公开(公告)号：CN110851601A

公开(公告)日：2020-02-28

申请号：CN201911085444.9

申请日：2019-11-08

Applicant: 福州大学

Inventor： 廖祥文 ,  陈癸旭 ,  陈志豪 ,  温宇含 ,  陈开志

IPC: G06F16/35 ,  G06F16/33 ,  G06F40/211 ,  G06F40/289 ,  G06K9/62

Abstract: 本发明涉及一种基于分层注意力机制的跨领域情感分类系统，包括：文本预处理模块，用于对跨领域文本进行特征化处理；枢轴特征提取模块，用于学习领域适应的特征表示空间，得到源领域与目标领域的枢轴特征文档表示；非枢轴特征提取模块，用于获取非枢轴特征表示；情感类别输出模块，用于获取最终的情感分类结果。本发明实现了高效的跨领域情感分类，提高了跨领域情感分类精度并减少人工时间精力的消耗。

公开(公告)号：CN110795585A

公开(公告)日：2020-02-14

申请号：CN201911099493.8

申请日：2019-11-12

Applicant: 福州大学

Inventor： 廖祥文 ,  肖永强 ,  苏锦河 ,  徐戈 ,  陈开志

IPC: G06F16/55 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于生成对抗网络的零样本图像分类模型，包括生成对抗网络模块，用于获取视觉误差信息；视觉特征提取网络处理模块，用于得到图像一维视觉特征向量；属性语义转换网络模块，用两层的线性激活层将低维的属性语义向量映射到与视觉特征向量维度相同的高维特征向量；视觉-属性语义衔接网络，实现视觉特征向量与属性语义特征向量的融合；得分分类结果和奖励输出模块，采用交叉熵损失对已见过带标签的类别进行分类，而奖励输出是对未见过的无标签数据进行惩罚，以及惩罚无标签数据中见过的类别和未见过的类别最有可能性的预测结果。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：CN109784404A

公开(公告)日：2019-05-21

申请号：CN201910038740.7

申请日：2019-01-16

Applicant: 福州大学

Inventor： 廖祥文 ,  聂煜 ,  陈志豪 ,  陈国龙

IPC: G06K9/62

Abstract: 本发明涉及一种融合标签信息的多标签分类原型系统及方法。所述系统包括：一数据预处理模块，用于对网络中结构进行节点和边的表示；一节点嵌入模块，利用谱技术的方法将节点和节点属性进行结合，构造网络的相似矩阵；一标签嵌入模块，利用谱技术方法将网络空间中的标签信息进行表示学习，与已学习到的网络嵌入的矩阵进行融合，得到节点向量表示；一分类结果输出模块，用分类函数得到节点最终的多标签分类结果。本发明能够将节点向量特征得分融入到现有的排序学习框架中进行分类，并按照顺序输出节点。

公开(公告)号：CN104268230A

公开(公告)日：2015-01-07

申请号：CN201410504376.6

申请日：2014-09-28

Applicant: 福州大学

Inventor： 陈国龙 ,  廖祥文 ,  黄弈超

IPC: G06F17/30

CPC classification number: G06F17/30864

Abstract: 本发明涉及一种基于异质图随机游走的中文微博客观点探测方法，包括：1、按话题采集微博，形成多个以话题为单位的微博集合；对微博进行预处理，去除噪声，形成词的集合的形式；2、从微博中识别出话题的关键词：计算每个词对于相应话题的权重，然后所有词根据权重的大小进行排序，将各话题中排序结果的前K个词作为相应话题的关键词；3、基于图模型探测微博中针对话题的主流观点：构建每条微博的特征向量，然后利用微博用户、微博和关键词之间的关系，以微博用户、微博、关键词为节点构建出微博图，再通过随机游走算法计算微博图中各节点的得分，最终得到针对各话题的微博的排序列表。该方法探测速度快、准确度高，通用性强，适用范围广。

公开(公告)号：CN103745000A

公开(公告)日：2014-04-23

申请号：CN201410034402.3

申请日：2014-01-24

Applicant: 福州大学

Inventor： 陈国龙 ,  廖祥文 ,  郭德清 ,  郭文忠 ,  魏晶晶

IPC: G06F17/30

CPC classification number: G06F17/30864 ,  G06F17/30705

Abstract: 本发明涉及一种中文微博客的热点话题检测方法，包括以下步骤：(1)首先基于一定的垃圾过滤规则对垃圾微博进行过滤；(2)对分布在微博中的关键字进行初步聚合，得到初步表示话题的词集合；检索各条微博最相似的前k条微博，然后利用检索的结果和关键字初步聚合的结果来丰富各条微博特征，得到各条微博特征丰富后的特征向量；(3)基于各条微博特征丰富后的特征向量，利用增量聚类方法对所有微博进行聚类，得到聚类的话题集合，然后通过一定的话题热度计算公式对聚类的话题集合进行话题热度计算，最终得到热点话题列表。该方法能够高效、准确地对中文微博客进行热点话题检测，检测速度快，准确度高，适用范围广，应用性强。