-
公开(公告)号：CN116776001B
公开(公告)日：2025-05-09
申请号：CN202310794755.2
申请日：2023-06-30
Applicant: 福州大学
IPC: G06F16/9535 , G06F16/36 , G06F18/214 , G06N3/042 , G06N3/084 , G06N3/0895
Abstract: 本发明涉及一种基于知识增强与对比学习的点击率预测方法及系统，该方法包括以下步骤：步骤A：采集用户的行为数据，包含用户ID、商品ID、商品类型和交互时间，构建点击率预测训练集；步骤B：使用训练集训练基于知识增强与对比学习的深度学习网络模型；步骤C：将用户、商品数据输入训练好的深度学习网络模型中，输出当前用户对候选商品的点击概率。该方法及系统有利于提高点击率预测的准确性。
-
公开(公告)号：CN114706977B
公开(公告)日：2025-03-14
申请号：CN202210182172.X
申请日：2022-02-25
Applicant: 福州大学
Abstract: 本发明涉及一种基于动态多跳图注意力网络的谣言检测方法及系统，该方法包括以下步骤：步骤A：提取已知事件下的帖子的用户信息、回复信息及帖子间的转发或评论关系，并标注每个事件是否为谣言，构建训练集S；步骤B：使用训练集S训练基于动态多跳图注意力网络的深度学习网络模型G，用于分析每个事件是否为谣言；基于动态多跳图注意力网络的谣言检测模型步骤C：将提取的用户信息、回复信息和帖子间关系与帖子的文本信息一起输入到训练后的深度学习网络模型G中，得到对每个事件是否为谣言的预测。该方法及系统有利于提高谣言检测的准确性。
-
公开(公告)号：CN119294438A
公开(公告)日：2025-01-10
申请号：CN202411418470.X
申请日：2024-10-11
Applicant: 福州大学
IPC: G06N3/042 , G06N3/0464 , G06F16/35 , G06N5/022 , G06N5/04 , G06F40/205 , G06F16/901 , G06F40/30 , G06N3/084 , G06N3/047 , G06N3/048
Abstract: 本发明涉及一种基于AMR图信息增强的对话状态跟踪方法及系统，该方法包括以下步骤：步骤A：采集对话数据，建立包含对话、对话状态的对话训练集DS；步骤B：构建基于AMR图信息增强的深度学习网络模型M，所述深度学习网络模型M通过AMR解析器从每一轮对话中提取其AMR对话结构，利用图神经网络获取基于AMR的对话表征，使用多头注意力机制与原始对话信息交互来融合图和文本信息，从而通过深度学习网络模型M来追踪对话状态；使用对话训练集DS训练基于AMR图信息增强的深度学习网络模型M；步骤C：将对话输入到训练好的深度学习网络模型M中，输出对应的对话状态。该方法及系统提高了对话状态追踪的准确性，适应性强，提升了用户体验。
-
公开(公告)号：CN118246456A
公开(公告)日：2024-06-25
申请号：CN202410247391.0
申请日：2024-03-05
Applicant: 福州大学
IPC: G06F40/30 , G06F40/289 , G06F18/25 , G06F40/284
Abstract: 本发明涉及一种基于一致性感知的多模态情感分析方法及系统，该方法包括：A、使用预训练模型初始化评论文本表示和方面词表示，并使用ResNet初步提取图片特征表示；B、构建一致性感知模型，并以步骤A得到的数据进行模型训练；一致性感知模型依据句法依赖关系、成分树结构确定多层图注意力网络中边关系邻接矩阵；构建多粒度视觉‑文本交互模块，获得多粒度文本‑视觉融合特征表示；构建一致性学习模块，输出方面特定的图片情感文本化表示；最后融合多粒度视觉‑文本交互模块以及一致性学习模块的输出，作为方面词情感表示；C、使用方面词情感表示，预测该方面词对应的情感极性。该方法及系统有利于提高多模态方面提取和情感分析答案预测的准确性。
-
公开(公告)号：CN112750426B
公开(公告)日：2023-10-20
申请号：CN202110133543.0
申请日：2021-02-01
Applicant: 福州大学
Abstract: 本发明涉及一种移动终端语音分析系统。包括：数据预处理模块，对输入的语音信号进行预处理，转换成RGB图像；语音识别模块，对RGB图像大小进行调整，输入神经网络进行训练，得到神经网络模型；待识别的加速度计数据经过预处理和图像大小调整后输入训练后的神经网络模型，输出预测结果；语音重构模块，实现从加速度信号重构出语音信号的功能；对于输入的加速度信号频谱图，重构模块内部基于自动编码器设计的神经网络会先对其进行处理，经过训练的神经网络模型，输出加速度信号对应的语音信号的频谱图，再使用Griffin‑Lim算法从语音信号频谱图还原出语音信号，达到从加速度信号重构出语音信号的目标。本发明能够实现完整的从加速度信号重构出语音信号的功能。
-
Patent Agency Ranking
公开(公告)号：CN113658130B
公开(公告)日：2023-07-28
申请号：CN202110935267.X
申请日：2021-08-16
Applicant: 福州大学
IPC: G06T7/00 , G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于双重孪生网络的无参考屏幕内容图像质量评估方法。包括：对失真屏幕内容图像数据集中的数据进行预处理，在每幅失真图像的灰度图上提取对应的结构特征图，生成对应结构特征图数据集，并将两个数据集划分为训练集与测试集；设计多头自注意力模块，学习失真图像特征与其对应结构特征之间的特征关联信息；设计支持双源输入的孪生网络，使用所设计的网络学习失真图像的多类失真信息；设计双重孪生的图像质量评估网络，训练所设计的网络得到无参考屏幕内容图像质量评估模型；将测试集中的失真屏幕内容图像和对应的结构特征图输入到训练好的基于双重孪生网络的无参考屏幕内容图像质量评估网络模型中，计算失真图像的质量评估分数。
-
公开(公告)号：CN116403231A
公开(公告)日：2023-07-07
申请号：CN202310398450.X
申请日：2023-04-14
Applicant: 福州大学
IPC: G06V30/412 , G06V30/19 , G06F17/16 , G06N3/0464 , G06N3/082
Abstract: 本发明涉及一种基于双视图对比学习与图剪枝的多跳阅读理解方法及系统，该方法包括以下步骤：步骤A：采集问题、文章上下文、答案和支持事实数据，构建多跳阅读理解训练集；步骤B：使用训练集训练用于多跳阅读理解的基于双视图对比学习与图剪枝的深度学习网络模型D；步骤C：将问题、文章数据依次输入深度学习网络模型D中，输出当前的问题的相应答案。该方法及系统有利于提高多跳阅读理解答案预测的准确性。
-
公开(公告)号：CN116402720A
公开(公告)日：2023-07-07
申请号：CN202310396874.2
申请日：2023-04-14
Applicant: 福州大学
IPC: G06T5/00 , G06V10/774 , G06V10/77 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明涉及一种基于反向去雨过程引导的图像雨滴去除方法。包括以下步骤：步骤S1、进行数据预处理，包括数据配对、数据随机裁切、数据增强处理，得到训练数据集；步骤S2、设计多重注意力模块，采用像素注意力、通道注意力和空间注意力提取图像特征；步骤S3、设计基于多重注意力模块的U形编码器解码器网络，用于提取图像不同尺度下的特征；步骤S4、设计图像特征融合模块，该模块融合图像特征和原始图像，得到融合后的恢复图像；步骤S5、设计正向雨滴去除网络和反向雨滴去除网络，利用反向雨滴去除网络引导训练正向雨滴去除网络；步骤S6、将附着雨滴图像输入训练好的正向雨滴去除网络，输出去除雨滴的干净图像。
-
公开(公告)号：CN116361438A
公开(公告)日：2023-06-30
申请号：CN202310333880.3
申请日：2023-03-31
Applicant: 福州大学
IPC: G06F16/332 , G06F16/35 , G06F16/36 , G06F16/33 , G06F40/211 , G06F40/289 , G06F40/35 , G06N3/0455 , G06N3/0442 , G06N3/047 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种基于文本‑知识扩展图协同推理网络的问答方法及系统，该方法包括以下步骤：步骤A：在问答平台中收集用户的问题以及回答记录，并标注每一个问题‑答案对的真实标签，以此构建训练集DS；步骤B：使用训练集DS以及知识图谱，训练基于文本‑知识扩展图协同推理网络的深度学习网络模型M，以通过模型M来分析给定问题并给出相对应的答案；步骤C：将用户的问题输入到训练好的深度学习网络模型M中，输出匹配的答案。该方法及系统有利于提高对给定问题选择答案的准确性。
-
公开(公告)号：CN116050432A
公开(公告)日：2023-05-02
申请号：CN202310083882.1
申请日：2023-01-31
Applicant: 福州大学
IPC: G06F40/35 , G06F40/284 , G06F40/166 , G06F40/242 , G06N3/04 , G06N3/084
Abstract: 本发明涉及一种领域数据增强与多粒度语义理解的多轮对话方法及系统，该方法包括以下步骤：步骤A：提取用户对话、用户对话涉及的回复，并标注用户对话中涉及的相关回复话语的标签，正样本为对话中正确的回复，负样本为不正确的回复，构建训练集U；步骤B：使用训练集U，训练领域数据增强与多粒度语义理解的深度学习网络模型G，用于学习用户对话中和用户对话涉及的回复中的时序语义关系；步骤C：将完整用户对话和用户对话涉及的回复输入到训练后的深度学习网络模型G中，得到关于完整用户对话的正确回复。该方法及系统可以有效提高回复选择的准确性。
-
-
-
-
-
-
-
-
-
Search Results
224
records
(took 0.029 seconds)
