-
公开(公告)号：CN107657015B
公开(公告)日：2021-03-19
申请号：CN201710881261.2
申请日：2017-09-26
Applicant: 北京邮电大学
IPC: G06F16/9537 , G06Q50/00
Abstract: 本发明实施例提供了一种兴趣点推荐方法、装置、电子设备及存储介质，所述方法包括：获取位置社交网络中目标用户的签到数据和社交信息；根据各所述签到位置，计算待推荐兴趣点在所述位置社交网络中的空间分布，其中，所述空间分布包括所述待推荐兴趣点在各签到位置之间的第一预测概率；根据各所述签到位置和所述社交信息，计算所述待推荐兴趣点在所述位置社交网络中的时间分布，其中，所述时间分布包括所述待推荐兴趣点在所有社交信息的签到位置的第二预测概率；根据所述第一预测概率和所述第二预测概率，向所述目标用户推荐兴趣点。应用本发明实施例，能够提高位置社交网络中兴趣点推荐的准确性，从而提升用户体验。
-
公开(公告)号：CN114898437B
公开(公告)日：2024-12-31
申请号：CN202210577016.3
申请日：2022-05-25
Applicant: 北京邮电大学
IPC: G06V40/16 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于频率学习的深度伪造人脸检测方法，提出一种频率感知注意力模块来检测伪造的人脸图像，可以细化频域的表示，促进对频率伪影的学习，有效提取了频域的伪影信息，通过双流框架来提取图像的特征，同时捕捉空间域中的伪影信息以及在空间域中难以捕获但在频域较为明显的伪影信息，通过对空间域和频域的交融学习，充分利用已有数据获得最好的表征结果。同时通过引入深度伪造对比损失函数，可以在区别真假人脸的基础上保留了由不同篡改技术获得的伪造人脸的相对分布，减少真实人脸的类内方差，且放大特征空间中的类间多样性，大大提高了伪造人脸检测的泛化性以及面对真实场景中各种未知篡改方法的鲁棒性。
-
公开(公告)号：CN119150868A
公开(公告)日：2024-12-17
申请号：CN202411180411.3
申请日：2024-08-27
Applicant: 国网山东省电力公司德州供电公司 , 北京邮电大学
IPC: G06F40/295 , G06F18/25 , G06F18/22 , G06N3/0455
Abstract: 本发明提供一种基于大模型和混合专家的增强感知命名实体识别方法，设计有四个任务单元架构，包括：基于文生图模型的数据增强任务、图文检索任务、基于混合专家模型的多模态信息融合任务以及基于大模型的生成式命名实体识别任务，本发明设计架构科学可靠，增强了改进命名实体识别的效果，利用大模型本身丰富的知识，为命名实体识别提供额外知识，增强外部信息，从而辅助命名实体识别效果；充分利用图像知识，并利用混合专家模型筛选重要信息，去除干扰信息，增强命名实体识别的鲁棒性；利用检索模型检索相似的命名实体识别例子，为目标样本识别提供增强的知识，增强实体识别性能，与现有技术相比，本发明提出的方法具有良好的性能。
-
公开(公告)号：CN119088982A
公开(公告)日：2024-12-06
申请号：CN202411192540.4
申请日：2024-08-28
Applicant: 国网山东省电力公司德州供电公司 , 北京邮电大学
IPC: G06F16/36 , G06F16/335 , G06F40/30 , G06N3/0455 , G06N3/082 , G06N5/022
Abstract: 本发明提供一种基于大小模型协作的数据增强实体关系三元组抽取方法，包括四个任务单元的架构设计：数据预处理任务、训练数据增强任务、多元实体对筛选任务和关系提取任务；充分利用文档的多模态信息作为句子文本补充，结合大小模型各自的优势以更好地进行实体关系三元组的提取，从而提高实体对筛选模型的训练效果和泛化能力，以处理包含多个实体关系三元组的复杂句式时的效率及准确性，不依赖于单一的数据源或传统信息抽取技术，具有高度的兼容性，可以广泛应用于电网业务领域中的多种信息抽取任务；还引入了依据大语言模型的初步提取结果的动态路由选择策略，以提高大语言模型在处理多个实体关系三元组时的鲁棒性，使其能够更准确地应对供应链管理中的复杂信息。
-
公开(公告)号：CN115964527B
公开(公告)日：2023-09-26
申请号：CN202310011361.5
申请日：2023-01-05
Applicant: 北京东方通网信科技有限公司 , 北京东方通科技股份有限公司 , 北京邮电大学
Abstract: 本发明提供了一种用于单标签图像检索的标签表征构建方法，包括：基于全连接神经网络确定单标签图像的标签表征，并基于标签表征平衡损失以及量化损失反向优化全连接神经网络；基于卷积神经网络提取单标签图像的图像特征，并与对应的标签表征之间的中心相似性损失来优化卷积神经网络；基于卷积神经网络提取待检索单标签图像特征，并符号化为二进制码，并基于二进制码实现对单标签图像的检索。通过确定单标签图像的单标签信息，同时，通过全连接神经网络生成各个标签的表征向量，并鼓励标签表征相互之间保持最大的距离，从而增加标签表征之间的可辨别性，将标签表征作为所有同标签图像特征的类中心，为图像特征学习提供了极大便利。
-
Patent Agency Ranking
公开(公告)号：CN115994237A
公开(公告)日：2023-04-21
申请号：CN202310015666.3
申请日：2023-01-05
Applicant: 北京东方通网信科技有限公司 , 北京东方通科技股份有限公司 , 北京邮电大学
IPC: G06F16/58 , G06V10/764 , G06V10/774 , G06V10/74 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种用于多标签图像检索的标签表征构建方法，其包括：确定多标签图像数据集中各标签之间的共现概率，并基于图卷积网络对各标签的初始表征向量进行融合，得到各标签的标签表征；基于卷积神经网络提取多标签图像的图像特征，并基于图像的标签及所得到的标签表征确定该图像的语义表征向量，且通过最小化中心相似性损失对卷积神经网络进行优化；基于卷积神经网络提取多标签图像的特征，并符号化为二进制码，并基于二进制码之间的汉明距离完成对待检索多标签图像的检索。通过标签表征平衡损失、量化损失以及图网络的处理，提高不同标签表征之间的可辨别性，同时为准确确定多标签图像类中心提供了保障，保障了多标签图像检索的准确率。
-
公开(公告)号：CN115424053A
公开(公告)日：2022-12-02
申请号：CN202210879098.7
申请日：2022-07-25
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/08
Abstract: 本申请公开了一种小样本图像识别方法、装置、设备及存储介质，所述方法包括：获取待识别的图像，根据所述待识别的图像构建图像插曲，所述图像插曲中包含支持集和查询集；将所述图像插曲输入预训练的图像识别模型，所述图像识别模型为基于困难插曲训练的小样本图像识别模型；根据所述图像识别模型计算所述查询集中的图像与支持集中的图像类别的相似度，根据所述相似度确定待识别的查询集中的图像类别。本申请实施例提供的图像识别方法，能够利用较少的图像样本进行模型训练和图像识别，且将困难插曲融入小样本图像识别模型训练过程中，使小样本图像识别模型能够更加高效快速的进行训练，且训练好的模型稳定性更高，图像识别的准确率也更高。
-
公开(公告)号：CN109871449A
公开(公告)日：2019-06-11
申请号：CN201910205698.3
申请日：2019-03-18
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于语义描述的端到端的零样本学习方法，通过类别语义描述特征自动化构建，使用长短期记忆神经网络完成对类别描述语义向量的生成。通过图像特征提取与零样本迁移建模联合训练实现一个基于语义描述的端到端(联合训练)的零样本学习模型的技术方案，解决使用单一词向量造成的非视觉性、歧义性。图像特征提取模块、零样本迁移建模模块联合训练，端到端的模型更加方便、快捷。语义向量构建可以针对不同场景定制，更加准确、高效。
-
公开(公告)号：CN106897436B
公开(公告)日：2018-08-07
申请号：CN201710112755.4
申请日：2017-02-28
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明实施例公开了种基于变分推断的学术研究热点关键词提取方法。该系统包括如下步骤:文本预处理步骤,将文本分割清洗成为词语的集合;文本表示步骤,通过TF‑IDF特征加权将词语组成的文本映射到向量空间中成为词向量;层次聚类步骤,使用高斯混合模型表示数据的分布,并通过变分推断方法估计混合模型的参数,将模型划分为几个高斯模型的混合,实现聚类的目的,再对每个类的样本进行高斯混合模型的变分推断,实现层次聚类;结果生成步骤:将层次聚类得到的每个类作为个话题,类中心里权值最高的词语作为该类的关键词,按照层次聚类的结构生成话题树。利用本发明实施例,能够高效、准确地提取定时间内学术研究的热点关键词,作为个合理的参考,具有实用价值。
-
公开(公告)号：CN107657015A
公开(公告)日：2018-02-02
申请号：CN201710881261.2
申请日：2017-09-26
Applicant: 北京邮电大学
CPC classification number: G06F17/3087 , G06Q50/01
Abstract: 本发明实施例提供了一种兴趣点推荐方法、装置、电子设备及存储介质，所述方法包括：获取位置社交网络中目标用户的签到数据和社交信息；根据各所述签到位置，计算待推荐兴趣点在所述位置社交网络中的空间分布，其中，所述空间分布包括所述待推荐兴趣点在各签到位置之间的第一预测概率；根据各所述签到位置和所述社交信息，计算所述待推荐兴趣点在所述位置社交网络中的时间分布，其中，所述时间分布包括所述待推荐兴趣点在所有社交信息的签到位置的第二预测概率；根据所述第一预测概率和所述第二预测概率，向所述目标用户推荐兴趣点。应用本发明实施例，能够提高位置社交网络中兴趣点推荐的准确性，从而提升用户体验。
-
-
-
-
-
-
-
-
-
Search Results
41
records
(took 0.034 seconds)
