公开(公告)号：CN119849444A

公开(公告)日：2025-04-18

申请号：CN202411750813.2

申请日：2024-12-02

Applicant: 扬州大学

Inventor： 强继朋 ,  方登朝 ,  朱毅 ,  袁运浩

IPC: G06F40/166 ,  G06F40/216

Abstract: 本发明公开了一种基于多智能体大模型的长文档简化方法，包括1）划分模拟人类专家团队的角色分配并借助角色扮演提示模板驱动大语言模型实现不同的角色分工；2）对原始文档进行整体规划，产生对后续的各项简化工作有全局指导性的信息；3）针对原始文档进行初步的简化和迭代优化；4）在初步简化的基础上进行更加细致的简化；5）将经过了多重简化操作的多个简化片段重构为整篇简化文章并进行修订；6）基于生成的平行语料微调开源模型，提高文档简化能力。本发明通过多智能体协作、提示工程以及层次化简化策略，解决了现有文档简化技术中存在的语法错误、语义偏差以及长文档处理逻辑混乱等问题，提高了文档简化的准确性、流畅性和信息完整性。

公开(公告)号：CN118885669A

公开(公告)日：2024-11-01

申请号：CN202411056779.9

申请日：2024-08-02

Applicant: 扬州大学

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

IPC: G06F16/9535 ,  G06F16/35 ,  G06F16/34 ,  G06F40/186 ,  G06N3/045 ,  G06N3/0442 ,  G06F40/216 ,  G06F40/194

Abstract: 本发明公开了一种基于软提示调优的个性化新闻推荐方法，包括1）对每个用户进行建模，引入新闻的附加侧边信息，包括新闻的子类别和摘要，以丰富新闻的特征表示；2）选择合适的预训练语言模型，将训练模型作为主干，构建提示学习中的标签词和模板；3）通过三种优化策略扩展标签词映射器，得到优化后的标签词集；4）在通过各种策略成功构建最终的标签词映射器之后，将每个标签词的预测概率适当地映射到它们各自的类别中。本发明针对个性化新闻推荐的特殊需求对模型进行了优化，能够充分提取新闻文本特征，显著提升了推荐的准确性。通过提示学习结合预训练语言模型，显著减少了额外的噪声，并实现更准确的推荐结果。

公开(公告)号：CN111242082B

公开(公告)日：2023-10-13

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: G06V40/16 ,  G06V10/77 ,  G06V10/774 ,  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：CN111275624B

公开(公告)日：2023-08-08

申请号：CN202010069717.7

申请日：2020-01-21

Applicant: 扬州大学

Inventor： 袁运浩 ,  李进 ,  李云 ,  强继朋

IPC: G06T3/40 ,  G06V40/16 ,  G06V10/77

Abstract: 本发明公开了基于多集典型相关分析的人脸图像超分辨率重建识别方法，包括以下步骤：1利用多集典型相关分析，可以同时为同源的各种低分辨率人脸视图学习多种特定分辨率的映射，将多视图人脸图像分成重叠的图像块，再利用多集典型相关分析提取图像块主成分的潜在相干特征；2利用邻域重建策略重建出全局人脸图像，再通过残差补偿对全局人脸图像补充细节；3最终输出的超分辨率重建结果为全局人脸图像加上残差人脸图像。本发明具有一定的理论基础，在不同数据库下测试结果表明本发明具有较强的鲁棒性，具有一定的市场实施的可行性，解决了目前绝大多数现有算法无法处理的多视图超分辨率问题，具有较大的创新性与实用性。

公开(公告)号：CN111652695B

公开(公告)日：2023-05-30

申请号：CN202010529350.2

申请日：2020-06-11

Applicant: 扬州大学

Inventor： 朱毅 ,  李云 ,  强继朋 ,  袁运浩

IPC: G06Q30/0601 ,  G06Q30/0202 ,  G06N3/0455 ,  G06N3/08

公开(公告)号：CN112949718A

公开(公告)日：2021-06-11

申请号：CN202110235176.5

申请日：2021-03-03

Applicant: 扬州大学

Inventor： 袁运浩 ,  武照奇 ,  李云 ,  强继朋 ,  朱毅 ,  朱俊武

IPC: G06K9/62

Abstract: 本发明公开了一种半配对多视图邻域相关分析方法，包括1）利用k邻域和径向基函数计算视图内样本的相似度矩阵；2）利用视图间样本共享的配对样本和视图内样本的相似度矩阵，计算不同视图间样本的相似度矩阵；3）构建半配对多视图邻域相关分析的最优化模型，并利用拉格朗日乘子法将其转化成广义特征值问题；4）求解广义特征值问题；5）使用每个视图的投影矩阵，分别对训练样本和测试样本进行降维，获取其低维表示；6）使用k近邻分类器对降维后的测试数据进行识别，并计算识别率。本发明不仅能够揭示配对多视图样本间的相关性，而且还能有效地利用大量未配对样本所蕴含的信息，因此可以有效缓解因配对样本数量有限所导致的过拟合现象。

公开(公告)号：CN111292237A

公开(公告)日：2020-06-16

申请号：CN202010069628.2

申请日：2020-01-21

Applicant: 扬州大学

Inventor： 袁运浩 ,  李进 ,  李云 ,  强继朋

IPC: G06T3/40

Abstract: 本发明公开了基于二维多集偏最小二乘的人脸图像超分辨率重建方法，包括以下步骤，1人脸图像首先被分为多个重叠的图像块，再利用二维多集偏最小二乘方法提取二维人脸图像块的潜在特征；2利用邻域重建策略以及图像块合并对输入的低分辨率人脸图像进行高频人脸图像重建；3最终输出的超分辨率重建图像为重建出的高频图像加上输入的低分辨率人脸图像。本发明具有一定的理论基础，创新性地提出了二维多集偏最小二乘方法，在不同数据库下测试结果表明具有较强的鲁棒性，有一定的市场实施的可行性，解决了目前绝大多数现有算法无法处理的多视图超分辨率问题，具有较大的创新性与实用性。

公开(公告)号：CN106201701A

公开(公告)日：2016-12-07

申请号：CN201610569560.8

申请日：2016-07-14

Applicant: 扬州大学

Inventor： 李云 ,  阮敏 ,  袁运浩

IPC: G06F9/48

CPC classification number: G06F9/4881 ,  G06F2209/484

Abstract: 本发明涉及一种带任务重复的工作流调度算法。本发明根据用户提交的任务初始化DAG图，根据DAG图的优先级构建任务队列V，V＝{v1，v2，Λ，vn}，计算任务队列V的首个任务vi在虚拟列表中每个处理器上的完成时间，比较查找任务vi的最小完成时间Tft(vi，Pk)，构建任务队列A存储需要重复的任务，任务队列B存储已经重复过的任务，任务按照最早开始时间非递增存储，采用遗传算法迭代出最优解，将映射好的任务分配到相应的资源以获得最优调度方案。本发明克服了DAG图不具有明显的分层和清晰的优先级约束的缺陷。本发明由于在D-IAHA和IAHA中，任务在交叉和变异阶段中的是否要选择变异的资源时考虑到了任务的出错概率，所以大大减少任务在处理器上执行时的出错次数。

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：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。