公开(公告)号：CN111242082A

公开(公告)日：2020-06-05

申请号：CN202010069619.3

申请日：2020-01-21

Applicant: 扬州大学

Inventor： 袁运浩 ,  李进 ,  李云 ,  强继朋

IPC: G06K9/00 ,  G06K9/62 ,  G06T3/40

Abstract: 本发明公开了基于分数阶正交偏最小二乘的人脸超分辨率重建识别方法，包括以下步骤：1利用分数阶正交偏最小二乘，将组内和组间协方差矩阵通过分数阶特征值和奇异值重新调整，再计算投影方向，将人脸图像特征映射到子空间中，通过邻域重建的思想重建出低分辨率输入高分辨率全局脸特征；2利用邻域重建方法构造高分辨率人脸残差块，将残差块合成得到高分辨率人脸残余补偿，通过残差补偿策略补充人脸细节；3最终算法输出的高分辨率人脸图像为全局人脸加上残差补偿，其中高分辨率全局脸特征可用于人脸识别。本发明在人脸超分辨率重建与识别应用中，能够获得更好的人脸重建效果和更高的人脸识别准确率。

公开(公告)号：CN110096704A

公开(公告)日：2019-08-06

申请号：CN201910354228.3

申请日：2019-04-29

Applicant: 扬州大学

Inventor： 强继朋 ,  李云 ,  袁运浩

IPC: G06F17/27

Abstract: 本发明公开了主题模型领域内的一种短文本流的动态主题发现算法，按如下步骤进行：步骤1、初始化第1时间点下文档集合的每篇文档的主题；步骤2、迭代学习第1时间点文档集合的每篇文档的主题；步骤3、获取第1时间点的主题分布和主题中词的分布；步骤4、初始化第t时间点(t>1)文档集合的每篇文档的主题；步骤5、迭代学习第t时间点文档集合的每篇文档的主题；步骤6、获取第t时间点的主题分布和主题中词的分布；步骤7、删除t-1时间点的主题；步骤8、对后续时间点下的文档集合，依次采用步骤4、5、6和7进行学习，本发明能够充分考虑短文本的稀疏性，结合上一时间下的文档的主题分布进行学习，从而能够更有效的发现短文本流中的隐含主题。

公开(公告)号：CN118132709A

公开(公告)日：2024-06-04

申请号：CN202410272235.X

申请日：2024-03-11

Applicant: 扬州大学

Inventor： 李云 ,  王书琴 ,  朱毅 ,  强继朋 ,  袁运浩

IPC: G06F16/332 ,  G06F16/35 ,  G06F40/30 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明公开了一种基于提示学习扩展标签词的领域自适应方法，1）在带有标记的源域数据上进行预训练，利用掩码语言模型学习源域数据的语言特征，随后将此模型迁移到目标域进行应用；2）通过引入外部的先验知识，利用知识图谱Probase获取每个类别y相关的多个扩展标签词，对源域和目标域的标签词空间分别进行扩展，并对得到的标签词集取交集；3）将目标域数据嵌入到提示模板中，提示学习模型预测扩展后的标签词集中每个单词的概率，将每个单词得到的预测概率映射到具体地类别标签上，并对预测的概率取平均值作为最后类别分类的依据。本发明通过利用源域的少量标注数据训练模型，来引导模型学习目标领域的有用特征，提高模型的适应性和泛化能力。

公开(公告)号：CN117708315A

公开(公告)日：2024-03-15

申请号：CN202311709130.8

申请日：2023-12-13

Applicant: 扬州大学

Inventor： 强继朋 ,  方登朝 ,  李云

IPC: G06F16/34 ,  G06F40/211 ,  G06F40/253 ,  G06N3/0455 ,  G06N3/096

Abstract: 本发明公开了一种基于层级化生成的长文档简化处理方法及系统，涉及长文档处理技术领域，包括将获取的文档进行筛选处理，利用大语言模型提供接口构建长文档简化提示框架；对输入文档进行句法分析，将文档划分为多个段落，存储在列表中，进行初次段落级别简化，对进行初次段落级别简化后得到的文档，进行二次词法级别简化；通过构建的提示框架对句子中的表达进行最终简化，得到长文档简化处理结果，验证简化处理效果。本发明可以简化更加复杂、体裁、语言、篇幅更长的文档，简化程度较高、效果更好。生成的简化文档在保证与原文含义尽量相同的情况下，拥有更小的出错率，拥有更符合人类阅读习惯的简化结果。

公开(公告)号：CN116932917A

公开(公告)日：2023-10-24

申请号：CN202311018096.X

申请日：2023-08-14

Applicant: 扬州大学

Inventor： 朱毅 ,  耿宜帅 ,  李云 ,  强继朋 ,  袁运浩

IPC: G06F16/9535 ,  G06F16/951 ,  G06F16/36 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了个性化数据推荐研究领域的一种基于PNN的多特征扩展自编码器推荐算法，包括如下步骤：通过开放知识图谱DBpedia扩展项目的辅助特征信息；将扩展的特征信息进行LsiModel向量化表示，并利用PNN进行特征交叉融合，挖掘不同特征之前的潜在特征关系，将其嵌入到低维特征向量中；将评级信息、属性信息和扩展到特征信息合并到半自编码器，通过半自编码器提取鲁棒的特征表示，帮助评级矩阵更好地重构输出，与原始的评分矩阵进行对比，计算预测精度，实现更加精确的推荐。本发明利用知识图谱对项目特征信息进行扩展，并有效融合不同特征之间的特征关联，通过半自编码器学习更高级的特征表示，达到为用户进行更准确推荐的目的。

公开(公告)号：CN112966735B

公开(公告)日：2023-09-12

申请号：CN202110235178.4

申请日：2021-03-03

Applicant: 扬州大学

Inventor： 袁运浩 ,  朱莉 ,  李云 ,  强继朋 ,  朱毅 ,  李斌

IPC: G06F18/25 ,  G06F18/214 ,  G06F18/213 ,  G06F17/16 ,  G06F17/18

Abstract: 本发明公开了一种基于谱重建的监督多集相关特征融合方法，包括1）定义训练样本集的投影方向；2）计算训练样本的组间类内相关矩阵和自协方差矩阵；3）组间类内相关矩阵做奇异值分解，自协方差矩阵做特征值分解；4）重构分数阶组间类内相关矩阵和分数阶自协方差矩阵；5）构建FDMCCA的最优化模型；6）求解特征向量矩阵，形成投影矩阵；7）融合降维后的特征；8）选取不同数量的图像分别做训练集和测试集，计算识别率。本发明能够有效地处理多个视图数据的信息融合问题，同时分数阶参数的引入削弱了因噪声干扰和有限训练样本带来的影响，提高了系统识别的准确率。

公开(公告)号：CN115640829A

公开(公告)日：2023-01-24

申请号：CN202211273240.X

申请日：2022-10-18

Applicant: 扬州大学

Inventor： 李云 ,  沈辉 ,  朱毅 ,  强继朋 ,  袁运浩

IPC: G06N3/045 ,  G06N3/047 ,  G06N3/0895

Abstract: 本发明公开了一种基于提示学习的伪标签迭代的领域自适应方法，包括1）选择Bert模型，将该预训练语言模型作为主干，对提示学习方法中的模板和标签词进行设置；2）构造出所需要的提示学习模型，随机选取少量源域数据样本进行训练，通过预训练语言模型进行掩码语言建模，对输入的目标域句子预测出其伪标签；3）随机选取少量其伪标签目标域数据进行训练，通过提示学习方法，再次预测出目标域数据的伪标签，通过多次迭代，得到目标域中部分数据样本的标签，最后在目标域标签中，再选取少量带有标签的目标域数据样本进行训练。本发明利用提示学习伪标签迭代的方法，在少量源域数据样本的前提下，能够在目标域分类任务中达到更好的性能。

公开(公告)号：CN115578149A

公开(公告)日：2023-01-06

申请号：CN202211210238.8

申请日：2022-09-30

Applicant: 扬州大学

Inventor： 朱毅 ,  任海军 ,  李云 ,  强继朋 ,  袁运浩

IPC: G06Q30/06 ,  G06F16/9536 ,  G06F16/901 ,  G06Q30/00 ,  G06Q50/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于循环图神经网络及半自编码机的团购推荐方法，包括1）使用改进的关联规则算法获得每个商品关联性强的对应商品属性信息，并使用multi‑hot方法向量化，作为商品额外信息；2）使用图卷积神经网络获取不同时段用户‑商品的深层图特征表示，输入单层BiLSTM捕获时间特性；3）使用自编码机对循环图神经网络获得的图特征进行降维，将自编码机的编码层输出作为提取的低维特征表示；4）将获得的低维特征表示作为额外信息输入到半自编码机模型中实现团购推荐。本发明利用图卷积神经网络获取用户‑商品的深层图特征关系，利用BiLSTM捕获时序特征，并通过自编码机处理拓展特征，将这些特征输入自编码机模型，达到为用户进行更准确推荐的目的。

公开(公告)号：CN114842276A

公开(公告)日：2022-08-02

申请号：CN202210546097.0

申请日：2022-05-18

Applicant: 扬州大学

Inventor： 袁运浩 ,  汪鑫垚 ,  李云 ,  强继朋 ,  朱毅 ,  张涛

IPC: G06V10/77 ,  G06K9/62 ,  G06V10/80 ,  G06V40/16

Abstract: 本发明公开了一种基于多图融合的典型相关分析的降维方法，该方法针对已有的图嵌入降维算法仅使用单一图结构的问题，提出了一种能够利用多种类型的图揭示数据的内在结构的典型相关分析算法模型。在本发明中，通过构建多种不同的图来描述数据的结构，并且使用图融合框架为每个图赋予权重并且将这些图进行融合成为一个“最佳图”，将融合后的图与典型相关分析模型相结合，通过交替迭代的优化方法求出投影向量并更新多图的权重直至收敛从而得到最终的投影向量，完成降维任务。

公开(公告)号：CN114722206A

公开(公告)日：2022-07-08

申请号：CN202210419204.3

申请日：2022-04-20

Applicant: 扬州大学

Inventor： 朱毅 ,  周鑫柯 ,  李云 ,  强继朋 ,  袁运浩

IPC: G06F16/35 ,  G06F16/36 ,  G06F40/289 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于关键词筛选和注意力机制的极短文本分类方法，包括：（1）设计和实现关键词筛选算法，通过知识图谱引入额外知识来优化极短文本的特征表示；（2）通过带有注意力机制的双向长短期记忆模型(Attention‑based BiLSTM)得到极短文本的表示；（3）构建两种对于额外知识的注意力机制，以学习得到更加重要和相关的知识；（4）最终将极短文本表示与额外知识相结合，用softmax分类器在极短文本数据集上进行分类，并得到分类结果。本发明提高了表示学习和特征提取的效果，提升了数据集分类的准确性，具有较高的鲁棒性和实用性。