-
公开(公告)号：CN116563619A
公开(公告)日：2023-08-08
申请号：CN202310492921.3
申请日：2023-05-05
Applicant: 大连理工大学
IPC: G06V10/764 , G06V10/774 , G06V10/25 , G06V10/82 , G06N3/0464 , G06N3/094 , G06V40/16
Abstract: 本发明公开了一种多模态的模因图情感检测方法，本发明对模因图数据进行了精细的数据预处理工作，并以VL‑BERT、UNITER、Villa这3种多模态预训练模型为基础，通过输入实体、人物特征信息，引入对抗训练，改进层次多标签分类的损失函数和分类头，对多模态预训练模型进行了改进。改进该模型在模因图情感检测任务和情感类型细分类任务上均有不错的效果，性能超过了实验中的所有多模态基础分类模型及其改进版本。
-
公开(公告)号：CN109977752A
公开(公告)日：2019-07-05
申请号：CN201910041388.2
申请日：2019-01-16
Applicant: 大连理工大学
IPC: G06K9/00 , G06F16/903
Abstract: 一种基于序列模式挖掘的羽毛球运动员技战术分析方法，包括：S1、视频数据采集和场地编码、S2、对运动员动作进行人工标注、S3、面向羽毛球技战术分析的字符串匹配、S4、统计输出。本发明采用高效的羽毛球技战术编码方式对输入的羽毛球比赛运动视频进行标注；后利用字符串匹配方法将待分析运动员在所采集的比赛视频中每次得分所采用的人工标注字符串数据与每一关键技战术的代码进行匹配分析。然后依据预设关键技战术的代码在待分析运动员得分点的动作中出现的频率判断该运动员常用的羽毛球技战术。本方法有助于对羽毛球运动员认识自身的技术优势，从而提高自身技战术水平及教练团队进行赛前的技战术分析和赛后的技战术总结具有重大意义。
-
公开(公告)号：CN108874896A
公开(公告)日：2018-11-23
申请号：CN201810496016.4
申请日：2018-05-22
Applicant: 大连理工大学
Abstract: 一种基于神经网络和幽默特征的幽默识别方法，属于数据挖掘和自然语言处理领域，用以解决进行幽默识别的问题，要点是包括S1、幽默语料采集及预处理；S2、幽默特征提取；S3、文本的词向量表示；S4、神经网络模型构建；S5、幽默识别结果评价，效果是：对特定形式的幽默数据进行采集和预处理，根据相关成熟的幽默理论，充分考虑到幽默文本的语音特性，构造幽默的语音特征；利用幽默的模糊性特性，提取了句子中拥有同义词最多的词作为特征词并对其进行向量化；采用了深度学习方法，提取了幽默文本背后深层次的语义特征，并将幽默的语音特征和模糊性特征融合到神经网络当中，从而进行幽默识别，在数据集上的实验验证了本发明方法对幽默识别的有效性。
-
公开(公告)号：CN114880461B
公开(公告)日：2024-10-15
申请号：CN202210623480.1
申请日：2022-06-02
Applicant: 大连理工大学
IPC: G06F16/34 , G06F16/35 , G06F18/2415 , G06N3/0442 , G06N3/0455 , G06N3/088 , G06N3/092
Abstract: 本发明提出一种结合对比学习和预训练技术的中文新闻文本摘要方法，包括(1)构建对比学习输入数据；(2)使用结合中文新闻语料微调后的BERT预训练模型获取新闻文本的上下文向量表示，对文本中的句子进行分类打分，抽取包含关键信息的候选句得到候选句集合；(3)将候选句集合输入到结合中文新闻语料微调后的MT5模型中，生成摘要结果；(4)结合AECLoss损失函数实现抽取式模型、生成式模型的端到端训练。本发明能够结合对比学习获取更忠于原文内容的摘要结果；通过结合外部知识，提升预训练模型在新闻文本上的语义表示能力；通过先抽取后生成的摘要方式，使模型充分关注新闻文本中的关键内容，有效提升了模型的可解释性和摘要结果的连续性、可读性。
-
公开(公告)号：CN114969342A
公开(公告)日：2022-08-30
申请号：CN202210623478.4
申请日：2022-06-02
Applicant: 大连理工大学
Abstract: 本发明提出了基于风格表示与多任务学习的文本多风格迁移方法，包括以下步骤：(1)构建多语料文本图网络，(2)使用图网络技术与图嵌入算法获取图节点表示，(3)使用标签嵌入技术获取文本风格表示，(4)使用Transformer构建编码器获取融合文本风格信息的句子表示，(5)使用Transformer构建解码器对目标文本进行风格迁移，(6)使用多任务学习方法中的参数硬共享方法，构建文本多风格迁移模型。本发明使用图神经网络与标签嵌入技术获取了效果更优的文本风格表示；基于Transformer与风格表示相结合构建文本风格迁移模型，获得了更优的文本风格迁移效果；使用多任务技术构建文本多风格迁移模型，降低了不同风格之间的影响，获得了更优的文本多风格迁移效果。
-
Patent Agency Ranking
公开(公告)号：CN108460013B
公开(公告)日：2021-08-20
申请号：CN201810120922.4
申请日：2018-01-30
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于细粒度词表示模型的序列标注模型，用于进行序列标注任务，属于计算机应用及自然语言处理领域。本发明的模型结构主要由特征表示层、BiLSTM和CRF层3部分构成。利用该模型进行序列标注任务时，首先提出一种基于注意力机制的字符级词表示模型Finger来融合形态学信息和单词的字符信息，然后由Finger与BiLSTM‑CRF模型共同完成序列标注任务，最终该方法以端到端、无任何特征工程形式在CoNLL 2003数据集上取得了F1为91.09％的结果。实验表明本发明设计的Finger模型显著提升序列标注系统的召回率，从而使得模型的识别能力显著提升。
-
公开(公告)号：CN115169440A
公开(公告)日：2022-10-11
申请号：CN202210682483.2
申请日：2022-06-16
Applicant: 大连理工大学
Abstract: 本发明公开了一种对社交媒体多模态信息中讽刺情感识别的方法，充分利用文本、图像和图像属性三种模态来解决具有挑战性的多模态讽刺检测任务。首先提取图像特征和图像属性特征，接着利用图像属性特征与基于RoBERTa的文本预训练网络连接提取文本特征，从而将文本模态、图像模态和图像属性模态的特征重构并融合为一个特征向量对讽刺情感进行预测。本发明在社交媒体的图文信息数据集上有超过1％的准确率提升和超过3％的F1值提升，证明了多模态分层融合模型的有效性和三种模态的实用性，从而充分发挥文本的上下文信息和不同模态间的相互作用。
-
公开(公告)号：CN114880461A
公开(公告)日：2022-08-09
申请号：CN202210623480.1
申请日：2022-06-02
Applicant: 大连理工大学
Abstract: 本发明提出一种结合对比学习和预训练技术的中文新闻文本摘要方法，包括(1)构建对比学习输入数据；(2)使用结合中文新闻语料微调后的BERT预训练模型获取新闻文本的上下文向量表示，对文本中的句子进行分类打分，抽取包含关键信息的候选句得到候选句集合；(3)将候选句集合输入到结合中文新闻语料微调后的MT5模型中，生成摘要结果；(4)结合AECLoss损失函数实现抽取式模型、生成式模型的端到端训练。本发明能够结合对比学习获取更忠于原文内容的摘要结果；通过结合外部知识，提升预训练模型在新闻文本上的语义表示能力；通过先抽取后生成的摘要方式，使模型充分关注新闻文本中的关键内容，有效提升了模型的可解释性和摘要结果的连续性、可读性。
-
公开(公告)号：CN109977752B
公开(公告)日：2022-04-12
申请号：CN201910041388.2
申请日：2019-01-16
Applicant: 大连理工大学
IPC: G06V40/20 , G06V20/40 , G06F16/78 , G06F16/9032
Abstract: 一种基于序列模式挖掘的羽毛球运动员技战术分析方法，包括：S1、视频数据采集和场地编码、S2、对运动员动作进行人工标注、S3、面向羽毛球技战术分析的字符串匹配、S4、统计输出。本发明采用高效的羽毛球技战术编码方式对输入的羽毛球比赛运动视频进行标注；后利用字符串匹配方法将待分析运动员在所采集的比赛视频中每次得分所采用的人工标注字符串数据与每一关键技战术的代码进行匹配分析。然后依据预设关键技战术的代码在待分析运动员得分点的动作中出现的频率判断该运动员常用的羽毛球技战术。本方法有助于对羽毛球运动员认识自身的技术优势，从而提高自身技战术水平及教练团队进行赛前的技战术分析和赛后的技战术总结具有重大意义。
-
公开(公告)号：CN109840626A
公开(公告)日：2019-06-04
申请号：CN201910041449.5
申请日：2019-01-16
Applicant: 大连理工大学
IPC: G06Q10/04 , G06Q40/06 , G06F16/951 , G06N3/04 , G06N3/08
Abstract: 一种基于卷积神经网络模型的股市预测方法，包括：S1、数据收集、S2、数据处理、S3、训练神经网络模型、S4、预测股市走势四大步骤。本发明通过采集和分析上市公司的财经新闻语料，并根据DJIA历史数据对财经新闻语料进行标注，将标注后的财经语料信息作为卷积神经网络模型输入值，从而经卷积神经网络模型的处理输出新闻标注的预测值，进而通过新闻标注的预测值即可预测DJIA的涨跌情况及股市走势。本发明经交叉验证可以达到65.5%的预测准确率。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.098 seconds)
