-
公开(公告)号：CN118136055A
公开(公告)日：2024-06-04
申请号：CN202410269416.7
申请日：2024-03-11
Applicant: 重庆邮电大学
IPC: G10L25/63 , G10L15/02 , G10L15/06 , G10L15/16 , G10L15/183 , G06F40/279 , G06F40/30
Abstract: 本发明属于人工智能计算领域，具体涉及一种基于情绪感知的语音情绪识别方法，包括：获取预训练数据集和微调数据集，预训练数据集中包括原始音频序列和原始音频对应的原始文本；采用基于情绪词掩码策略对原始文本序列进行遮蔽，得到遮蔽后的文本序列；将遮蔽后的文本序列和原始音频序列输入到语音情绪识别模型中进行预训练；将微调数据集中的数据输入到预训练后的语音情绪识别模型中进行微调，得到最终的训练好的语音情绪识别模型；本发明利用情绪感知交互层中的相对位置嵌入层、相对位置类型嵌入层为文本编码特征赋予了情绪词的相对位置信息和相对位置类型信息。
-
公开(公告)号：CN117743934A
公开(公告)日：2024-03-22
申请号：CN202311768703.4
申请日：2023-12-20
Applicant: 重庆邮电大学
IPC: G06F18/241 , G06F18/21 , G06N3/0464 , G06N3/048 , A61B5/372 , A61B5/16
Abstract: 本发明属于脑机接口领域，涉及一种基于数据增强的跨被试脑电信号情绪识别方法，包括：获取脑电信号并进行预处理；将预处理后的数据划分为源域和目标域数据；对源域数据进行数据屏蔽，将屏蔽后的数据输入数据增强网络，得到生成数据；将生成数据和目标域数据输入判别器，得到浅层域特征；将源域和目标域数据输入特征提取器，得到源域和目标域的浅层情绪特征；将源域浅层情绪特征输入分类器，得到分类结果；计算总体损失函数值，根据总体损失函数值更新参数，当达到训练次数时完成模型训练；本发明将脑电数据映射到矩阵中，使得矩阵包含脑电的空间信息以及电极间未测量区域的信息，将屏蔽后的数据通过数据增强网络得到多样化且具有真实分布的数据。
-
公开(公告)号：CN117372202A
公开(公告)日：2024-01-09
申请号：CN202311386643.X
申请日：2023-10-25
Applicant: 重庆邮电大学
IPC: G06Q50/06 , G06N3/0455 , G06N3/0442 , G06Q10/04
Abstract: 本发明涉及智慧城市领域，具体涉及一种基于大数据的居民小区二次供水需求预测方法，包括构建并训练二次供水需求预测模型；获取待处理数据输入训练好的二次供水需求预测模型，输出预测结果；本发明利用机器学习技术对历史用水数据和实时感知数据进行分析，能够更精确地预测未来需水量，有助于合理分配供水资源，提高供水设施的效率，减少浪费，降低运营成本。
-
公开(公告)号：CN115935994A
公开(公告)日：2023-04-07
申请号：CN202211589747.6
申请日：2022-12-12
Applicant: 重庆邮电大学
IPC: G06F40/295 , G06F18/214
Abstract: 本发明属于自然语言处理的命名实体识别领域，特别涉及一种智能识别电商标题方法，所述方法包括：收集电商数据样本，对数据进行标注；送入自注意力模型，得到词向量；使用掩码自注意力机制分别提取正向信息和反向信息；头指针与尾指针匹配时融入相对位置向量信息，得到预测的实体片段，本发明引入辅助学习任务，让实体边界更加清晰；采用掩码自注意力机制表达正向和反向的信息，保证前后信息不会被泄露；头指针与尾指针匹配融入相对位置向量，提升相邻位置的语义表达。
-
公开(公告)号：CN115905533A
公开(公告)日：2023-04-04
申请号：CN202211479591.6
申请日：2022-11-24
Applicant: 重庆邮电大学
IPC: G06F16/35 , G06F16/33 , G06N3/0464 , G06N3/08
Abstract: 本发明属于自然语言处理的多标签分类领域，具体涉及一种多标签文本智能分类方法；该方法包括将文本与标签拼接后联合训练得到文本向量和标签向量；将文本向量和标签向量输入局部分层注意力模块得到交互文本特征向量和交互标签特征向量；采用MV‑MoE多视角专家分类模块对交互文本特征向量进行多视角分类，对多视角分类结果加权求和得到预测标签概率；通过标签语义融合模块对预测标签概率和交互标签特征向量进行处理，得到多标签文本分类结果；采用分类损失函数计算损失调整模型参数；本发明大大提高了模型在分类阶段的鲁棒性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN115588122A
公开(公告)日：2023-01-10
申请号：CN202211383002.4
申请日：2022-11-07
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/82 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明属于文本分类领域，具体涉及一种基于多模态特征融合的新闻分类方法，包括：获取原始新闻样本数据；对原始新闻文本进行特征提取得到原始新闻文本向量，对每个原始新闻配图进行特征提取得到每个原始新闻配图的图片序列向量；将原始新闻文本向量和所有原始新闻配图的图片序列向量输入新闻分类模型进行训练；获取目标新闻样本数据，得到目标新闻文本向量和多个目标新闻配图的图片序列向量，将目标新闻文本向量和多个目标新闻配图的图片序列向量输入新闻分类模型得到目标新闻样本数据的分类结果，本发明通过对新闻文本和新闻中的配图进行特征提取从而对用户上传至社交平台的新闻进行分类，使分类的结果具有更高的准确性和可信度。
-
公开(公告)号：CN112487145B
公开(公告)日：2022-07-29
申请号：CN202011383623.3
申请日：2020-12-01
Applicant: 重庆邮电大学
Abstract: 本发明涉及自然语言处理技术领域，具体涉及一种O2O商铺食品安全监测方法，包括：采用主动学习算法对用户历史评论文本数据进行标注，得到标注样本集L；根据标注样本集L构建词向量；将标注样本集L和词向量输入AT‑GRU模型中进行深度学习，输出店铺是否存在安全隐患以及具体的安全隐患；将标注样本集L输入ELECTRA模型进行微调，得到较精确的预测结果。本发明使用了预训练模型ELECTRA进行微调，不仅可以找到有食品安全隐患的店铺，并且使用基于注意力机制的AT‑GRU模型，可以进行细粒度预测，自动化地提取出具体的食品安全隐患。
-
公开(公告)号：CN114358364A
公开(公告)日：2022-04-15
申请号：CN202111381076.X
申请日：2021-11-20
Applicant: 重庆邮电大学
IPC: G06Q10/04 , G06F16/735 , G06N3/04 , G06N3/08
Abstract: 本发明涉及大数据分析技术领域，公开了一种基于注意力机制的短视频点击率大数据预估方法，步骤包括构建数据集，并采用层次差异注意力算法获得领域特定用户好友嵌入；采用负责控制信息流入的双门控网络将用户个人嵌入分别与不同领域的用户好友信息嵌入融合；根据不同领域短视频嵌入为每个类型上下文嵌入分配权重，并通过加权融合得到对应领域的上下文嵌入；将各领域用户个人嵌入、上下文嵌入以及短视频嵌入输入到一个共享特征交叉式双MMoE网络，基于动态学习集成策略，得到各领域点击率预测值。本发明能够解决目前短视频跨域推荐算法忽视不同领域之间的差异，在进行信息迁移的过程中存在负迁移现象的问题。
-
公开(公告)号：CN112487143A
公开(公告)日：2021-03-12
申请号：CN202011368536.0
申请日：2020-11-30
Applicant: 重庆邮电大学
IPC: G06F16/33 , G06F16/35 , G06F40/211 , G06F40/284 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于自然语言处理的文本分类领域，具体涉及一种基于舆情大数据分析的多标签文本分类方法，该方法包括：获取高校文本数据，根据高校文本数据构建拓扑图；将拓扑图输入到训练好的多标签文本分类模型中，得到高校文本数据的分类结果；所述多标签文本分类模型包括图卷积神经网络GCN和注意力残差网络；本发明采用GCN图卷积网络解决了从高校新闻评论数据错综复杂的信息结构中提取信息的困难，通过词句分级层次的对高校文本语料提取特征，充分挖掘文本词与词，句与句之间的文字内涵，同时为模型训练加入更加丰富的语料信息，对特征引入基于注意力的类残差融合，进一步分解文本对标签预测的影响。
-
公开(公告)号：CN106875670B
公开(公告)日：2019-12-31
申请号：CN201710131675.3
申请日：2017-03-07
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种Spark平台下基于GPS数据的出租车调配方法，包括：101从调度中心获取出租车历史GPS数据部署到Spark平台上，对数据做并行地预处理操作；102在Spark平台下对出租车历史GPS数据进行分析，提取特征建立回归模型；103在Spark平台下对出租车的实时GPS数据进行提取并预测其未来的路径、终点位置以及到达时间；104根据预测结果对出租车的调配进行优化。本发明主要是在Spark平台下解决出租车调配问题，通过对出租车历史GPS数据的分析，提取特征建立回归模型，从而预测出租车未来的GPS路径、终点位置以及到达时间，继而对出租车的调配进行优化。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.023 seconds)
