对话编码器模块负责编码历史对话信息，将对话文本序列映射为对应时间步的隐藏状态表征向量；对话状态解码器模块负责根据对话编码器的输出和上一轮对话状态，解码出本轮对话状态；外部数据库模块，负责根据对话状态解码器的输出查询满足用户要求的所有实体，以三元组（领域，槽，槽值）的形式存储；系统动作解码器模块，负责根据对话状态解码器的输出、数据库的返回结果和本轮用户对话解码出本轮系统动作；系统回复生成模块，由全局回复解码器、专业子解码器及通道选择网络组成。本发明能够提高系统回复的准确性，提高用户和系统的交互效率。
-
公开(公告)号：CN113609285B
公开(公告)日：2024-05-14
申请号：CN202110908524.0
申请日：2021-08-09
Applicant: 福州大学
IPC: G06F16/34 , G06N3/0442 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明提出一种基于依赖门控融合机制的多模态文本摘要系统，所述摘要系统的编码器模块包括文本编码器和图像编码器，分别用于获取输入文本的隐藏表示和提取图像的全局特征；所述摘要系统工作时，以注意力模块提取文本上下文单词之间的注意力关系和视觉上下文的注意力关系，并根据注意力权重加权计算得到文本和视觉上下文向量，通过依赖门控融合模块融合文本上下文向量和视觉上下文向量，最后以摘要解码器生成文本摘要；本发明能够提取图文模态数据的特征表示及图文数据中的深层语义信息，通过依赖门控融合机制融合多模态数据，最终生成包含两种模态信息的关键摘要。
-
公开(公告)号：CN113505208B
公开(公告)日：2024-02-02
申请号：CN202110776034.X
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/332 , G06N3/0442 , G06N3/0464 , G06N3/094
Abstract: 本发明涉及一种融合多路注意力机制的智能对话系统，包括依次连接的编码器模块、多路注意力模块、动态融合模块、外部知识模块和解码器模块；所述编码器模块，用于针对历史上下文进行多领域的编码；所述多路注意力模块，用于提取上下文单词之间的注意力关系；所述动态融合模块，用于融合编码器和注意力的编码结果；所述外部知识模块，用于辅助生成特定领域知识的句子内容；所述解码器模块，用于生成具体的句子内容。本发明能够通过对话的历史上下文信息，抽取不同领域细粒度和句子细粒度的编码信息，并利用记忆网络从外部知识库中抽取有用的外部知识信息，最终将二者信息融合生成具体的句子，提高对话智能化。
-
公开(公告)号：CN113722439B
公开(公告)日：2024-01-09
申请号：CN202111016540.5
申请日：2021-08-31
Applicant: 福州大学
IPC: G06F16/33 , G06F16/35 , G06F16/36 , G06F40/211 , G06F40/216 , G06F40/30 , G06F18/24 , G06N3/0475 , G06N3/045 , G06N3/094 , G06N3/042 , G06N3/0464 , G06N3/048 , G06N3/0442 , G06N3/08
Abstract: 本发明涉及一种基于对抗性类别对齐网络的跨领域情感分类方法，包括以下步骤：从常识库中提取相关领域的知识，生成与文本相关的常识知识特征，来增强文本的语义；对历史上下文信息进行编码，生成具有上下文信息的原始句子特征；融合外部知识生成的文本相关的常识知识特征和原始句子特征，生成兼具特异性和泛化性的文本表示；基于对抗性类别对齐网络，在全局边缘对齐的先验条件下，进行类别级别的对齐；对融合的文本特征向量进行分类预测，实现情感类别的输出。该方法及系统有利于提高跨领域文
-
Patent Agency Ranking
公开(公告)号：CN113641820B
公开(公告)日：2023-11-17
申请号：CN202110913656.2
申请日：2021-08-10
Applicant: 福州大学
IPC: G06F16/35 , G06F40/211 , G06F40/30 , G06N3/042
Abstract: 本发明涉及一种基于图卷积神经网络的视角级文本情感分类系统及方法，包括：文本预处理模块，用于对视角级文本进行特征化处理；文本语义信息获取模块，用于捕获文本的双向语义依赖关系；注意力编码模块，用于捕获文本单词序列的全局内部相关性，并进行进一步信息整合；图卷积神经网络模块，将GCN直接作用于句子依存关系树来建模句子结构，可将上下文和依赖信息从观点词传播到视角词；情感类别输出模块，用分类函数得到文本最终的情感分类结果。本发明可以有效发挥图卷积网络的作用，能够利用图卷积神经网络通过语义依赖树来建模句子结构，得到更好的文本情感特征表示。
-
公开(公告)号：CN116151268A
公开(公告)日：2023-05-23
申请号：CN202211616786.0
申请日：2022-12-15
Applicant: 福州大学
Abstract: 本发明涉及一种融合关系差异信息的多模态讽刺识别系统。包括：一个图文特征提取模块，用于提取图文数据的特征表示；一个图文关系融合模块，用于匹配并组合文本图像一致信息用于预测；一个图文差异融合模块，用于提取模态内文本中的不一致性信息、提取模态间图文之间的不一致性信息，并组合不一致信息用于预测；一个讽刺识别模块，用于判别多模态数据中是否存在讽刺感。
-
公开(公告)号：CN110826639B
公开(公告)日：2023-05-12
申请号：CN201911099506.1
申请日：2019-11-12
Applicant: 福州大学
IPC: G06V10/764 , G06V10/774
Abstract: 本发明涉及一种利用全量数据训练零样本图像分类方法，包括以下步骤：步骤S1:将全量数据分为源数据和目标数据；步骤S2:将源数据集和目标数据集输入视觉特征网络，将原始图像映射到视觉特征空间,得到图像视觉特征向量；步骤S3:将原始图像的低维属性语义通过语义转换网络映射到高维，得到语义特征向量；步骤S4:根据得到的图像视觉特征向量和语义特征向量，利用视觉‑属性语义衔接网络完成融合，得到拼接结果；步骤S5:根据拼接结果，通过得分子网络在语义空间中产生原始图像每一类的得分，并根据得分输出最终的预测结果。本发明能够有效的解决图像类别标签缺失问题。
-
公开(公告)号：CN115858756A
公开(公告)日：2023-03-28
申请号：CN202211634216.4
申请日：2022-12-19
Applicant: 福州大学
IPC: G06F16/332 , G06F16/335 , G06F16/35 , G06F16/36 , G06F18/25 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明涉及一种基于感知情绪倾向的共情人机对话系统，包括：外部知识模块，用于对输入语句，通过概念网络和vad情感向量，构建情感上下文向量；情感上下文编码器模块，用于基于transformer编码器对情感上下文向量进行编码，然后输入多头注意力网络，得到情绪信号；情感倾向编码器模块，用于计算输入语句中词语与情感之间的情绪倾向性；共享注意力模块，用于共享多头注意力网络的注意力参数，获得多个注意力特征，并采用多元残差网络进行融合，得到融合注意力特征向量；情感依赖解码器模块，用于整合情绪信号和融合注意力特征向量，基于transformer解码器，利用多头交叉注意力网络，输出预测的对话回复。该系统有利于感知词语的情绪倾向性，获得更好的对话回复。
-
公开(公告)号：CN115830619A
公开(公告)日：2023-03-21
申请号：CN202211616460.8
申请日：2022-12-15
Applicant: 福州大学
IPC: G06V30/41 , G06V30/18 , G06V30/19 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于特征融合的类别文本生成系统。所述系统包括：一个类别文本预处理模块，用于对类别文本的向量化处理；一个多路注意力模块，在生成器中利用多种注意力机制学习文本的注意力表示；一个生成器融合输出模块，将多种注意力表示融合并输出生成文本；一个局部语义特征提取模块，用于判别器提取文本的局部依赖特征；一个全局语义特征提取模块，用于判别器提取文本的长距离依赖特征；一个判别器融合输出模块，将文本的局部和长距离依赖特征融合并反馈给生成器判别结果。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.025 seconds)
