-
公开(公告)号：CN111241996A
公开(公告)日：2020-06-05
申请号：CN202010021860.9
申请日：2020-01-09
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种用于识别视频中人物动作的方法，该方法是先利用一个空间卷积网络和时间卷积网络分别提取短视频中每一帧的空间特征和时间特征，对空间特征进行初步学习；然后利用运算模块对空间特征进行细粒度的学习，使用注意力机制选择空间特征中权重较大的特征向量生成注意力分数，用逐元素乘法生成的结果作为注意力特征向量，然后再以生成的结果作为空间特征向量，与时间特征作为输入，利用注意力继续选择空间特征中权重较大的特征向量，与时间特征做逐元素乘法，生成注意力特征向量，最后进行分类。该方法全部使用卷积核为1的空间和时间卷积，减少参数规模，实现降维，提高网络性能。与以往的网络相比，具有较高的准确率。
-
公开(公告)号：CN108920544A
公开(公告)日：2018-11-30
申请号：CN201810609066.9
申请日：2018-06-13
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于知识图谱的个性化职位推荐方法，包括：获取求职招聘领域数据，获取求职者的简历信息，对求职招聘领域数据进行规范化处理；之后进行知识抽取，融合，形成结构化的求职招聘领域知识；将获取的结构化的求职招聘领域知识存入图数据库，构建求职招聘领域知识图谱；构建基于知识图谱的个性化职位推荐模型；读取求职者的简历信息，基于上述知识图谱对简历信息中某些属性进行映射；基于上述知识图谱，根据上述职位推荐模型对职位按行业类别进行过滤，形成待推荐职位列表；针对待推荐职位列表，对简历信息和职位信息中的相应属性进行量化；计算简历信息和职位信息的相似度，筛选出与求职者简历相似度最高的前N个职位生成职位推荐列表，并推荐给求职者。
-
公开(公告)号：CN107679580A
公开(公告)日：2018-02-09
申请号：CN201710989485.5
申请日：2017-10-21
Applicant: 桂林电子科技大学
CPC classification number: G06K9/6256 , G06K9/6268 , G06N3/0454
Abstract: 本发明提出了一种基于多模态深度潜在关联的异构迁移图像情感极性分析方法，包括如下步骤：1）构建初始情感图像数据集；将情感词汇对应的情感极性作为图像情感极性标签；2）清除初始情感图像数据集中的噪声数据；利用情感一致性判别方法和基于多模态深度卷积神经网络的概率采样模型去除噪声；3）构建基于多模态深度潜在关联的异构迁移模型；然后训练源领域文本和目标领域图像；4）构建多模态嵌入空间；将源领域文本的语义信息嵌入到目标领域图像中；5）训练图像情感极性分类器以进行图像情感极性分析。本方法可获得的数据规模大、人工成本低、数据噪声小、预测精度高、模型可解释性强及分类能力强，可以达到更好的图像情感极性分析效果。
-
公开(公告)号：CN107506419A
公开(公告)日：2017-12-22
申请号：CN201710704380.0
申请日：2017-08-16
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于异质上下文感知的推荐方法，其特征在于，包括如下步骤：1）：获取用户-项目的评分矩阵、交互上下文信息和属性上下文信息；2）：基于张量分解技术构建交互上下文评分预测函数和交互上下文感知模型；3）：基于矩阵分解技术构建属性上下文评分预测函数和属性上下文感知模型；4）：交互上下文感知模型和属性上下文感知模型进行半监督协同训练；5）：交互上下文感知模型和属性上下文感知模型进行权值融合评分，然后根据评分进行推荐。本发明不仅能够感知属性上下文信息和交互上下文信息对推荐的影响，而且能够缓解推荐系统的数据稀疏性问题，提升推荐的准确率。
-
公开(公告)号：CN105260460A
公开(公告)日：2016-01-20
申请号：CN201510671117.7
申请日：2015-10-16
Applicant: 桂林电子科技大学
CPC classification number: G06F17/30867 , G06Q30/0255
Abstract: 本发明公开一种面向多样性的推荐方法，其首先根据历史评分数据构建用户-项目二部图，然后通过资源在二部图上的传播，计算传播概率与传播损耗，接着根据传播概率与传播损耗预测用户对项目的得分，最后根据用户对项目的得分推荐高的项目给用户。本推荐方法能够使得推荐的精确度与多样性更高。
-
Patent Agency Ranking
公开(公告)号：CN102170354A
公开(公告)日：2011-08-31
申请号：CN201110094311.5
申请日：2011-04-11
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种集中账号密码认证生成系统，可以依赖它将用户的身份认证、密码生成都集中在一个权威的认证中心。认证中心与用户共享主密钥，给网站颁发ID，并且进行数字签名证实其身份，认证网站转发的用户的账号密码的真实性。用户在各个网站的账号是一样的，而密码都是由主密钥、网站ID等信息派生的，其中用到单向函数，因此即使知道一个网站的密码也无法反推主密钥，无法推测其他的网站的密码，并且用户可以无需认证的情况下进行安全的挂失和密码更新，不知道主密钥的人无法完成挂失。系统保证用户凭一个账号和主密钥，就可在所有加盟的网站无需认证进行注册和密码更新，既方便用户记忆，也方便网站的认证。
-
公开(公告)号：CN118170658A
公开(公告)日：2024-06-11
申请号：CN202410311347.1
申请日：2024-03-19
Applicant: 桂林电子科技大学
IPC: G06F11/36 , G06F8/77 , G06F18/23213 , G06F18/2321 , G06F18/2431 , G06F18/2411 , G06F18/2135 , G06N3/045 , G06N3/0464 , G06N3/0442 , G06N3/084 , G06N3/088 , G06N3/0985 , G06F18/27
Abstract: 本发明公开了一种基于AI大模型的软件规模度量方法及系统，涉及AI大模型技术领域，包括以下步骤：S1、数据收集与预处理；S2、模型训练；S3、模型调优；S4、评估验证；所述步骤S3中，模型调优具体包括：特征选择、结构优化、超参数调整。该基于AI大模型的软件规模度量方法及系统，通过整合人工智能、大数据处理和项目管理等多个领域的技术和方法，为软件开发团队提供了一种高效、准确的软件规模度量工具，通过基于AI大模型对软件规模进行度量，利用训练好的模型对软件项目的数据进行分析和预测，从而得出软件规模的估计值，有利于提高软件规模度量的准确性和效率，帮助软件开发团队更准确地度量软件项目的规模。
-
公开(公告)号：CN114548099B
公开(公告)日：2024-03-26
申请号：CN202210179889.9
申请日：2022-02-25
Applicant: 桂林电子科技大学
IPC: G06F40/289 , G06N3/042 , G06N3/0442 , G06N3/048 , G06N3/0464 , G06N3/084 , G06F40/126 , G06F16/35
Abstract: 本发明公开了一种基于多任务框架的方面词和方面类别联合抽取和检测方法，包括如下步骤：步骤1、得到文本嵌入表示；步骤2、生成文本特征表示；步骤3、生成ATE文本特征表示；步骤4、得到ATE共享向量；步骤5、生成最终的ATE文本表示；步骤6、利用条件随机场对ATE最终文本表示进行序列标注；步骤7、生成ACD文本特征表示；步骤8、得到ACD共享向量；步骤9、生成最终的ACD文本表示；步骤10、通过多标签分类器对ACD最终文本表示进行标签预测。这种方法提升了模型在任务中的性能，提高了模型的捕捉能力。
-
公开(公告)号：CN115293170A
公开(公告)日：2022-11-04
申请号：CN202210965059.9
申请日：2022-08-12
Applicant: 桂林电子科技大学
Abstract: 本发明提出了一种基于协同注意力的全局‑局部特征融合网络的方面级多模态情感分析方法，包括如下步骤：1）获得左文本上下文表示、右文本上下文表示、方面聚合表示以及图像局部表示；2）生成方面引导的全局文本特征表示和方面引导的全局图像特征表示；3）构建跨模态特征交互机制来同时生成融入视觉的局部文本特征表示和融入文本的局部视觉特征表示；4）构建门控的多模态融合机制；5）得到情感极性预测结果。该方法在方面级多模态情感分析任务中性能得到提升，能够有效地捕获模态内的全局语义关联和模态间的局部语义对齐。
-
公开(公告)号：CN111832573B
公开(公告)日：2022-04-15
申请号：CN202010536571.2
申请日：2020-06-12
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种基于类激活映射和视觉显著性的图像情感分类方法，涉及计算机视觉和图像处理技术领域。该方法首先通过深度卷积神经网络提取图像整体特征，利用多尺度全卷积神经网络对图像进行显著性检测，进一步得到图像的显著性区域特征，同时仅仅利用图像级别的情感标签，通过类激活映射生成图像的情感分布图并提取情感区域特征。图像显著性区域特征和情感区域特征均视为图像的局部表示，将其与图像的整体特征进一步融合从而得到更具判别性的视觉特征并将其用于视觉情感分类。本发明不仅考虑图像整体信息，还充分利用了图像中重要的局部区域的信息，同时仅仅需要图片级别的情感标签，大大减轻了标注负担。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.035 seconds)
