-
公开(公告)号：CN114996401B
公开(公告)日：2025-02-14
申请号：CN202210610674.8
申请日：2022-05-31
Applicant: 福州大学
IPC: G06F16/334 , G06F40/30 , G06F18/22 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于双重匹配的观点型机器阅读理解方法及系统。该系统包括：数据预处理模块对文本数据进行预处理，对数据进行分词、计算位置信息等操作，将单词映射到语义空间中获取文本表示；双重匹配模块利用动态和多维度的两种匹配机制计算文档和问题的交互表示；多路注意力模块通过不同注意力机制从不同角度捕获全局观点信息，拼接后获得文档和问题的多路注意力表示；融合模块使用门控选择机制对文档和问题的全局观点信息综合上下文信息进行汇总，得到统一的观点证据表示；预测模块利用观点证据表示对问题答案进行预测，选择正确概率最大的选项作为问题的答案。本发明能够更好的根据文本内容结合观点信息对问题进行回答。
-
公开(公告)号：CN116051304A
公开(公告)日：2023-05-02
申请号：CN202211634214.5
申请日：2022-12-19
Applicant: 福州大学
IPC: G06Q50/00 , G06N7/01 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于级联间关系的信息传播预测系统，包括：异质图卷积模块，用于获取异质图的网络节点特征向量；用户注意力模块，用于利用注意力机制对异质图卷积模块得到的网络节点特征向量进行处理，对用户间的内在关系进行权重的分配，得到新的特征向量；级联间关系图卷积模块，用于从级联图中获取级联间关系；时间衰减网络模块，用于将时间衰减信息引入到级联的特征表示中；多头自注意力模块，用于调整带有时间衰减信息的级联特征权重，得到最终的级联表示；信息传播预测输出模块，用于利用最终的级联表示计算得到下一时间节点中各用户节点的概率分布。该系统有利于提高信息级联预测的效果。
-
公开(公告)号：CN114996401A
公开(公告)日：2022-09-02
申请号：CN202210610674.8
申请日：2022-05-31
Applicant: 福州大学
Abstract: 本发明涉及一种基于双重匹配的观点型机器阅读理解方法及系统。该系统包括：数据预处理模块对文本数据进行预处理，对数据进行分词、计算位置信息等操作，将单词映射到语义空间中获取文本表示；双重匹配模块利用动态和多维度的两种匹配机制计算文档和问题的交互表示；多路注意力模块通过不同注意力机制从不同角度捕获全局观点信息，拼接后获得文档和问题的多路注意力表示；融合模块使用门控选择机制对文档和问题的全局观点信息综合上下文信息进行汇总，得到统一的观点证据表示；预测模块利用观点证据表示对问题答案进行预测，选择正确概率最大的选项作为问题的答案。本发明能够更好的根据文本内容结合观点信息对问题进行回答。
-
公开(公告)号：CN114969292A
公开(公告)日：2022-08-30
申请号：CN202210610767.0
申请日：2022-05-31
Applicant: 福州大学
IPC: G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多回复解码器的对话系统。数据预处理模块对系统回复和用户对话进行去词化操作；对话编码器模块负责编码历史对话信息，将对话文本序列映射为对应时间步的隐藏状态表征向量；对话状态解码器模块负责根据对话编码器的输出和上一轮对话状态，解码出本轮对话状态；外部数据库模块，负责根据对话状态解码器的输出查询满足用户要求的所有实体，以三元组（领域，槽，槽值）的形式存储；系统动作解码器模块，负责根据对话状态解码器的输出、数据库的返回结果和本轮用户对话解码出本轮系统动作；系统回复生成模块，由全局回复解码器、专业子解码器及通道选择网络组成。本发明能够提高系统回复的准确性，提高用户和系统的交互效率。
-
公开(公告)号：CN112199606B
公开(公告)日：2022-06-03
申请号：CN202011186366.4
申请日：2020-10-30
Applicant: 福州大学
IPC: G06F16/9536 , G06F40/289 , G06N3/04
Abstract: 本发明涉及一种基于层次用户表示的面向社交媒体的谣言检测系统，包括数据预处理模块，用于对数据进行预处理，抽取用户静态行为特征，按照时间序列对数据进行分段处理；文本表示学习模块，用于从微博/推特文本内容层面以及时间段层面学习词语序列和时间段序列所蕴含的隐层表达，作为事件的文本表示向量，用户行为特征表示学习模块，用于捕获用户行为特征潜在的变化规律及其隐层信息，作为事件的用户行为特征表示向量；谣言检测标签输出模块，用于融合文本、用户行为特征隐藏向量表示，完成谣言检测的标签预测工作。本发明能够较好地对社交媒体上的谣言事件进行检测，并且在早期谣言检测中具备更加快速和稳定的检测效果。
-
Patent Agency Ranking
公开(公告)号：CN112183064B
公开(公告)日：2022-06-03
申请号：CN202011138387.9
申请日：2020-10-22
Applicant: 福州大学
IPC: G06F40/211 , G06F40/289 , G06F40/284 , G06F40/30 , G06F40/126 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多任务联合学习的文本情绪原因识别系统。包括：数据预处理模块，用于对数据进行预处理；文本编码模块，提取文本内容上下文依赖关系，获取其隐层向量表示，作为文本子句信息的整体表示；相对位置信息嵌入模块，从相对位置表示中学习出相对位置信息，并将其嵌入到文本子句向量中。情绪分类子任务模块，通过引入情绪分类子任务，使模型学习到的相对位置信息表示能帮助情绪识别任务精准的定位目标子句的位置；情绪原因识别标签输出模块，用于分析文本子句之间的上下文关系，完成情绪原因识别的标签预测工作。本发明能够从文本数据中学习高质量的文本向量特点，最终标注出关键情绪词的原因。
-
公开(公告)号：CN110879834B
公开(公告)日：2022-06-03
申请号：CN201911180005.6
申请日：2019-11-27
Applicant: 福州大学
IPC: G06F16/33 , G06F40/205 , G06F40/242 , G06F40/279 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于循环卷积网络的观点检索系统及其观点检索方法，数据预处理模块对文本数据进行预处理；查询语句与文档相关性得分计算模块将查询‑文档分别映射到低维的语义空间中获取词向量表示，输入循环神经网络学习文本上下文语义信息，计算出相关性得分；待查询文档的观点得分计算模块计算文档的观点得分；统一相关检索模块根据相关性得分以及文档观点得分进行计算，由高到低排序得到查询的观点检索结果；排序学习检索模块将相关性得分作为新的特征加入到常用的特征、文本概念化特征、网络表示特征和观点得分特征中，将这些特征融入到排序学习框架中进行分类，按照顺序输出文档。本发明能够更好的提高语义泛化程度观点检索模型的准确性。
-
公开(公告)号：CN113505924A
公开(公告)日：2021-10-15
申请号：CN202110776900.5
申请日：2021-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种基于级联时空特征的信息传播预测方法及系统。将给定的信息级联转换为向量形式；捕获级联的时序特征，获得级联在时间维度上的特征向量；利用社交关系图和级联图构造异质图，捕获网络节点的依赖上下文；捕获信息在网络中传播的拓扑特征；融合得到级联的时空特征；根据网络节点在时间维度上的位置关系对级联不同时刻的历史时空特征进行加权，得到级联在不同时刻加权后的特征向量；而后使用多头自注意力调整级联不同时刻节点的重要性，得到最终的级联特征表示；利用级联最终的特征表示进行信息传播预测，得到下一个时刻节点激活的概率分布，选择激活概率最大的节点作为下一时刻激活的节点。本发明能够更好地预测下一时刻激活的节点。
-
公开(公告)号：CN112328782A
公开(公告)日：2021-02-05
申请号：CN202011219386.7
申请日：2020-11-04
Applicant: 福州大学
Abstract: 本发明涉及一种融合图像过滤器的多模态摘要生成方法，包括步骤：获取输入文本的隐藏表示，得到文本上下文向量；提取输入图像的全局图像特征向量，并进行加权和计算得到图像上下文向量；对文本上下文向量与图像上下文向量进行融合，得到多模态信息的融合向量；采用图像过滤器来过滤图像中的噪声，选择最显著的图像特征，对图像上下文向量进行权重更新，并得到更新后的融合向量；采用单向的长短期记忆网络作为解码器，将更新后的融合向量解码得到最终的文本摘要。本发明从图像信息和文本信息融合出发，充分利用不同模态的信息提高文本摘要质量，并且能够应用于更大规模数据集应用场景。
-
公开(公告)号：CN112183064A
公开(公告)日：2021-01-05
申请号：CN202011138387.9
申请日：2020-10-22
Applicant: 福州大学
IPC: G06F40/211 , G06F40/289 , G06F40/284 , G06F40/30 , G06F40/126 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于多任务联合学习的文本情绪原因识别系统。包括：数据预处理模块，用于对数据进行预处理；文本编码模块，提取文本内容上下文依赖关系，获取其隐层向量表示，作为文本子句信息的整体表示；相对位置信息嵌入模块，从相对位置表示中学习出相对位置信息，并将其嵌入到文本子句向量中。情绪分类子任务模块，通过引入情绪分类子任务，使模型学习到的相对位置信息表示能帮助情绪识别任务精准的定位目标子句的位置；情绪原因识别标签输出模块，用于分析文本子句之间的上下文关系，完成情绪原因识别的标签预测工作。本发明能够从文本数据中学习高质量的文本向量特点，最终标注出关键情绪词的原因。
-
-
-
-
-
-
-
-
-
Search Results
31
records
(took 0.023 seconds)
