公开(公告)号：CN119272849A

公开(公告)日：2025-01-07

申请号：CN202411418469.7

申请日：2024-10-11

Applicant: 福州大学

Inventor： 陈羽中 ,  陈德明 ,  陈子阳

IPC: G06N3/0985 ,  G06N3/0442 ,  G06F18/213 ,  G06F18/22 ,  G06N3/047 ,  G06N3/048 ,  G06F40/30 ,  G06N3/084 ,  G06N5/022 ,  G06N5/04

Abstract: 本发明涉及一种基于上下文解构的对话状态追踪方法，该方法包括：构建数据集；构建基于上下文解构的深度学习网络模型；模型将对话输入到对话上下文解构编码模块进行编码，以解耦即时信息和历史信息的相互影响；通过槽话语对齐模块和槽记忆对齐模块，检索与槽相关的当前对话信息和历史信息；通过元学习增强门控融合模块动态控制槽话语注意和槽记忆注意对特定槽的影响，得到多视角信息融合后的槽特定表征向量和最优的门控单元参数；通过槽感知动态融合模块捕获对话中槽位之间的动态相关性；使用数据集训练模型；将用户与系统的对话数据依次输入训练好的模型中，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：CN114398976B

公开(公告)日：2024-06-07

申请号：CN202210035885.3

申请日：2022-01-13

Applicant: 福州大学

Inventor： 陈羽中 ,  张睿

IPC: G06F18/24 ,  G09B7/06 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明涉及一种基于BERT与门控类注意力增强网络的机器阅读理解方法。包括以下步骤：步骤A、收集中国中学生英语考试中的阅读理解多选题，并标注每篇文章的每个问题对应的答案选项类别，构建带类别标签的训练集S；步骤B、训练基于BERT与门控类注意力网络的深度学习模型GCAN‑BERT，用于预测给定问题对应选项的答案；步骤C、将待判断的文章、问题、选项输入到训练后的基于BERT与门控类注意力网络的深度学习模型GCAN‑BERT中，得到给定问题对应的答案选项。本发明能够有效提高多选阅读理解选项预测的精确度。

公开(公告)号：CN118094004A

公开(公告)日：2024-05-28

申请号：CN202410226217.8

申请日：2024-02-29

Applicant: 福州大学

Inventor： 陈羽中 ,  陈仕杰 ,  陈子阳

IPC: G06F16/9535 ,  G06F16/36 ,  G06F18/2415 ,  G06N3/0499 ,  G06N3/084

Abstract: 本发明涉及一种基于知识增强与兴趣演化的点击率预测方法及系统，该方法包括以下步骤：步骤A：采集用户的行为数据，包含用户ID、目标物品ID、物品类型和交互时间，构建点击率预测训练集；步骤B：使用训练集训练基于知识增强与兴趣演化的深度学习网络模型G；步骤C：将用户、物品数据输入训练好的深度学习网络模型G中，输出当前用户对目标物品的点击概率。该方法及系统有利于提高点击率预测的准确性。

公开(公告)号：CN117474855A

公开(公告)日：2024-01-30

申请号：CN202311412207.5

申请日：2023-10-30

Applicant: 福州大学

Inventor： 陈羽中 ,  陈友昆 ,  牛玉贞 ,  兰杰

IPC: G06T7/00 ,  G06T7/11 ,  G06T5/50 ,  G06N3/0464 ,  G06N3/09

Abstract: 本发明涉及基于混合CNN‑T和多区域特征的无参考屏幕图像质量评估方法。包括以下步骤：S1：对失真屏幕内容图像数据集中的数据进行数据预处理；S2：设计图像局部特征与全局特征提取模块；S3：设计双边特征交互模块，该模块能够增强局部特征和全局特征间的信息交流；S4：设计区域特征重要性计算模块，该模块通过动态调整不同区域特征的学习权重；S5：设计质量分数回归子网络和损失函数；S6：设计基于混合CNN‑Transformer和多区域特征重要性的无参考屏幕内容图像质量评估网络，并进行训练得到无参考屏幕内容图像质量评估模型；S7：将待测图像输入到训练好的基于混合CNN‑Transformer和多区域特征重要性的无参考屏幕内容图像质量评估模型中，输出对应的质量评估分数。

公开(公告)号：CN116860943A

公开(公告)日：2023-10-10

申请号：CN202310874629.8

申请日：2023-07-17

Applicant: 福州大学

Inventor： 陈羽中 ,  李炜炜 ,  陈子阳

IPC: G06F16/332 ,  G06F16/35 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/045

Abstract: 本发明提出对话风格感知与主题引导的多轮对话方法及系统，所述方法包括以下步骤；步骤A：采集特定场景多轮对话文本，标注每个对话的响应所属的类别，构建带正负类别标签的多轮对话训练集DS；步骤B：使用训练集DS，训练多任务深度学习网络模型#imgabs0#，用于多轮对话响应选择；步骤C：将多轮对话上下文及候选响应输入到训练后的深度学习网络模型#imgabs1#中，得到对应多轮对话上下文最合适的响应；本发明有利于提高人机对话过程多轮对话响应选择的准确性。

公开(公告)号：CN116775841A

公开(公告)日：2023-09-19

申请号：CN202310794785.3

申请日：2023-06-30

Applicant: 福州大学

Inventor： 陈羽中 ,  徐俊杰 ,  陈子阳

IPC: G06F16/332 ,  G06F18/214 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0455 ,  G06F40/211 ,  G06F40/216

Abstract: 本发明涉及一种基于异构图注意力网络的数学应用题自动求解方法及系统，该方法包括以下步骤：步骤A：采集数学应用题文本、解表达式和答案，构建数学应用题训练集DS；步骤B：使用训练集DS训练基于异构图注意力网络的深度学习网络模型G，用于求解数学应用题；步骤C：将数学应用题文本输入深度学习网络模型G中，输出当前数学应用题的相应解表达式和答案。该方法及系统有利于提高数学应用题求解的准确性。

公开(公告)号：CN116561267A

公开(公告)日：2023-08-08

申请号：CN202310333801.9

申请日：2023-03-31

Applicant: 福州大学

Inventor： 陈羽中 ,  林宇航

IPC: G06F16/332 ,  G06F16/35 ,  G06F16/36 ,  G06F40/35 ,  G06F40/211 ,  G06N3/0455 ,  G06N3/084

Abstract: 本发明涉及一种基于知识增强与句法引导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上下文知识增强与句法指导的深度学习网络模型；步骤C：将用户与系统的对话数据输入训练好的深度学习网络模型，并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：CN115209122B

公开(公告)日：2023-07-07

申请号：CN202210887485.5

申请日：2022-07-26

Applicant: 福州大学

Inventor： 陈羽中 ,  沈启金 ,  牛玉贞

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：CN116167617A

公开(公告)日：2023-05-26

申请号：CN202211711675.8

申请日：2022-12-29

Applicant: 福州大学

Inventor： 郭文忠 ,  陈羽中 ,  徐俊杰 ,  李炜炜

IPC: G06Q10/0635 ,  G06Q10/0639 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0442

Abstract: 本发明涉及一种融合随机森林与注意力的地质灾害风险评估方法及系统，该方法包括以下步骤：步骤A：采集基础地理信息数据、气象数据和社会经济数据作为风险评价指标，地质灾害风险等级、地质灾害类型作为标签，构建训练集TS；步骤B：使用训练集TS，训练随机森林模型RF和基于注意力机制的深度学习网络模型G，用于预测地质灾害风险等级；步骤C：将风险评价指标和地质灾害类型输入随机森林模型RF和深度学习网络模型G中，获得地质灾害风险等级。该方法及系统有利于提高地质灾害风险评估的准确性。

公开(公告)号：CN110084327B

公开(公告)日：2023-04-07

申请号：CN201910359135.X

申请日：2019-04-30

Applicant: 福州大学

Inventor： 陈羽中 ,  黄腾达 ,  柯逍 ,  林洋洋

IPC: G06V30/244 ,  G06V10/28 ,  G06V10/26 ,  G06V10/80 ,  G06V10/82 ,  G06N3/08

Abstract: 本发明涉及一种基于视角自适应深度网络的票据手写数字识别方法及系统，该方法包括以下步骤：步骤A：使用带类别标签的数字图像训练视角自适应的深度网络；步骤B：对彩色票据图像进行预处理，得到二值图像；步骤C：使用积分投影法对二值图像进行分割，得到各数字图像；步骤D：将各数字图像分别输入到深度网络进行数字识别，得到分类结果。该方法及系统解决了票据手写数字识别中存在的字形字体变化导致识别出错、视角变化对识别造成影响的问题，有利于提高票据手写数字识别的准确度和速度。