-
公开(公告)号：CN115099234A
公开(公告)日：2022-09-23
申请号：CN202210835983.5
申请日：2022-07-15
Applicant: 哈尔滨工业大学
IPC: G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 一种基于图神经网络的中文多模态细粒度情感分析方法，涉及自然语言处理技术领域，针对现有技术中对多模态数据中细粒度评价对象情感分析准确率低的问题，本通过挖掘图文两种模态下的细粒度语义线索，并通过构建多模态异构图显式建模两个模态下的细粒度语义线索，促进了跨模态的细粒度信息融合，有效提升了多模态图文细粒度情感分析的准确率。
-
公开(公告)号：CN112148863B
公开(公告)日：2022-07-01
申请号：CN202011104023.9
申请日：2020-10-15
Applicant: 哈尔滨工业大学
IPC: G06F16/332 , G06F40/295 , G06N3/04
Abstract: 一种融入常识知识的生成式对话摘要方法，属于自然语言处理领域。本发明解决了现有生成式对话摘要方法未利用常识知识而导致生成的对话摘要不准确，抽象性低的问题。本发明方法包括：获取常识知识库ConceptNet与对话摘要数据集SAMSum；利用获取的常识知识库ConceptNet为对话摘要数据集SAMSum引入元组知识，构建异构对话图；练步骤三中构造的对话异构神经网络模型，通过训练的对话异构神经网络模型从一段对话中生成最终对话摘要。本发明应用于对话摘要的生成。
-
公开(公告)号：CN114462607A
公开(公告)日：2022-05-10
申请号：CN202210131870.7
申请日：2022-02-14
Applicant: 哈尔滨工业大学
Abstract: 本发明公开基于双曲空间的事理图谱增强的因果推理方法及系统，包括，获取事件对及事理图谱，基于事理图谱获取事件对的证据事件，将证据事件及事件对组成因果证据图，其中事件对包括原因事件和结果事件；将因果证据图转换为事件表示，对将事件表示从欧式空间映射到双曲空间中，获取双曲事件表示；对双曲事件表示进行有向因果推理，得到事件对最终嵌入，并对事件对最终嵌入进行计算，得到因果强度分数。通过上述技术方案，本发明能够提高因果推理的稳定性和可解释性。
-
公开(公告)号：CN110516213B
公开(公告)日：2022-04-15
申请号：CN201910828514.9
申请日：2019-09-03
Applicant: 哈尔滨工业大学
IPC: G06F40/194 , G06F40/166 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 一种基于表格层次化建模的结构化数据生成文本方法，本发明涉及结构化数据生成文本方法。本发明的目的是为了解决现有结构化数据生成文本只利用了数据本身单一信息，无法衡量实体数据整体情况以及同类型数据的表现差异和多表格数据之间的利用不充分问题。一、将数据集的记录用三元组表示，分别对每条记录所属的行、列维度建模得到该记录的行向量、列向量，并引入时间轴，对不同日期的同类型数据建模得到该记录的时间向量；二、融合行向量、列向量和时间向量得到该记录新的向量表示；三、对每行记录的新向量进行均值池化得到新行向量；四、每个解码时刻，对三得到的向量进行解码，得到当前时刻每条记录的权重。本发明用于表格数据生成文本方法。
-
公开(公告)号：CN113312530B
公开(公告)日：2022-02-15
申请号：CN202110652703.2
申请日：2021-06-09
Applicant: 哈尔滨工业大学
IPC: G06F16/906 , G06K9/62 , G06F16/35 , G06F16/55 , G06F16/75
Abstract: 一种以文本为核心的多模态情感分类方法，涉及自然语言处理技术领域，针对现有技术中将每个模态的语义信息看作一个整体，缺乏探索不同模态交互的能力，进而导致情感分类不准确的问题，包含两部分，一部分是跨模态预测模型，该模型以文本模态特征为输入，输出为语音/图像模态特征。利用该模型我们设计了共享特征与私有特征的判定规则，进而利用规则分辨出共享和私有特征。另一部分是情感预测模型，该模型利用跨模态注意力机制将文本模态特征与语音/图像的共享和私有特征进行融合，最后得到多模态融合特征进行情感分类。
-
Patent Agency Ranking
公开(公告)号：CN111460132B
公开(公告)日：2021-08-10
申请号：CN202010163281.8
申请日：2020-03-10
Applicant: 哈尔滨工业大学
Abstract: 一种基于图卷积神经网络的生成式会议摘要方法，本发明涉及基于图卷积神经网络的生成式会议摘要方法。本发明的目的是为了解决现有方法仅仅使用句子和词语的序列结构建模会议文本，忽略了会议丰富的对话篇章结构信息的问题。过程为：一：得到会议的对话篇章结构；二：构建会议篇章结构图，以及会议中句子之间的对话篇章结构；三：构建伪数据和对应的伪数据的会议篇章结构图；四：得到预训练好的图神经网络的生成式会议摘要模型和初始化参数；得到训练好的图神经网络的生成式会议摘要模型和模型参数；利用训练好的图神经网络的生成式会议摘要模型对待测试的会议进行测试，生成摘要。本发明用于自然语言处理领域下的生成式会议摘要方法。
-
公开(公告)号：CN111460132A
公开(公告)日：2020-07-28
申请号：CN202010163281.8
申请日：2020-03-10
Applicant: 哈尔滨工业大学
Abstract: 一种基于图卷积神经网络的生成式会议摘要方法，本发明涉及基于图卷积神经网络的生成式会议摘要方法。本发明的目的是为了解决现有方法仅仅使用句子和词语的序列结构建模会议文本，忽略了会议丰富的对话篇章结构信息的问题。过程为：一：得到会议的对话篇章结构；二：构建会议篇章结构图，以及会议中句子之间的对话篇章结构；三：构建伪数据和对应的伪数据的会议篇章结构图；四：得到预训练好的图神经网络的生成式会议摘要模型和初始化参数；得到训练好的图神经网络的生成式会议摘要模型和模型参数；利用训练好的图神经网络的生成式会议摘要模型对待测试的会议进行测试，生成摘要。本发明用于自然语言处理领域下的生成式会议摘要方法。
-
公开(公告)号：CN111339752A
公开(公告)日：2020-06-26
申请号：CN202010099489.8
申请日：2020-02-18
Applicant: 哈尔滨工业大学
IPC: G06F40/216 , G06F40/289 , G06F16/35
Abstract: 一种多任务联合学习的面向评价对象的情感分析方法，本发明涉及多任务联合学习的面向评价对象的情感分析方法。本发明的目的是为了解决现有文本对评价对象、评价对象情感、评价词抽取未考虑关联性，导致对文本有用信息抽取准确率低的问题。过程为：一、将文本进行词向量表示；二、将文本的词向量表示进行初步抽象，得到共享表示；三、基于二进行评价对象和评价词抽取，得到评价对象和评价词抽取的标签概率分布；四、基于二和三进行评价对象情感判断，得到评价对象情感判断的标签概率分布；五、得到更新后的概率分布；六、得到情感分析模型，采用情感分析模型完成对评价对象的情感分析。本发明用于评价对象、评价对象情感与评价词联合抽取领域。
-
公开(公告)号：CN110738026A
公开(公告)日：2020-01-31
申请号：CN201911012473.2
申请日：2019-10-23
Applicant: 腾讯科技(深圳)有限公司 , 哈尔滨工业大学
IPC: G06F40/166 , G06F40/126 , G06F40/289 , G06N3/04
Abstract: 本文描述了一种用于生成描述文本的方法和设备。所述方法包括：将关键词序列以及具有预定风格的参考文本输入经训练的神经网络，其中所述神经网络包括关键词编码器、文本编码器、互注意力编码器以及解码器；利用关键词编码器对关键词序列进行编码以得到关键词序列的隐层状态序列；利用文本编码器对参考文本进行编码以得到参考文本的隐层状态序列；利用互注意力编码器对关键词序列的隐层状态序列和参考文本的隐层状态序列进行编码以得到融合了预定风格的关键词序列的隐层状态序列；利用解码器对融合了预定风格的关键词序列的隐层状态序列进行解码以输出具有所述预定风格的描述文本。
-
公开(公告)号：CN107967257A
公开(公告)日：2018-04-27
申请号：CN201711160875.8
申请日：2017-11-20
Applicant: 哈尔滨工业大学
Abstract: 本发明涉及一种级联式作文生成方法，是为了解决现有技术仅针对作文评分进行研究，未出现关于作文生成方法的研究，以及已有的主题分析技术很难对作文的题目进行分析的缺点而提出的。本发明用一个或多个话题词表示待生成作文的中心思想；得到话题词后，将作文生成分解为话题词扩充、句子抽取和篇章组织；话题词扩展后，利用句子抽取模块寻找与话题词相关的句子，并最终使用篇章组织模块对抽取获得的句子排序，使之成为连贯的整体。本发明还可以从已抽取的句子集合中挖掘词语对已有的话题词进行补充。本发明适用于自动作文生成。
-
-
-
-
-
-
-
-
-
Search Results
92
records
(took 0.043 seconds)
