-
公开(公告)号：CN116186216A
公开(公告)日：2023-05-30
申请号：CN202211721517.0
申请日：2022-12-30
Applicant: 福州大学
IPC: G06F16/332 , G06F16/36 , G06F40/289 , G06F40/30 , G06N3/049 , G06N3/084 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明涉及一种基于知识增强和双图交互的问题生成方法，包括以下步骤：步骤A：采集上下文句子和对应的问答对，构建用于问题生成的训练数据集DR；步骤B：使用训练数据集DR以及知识图谱训练基于知识增强和双图交互网络的深度学习网络模型T；步骤C：将上下文句子和答案输入到训练好的深度学习网络模型T中，输出生成的问题。该方法及系统有利于提高问题生成的准确性。
-
公开(公告)号：CN115209122A
公开(公告)日：2022-10-18
申请号：CN202210887485.5
申请日：2022-07-26
Applicant: 福州大学
IPC: H04N13/106 , H04N13/111
Abstract: 本发明涉及一种基于多智能体的立体图像视觉舒适度增强方法及系统，该方法包括：对高质量立体图像对的左、右视图分别进行变换扰动，合成视觉不舒适的立体图像对，并将原始高质量立体图像对作为参考图像对；构建基于注意力机制的立体图像特征增强融合网络，该网络采用多阶段结构设计，在不同阶段增强融合左、右视图不同尺度的特征；构建双智能体的强化学习架构，分别用于预测左视图和右视图四个角的偏移量，进而计算得到变换矩阵，并将变换矩阵应用于左、右视图；利用合成的立体图像对和参考图像对双智能体进行训练；通过训练后的双智能体对待调整的立体图像对进行变换调整，以提高其视觉舒适度。该方法及系统能够显著增强立体图像的视觉舒适度。
-
公开(公告)号：CN113157914B
公开(公告)日：2022-06-14
申请号：CN202110157327.X
申请日：2021-02-04
Applicant: 福州大学
IPC: G06F16/35 , G06F40/126 , G06F40/211 , G06F40/279 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多层循环神经网络的文档摘要提取方法及系统，包括以下步骤：步骤A：采集用于训练的文档‑句子标签对，构建文档‑句子标签对训练集，每条训练样本包括文档与文档中每条句子的标签；句子的标签值为1代表该句子属于摘要，标签值为0代表该句子不属于摘要；步骤B：使用文档‑句子标签对训练集，对用于文档摘要提取的深度学习模型进行训练；步骤C：将文档输入到训练好的深度学习网络模型中，输出文档的摘要。该方法及系统有利于提高对于文本摘要的准确精度。
-
公开(公告)号：CN112860856B
公开(公告)日：2022-06-14
申请号：CN202110183217.0
申请日：2021-02-10
Applicant: 福州大学
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F40/216 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种算数应用题智能解题方法及系统，该方法包括以下步骤：步骤A：对采集到的算数应用题进行预处理，建立包含算数应用题的已知条件、问题以及答案的训练集；步骤B：构建用于算数应用题智能解题的深度学习模型，确定损失函数，在训练集上通过最小化损失函数训练用于算数应用题智能解题的深度学习模型；步骤C：将算数应用题的已知条件和问题输入训练好的深度学习模型中，输出问题的答案。该方法及系统能够理解输入的算数应用题的已知条件文本和问题，并给出对应的答案。
-
公开(公告)号：CN112801909B
公开(公告)日：2022-06-14
申请号：CN202110162762.1
申请日：2021-02-05
Applicant: 福州大学
Abstract: 本发明涉及一种基于U‑Net和金字塔模块的图像融合去噪方法及系统，该方法包括以下步骤：S1、将成对的原始噪声图像和无噪声图像进行预处理，得到用于训练的成对图像块；S2、选取图像去噪深度网络模型FFDNet，并加载已训练完成的模型参数；步骤S3、构建基于U‑Net和金字塔模块的图像融合去噪网络；S4、以批次为单位将成对图像块输入FFDNet，并将其得到的结果输入图像融合去噪网络，根据损失函数训练图像融合去噪网络；S5、将用于测试的原始噪声图像输入FFDNet，并将其得到的结果输入训练好的图像融合去噪网络，得到最终的去噪图像。该方法及系统有利于提升去噪性能并保留更多的图像细节。
-
Patent Agency Ranking
公开(公告)号：CN111414461B
公开(公告)日：2022-06-14
申请号：CN202010065407.8
申请日：2020-01-20
Applicant: 福州大学
IPC: G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种融合知识库与用户建模的智能问答方法及系统，该方法包括以下步骤：步骤A：采集智能问答系统中的问题以及回答记录，构建问答对训练集QA；步骤B：采集智能问答系统中每个用户对问题的回答记录，构建用户的历史回答训练集UA；步骤C：基于问答对训练集QA、用户的历史回答训练集UA以及知识库KB，训练基于改进循环实体网络Recurrent Entity Network的深度学习网络模型M；步骤D：接收用户的提问，并将提问输入到训练好的深度学习网络模型M中，输出匹配的答案。该方法及系统有利于提高对于提问的智能回答精度。
-
公开(公告)号：CN111274398B
公开(公告)日：2022-06-14
申请号：CN202010065377.0
申请日：2020-01-20
Applicant: 福州大学
IPC: G06F16/35 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种方面级用户产品评论情感分析方法及系统，该方法包括以下步骤：步骤A：提取用户的产品评论、评论涉及的产品方面词、产品方面词的位置信息，并对产品方面的情感极性进行标注，构建训练集SA；步骤B：使用训练集SA，训练用于方面级用户产品评论情感分析的融合MemNet与双向LSTM的深度学习网络模型M；步骤C：输入用户对产品的评论，提取评论涉及的产品方面词，将产品评论、产品方面词输入到训练好的深度学习网络模型M中，输出对产品方面的情感评价极性。该方法及系统有利于提高情感分类的准确性。
-
公开(公告)号：CN114564568A
公开(公告)日：2022-05-31
申请号：CN202210182490.6
申请日：2022-02-25
Applicant: 福州大学
IPC: G06F16/332 , G06F16/33 , G06F16/36
Abstract: 本发明涉及一种基于知识增强与上下文感知的对话状态追踪方法及系统，该方法包括以下步骤：步骤A：采集对话上下文和对话状态数据，构建对话训练集；步骤B：使用训练集，训练基于知识增强的深度学习网络模型；步骤C：将用户与系统的对话数据依次输入深度学习网络模型中，输出当前的对话状态。该方法及系统有利于提高对话状态追踪的准确性。
-
公开(公告)号：CN114490991A
公开(公告)日：2022-05-13
申请号：CN202210109486.7
申请日：2022-01-28
Applicant: 福州大学
IPC: G06F16/332 , G06F16/33 , G06N3/04 , G06N3/08 , G06K9/62
Abstract: 本发明涉及一种基于细粒度局部信息增强的对话结构感知对话方法及系统，该方法包括以下步骤：步骤A：获取特定场景的多轮对话文本，并标注每个多轮对话回复所属的类别，构建带正负类别标签的训练集D；步骤B：使用训练集D训练细粒度局部信息增强的对话结构感知深度学习网络模型SAFL，用于选择给定多轮对话上下文对应的回复；步骤C：将多轮对话上下文与回复集输入到训练后的深度学习网络模型SAFL中，得到对应多轮对话上下文最合适的回复。该方法及系统有利于提高提高多轮对话回复选择的精确度。
-
公开(公告)号：CN114399757A
公开(公告)日：2022-04-26
申请号：CN202210039603.7
申请日：2022-01-13
Applicant: 福州大学
IPC: G06V20/62 , G06V30/148 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种多路并行位置关联网络的自然场景文本识别方法及系统。包括以下步骤：步骤A、裁剪自然场景图片中只包含文本信息的图像，并标注图片中对应的文本以及文本长度，构建训练数据集S；步骤B、使用训练集S训练基于多路并行位置关联的深度学习网络模型G，用于识别自然场景图片中的文本信息；步骤C、将裁剪为固定大小的文本图片输入到训练后的深度学习网络模型G中，得到图片中对应的目标字符文本信息。本发明能够有效提高文本识别的准确度。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.03 seconds)
