公开(公告)号：CN117808103A

公开(公告)日：2024-04-02

申请号：CN202410014923.6

申请日：2024-01-04

Applicant: 东北大学

Inventor： 刘燚 ,  杨晨辉 ,  王大玲 ,  冯时 ,  张一飞

IPC: G06N5/04 ,  G06N5/025 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/096

Abstract: 本发明提供一种基于话语级特征动态交互的共情回复生成方法，涉及人工智能技术领域。通过人工智能和自然语言处理的方法，使计算机系统能够理解、识别和模拟人类的情感，并以情感化、体贴和理解的方式进行回复。通过本发明的方法，让计算机系统能够更好地理解人类情感，以更自然、更人性化的方式与人进行交流和互动，克服了现有技术中，粗粒度的对话历史建模与脱离语境的常识推理等缺陷导致的回复内容不流畅、一致性低、共情性差等问题。

公开(公告)号：CN116127056A

公开(公告)日：2023-05-16

申请号：CN202211692317.7

申请日：2022-12-28

Applicant: 东北大学

Inventor： 张天宝 ,  冯时 ,  杨振飞 ,  王大玲 ,  张一飞

IPC: G06F16/34 ,  G06F40/126 ,  G06F40/35 ,  G06F40/289 ,  G06F40/216

Abstract: 本发明提供一种多层次特征增强的医疗对话摘要方法，涉及医疗对话摘要技术领域。该方法首先获取医疗对话摘要数据，并对医疗对话摘要数据进行预处理，使这些数据满足统一的模型需求；再构建自动医疗对话摘要模型；医疗对话摘要模型使用指针生成网络做为基本架构，通过集成内注意力、说话人嵌入和话语语义，使用多级增强的输入特征表示来适应医学对话场景；最后训练构建的自动医疗对话摘要模型并进行测试。该方法能有效地提高医疗对话摘要模型的性能，增强医疗对话摘要的准确性。

公开(公告)号：CN117972019A

公开(公告)日：2024-05-03

申请号：CN202410086131.X

申请日：2024-01-22

Applicant: 东北大学

Inventor： 周俊达 ,  蔡奉彤 ,  郑晓健 ,  王大玲 ,  冯时 ,  张一飞

IPC: G06F16/33 ,  G06F16/332 ,  G06F18/214

Abstract: 本发明提供一种基于提示学习的对话情绪识别方法，涉及人工智能技术领域。该方法在语句表征获取阶段，通过话语在token级别与语句级别的交互，获得包含上下文的语句表征；在对话情绪识别时，通过对对话的持续性和感染性进行建模，同时引入外部的常识知识，使得对话情绪识别模型能更加考虑对话者的情绪特征以及话语中所共有的隐式常识知识。该方法通过引入对话上下文和外部的常识知识，结合提示学习，提出了效果更好的对话情绪识别模型。可以实现对话情绪识别任务，为聊天机器人提供理解人类情绪的能力，在聊天机器人领域具有极其重要的价值。

公开(公告)号：CN117935293A

公开(公告)日：2024-04-26

申请号：CN202211245140.6

申请日：2022-10-12

Applicant: 东北大学

Inventor： 李奕昕 ,  张一飞 ,  王大玲 ,  冯时

IPC: G06V30/41 ,  G06V30/166 ,  G06V30/18 ,  G06V30/19 ,  G06V10/82 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/092

Abstract: 本发明提供一种基于多线索交互的跨模态图像描述方法，涉及图像描述生成技术领域。该方法首选获取包括图像和描述文本的图像数据集，并对数据集进行预处理；再对预处理后的数据集中的图像、描述文本分别进行单模态特征提取，得到图像的场景特征和目标特征以及描述文本的文本特征；构建多线索层次化Transformer模型作为图像描述模型；使用训练集中的样本提取的场景特征、目标特征和文本特征对多线索层次化Transformer模型进行训练，得到训练好的图像描述模型；最后使用训练好的图像描述模型对待描述图像进行描述。该方法解决了图像为场景特征或者图像中不存在显著性目标等问题导致的描述文本质量不佳的问题。

公开(公告)号：CN113254429A

公开(公告)日：2021-08-13

申请号：CN202110525465.9

申请日：2021-05-13

Applicant: 东北大学

Inventor： 沈铁麟 ,  王大玲 ,  冯时 ,  张一飞

IPC: G06F16/215 ,  G06F16/28 ,  G06F40/211 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种用于远程监督关系抽取的基于BERT和MLM的降噪方法，涉及远程监督关系抽取技术领域。将实体对定义为源实体和目标实体；从各类别对应的目标实体中筛选出单子词实体，并根据其对应的句子不是噪声句子的可能性对这些句子排序并构成句子集；从各句子集选取正负样本为各类别建立数据集；基于数据集中句子的实体在BERT模型最后一层编码器输出的隐藏状态，提取句子的MASK‑lhs特征；利用全连接层捕获噪声句子与非噪声句子的MASK‑lhs特征差异来训练二分类器，将训练好的二分类器作为各类别的专用降噪器；将训练集中的所有句子按类别送入对应的降噪器，找出并剔除噪声句子。降噪器是即插即用的，具有实用性。

公开(公告)号：CN110968782A

公开(公告)日：2020-04-07

申请号：CN201910976349.1

申请日：2019-10-15

Applicant: 东北大学

Inventor： 王大玲 ,  陈英豪 ,  冯时 ,  张一飞

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F16/955 ,  G06F40/216 ,  G06F40/289

Abstract: 本发明提供一种面向学者的用户画像构建及应用方法。首先，从国内学者的个人主页上获取学者基本信息，从国内外著名学术网站上获取学者的研究信息，在此基础上对上述信息进行预处理，从而获得构建学者画像所需的语料库；之后，通过对学者基本属性和研究属性的挖掘，构建学者画像；最后，基于学者画像，实现学者搜索与专家发现、论文审稿人推荐、合作学者推荐等应用。该发明对于学者寻找项目和论文工作的合作者、学术会议和期刊主办者寻找论文审稿人、以及刚刚从事一个新的研究领域的入门者寻找领域的资深学者，均具有支持和帮助作用。

公开(公告)号：CN112417172B

公开(公告)日：2021-09-07

申请号：CN202011319237.8

申请日：2020-11-23

Applicant: 东北大学

Inventor： 王大玲 ,  李久枫 ,  冯时 ,  张一飞

IPC: G06F16/36 ,  G06F40/242 ,  G06F40/284 ,  G06F40/295 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明提供一种多模态情绪知识图谱的构建及展示方法，涉及多模态知识管理技术领域。该方法首先收集、下载情绪词汇本体或词典、人脸表情和动物表情图像及社会媒体平台常用的表情符号；并对获取的文本和图像数据资源，分别进行预处理，使这些数据资源满足统一的抽象本体模型需求；然后基于文本情绪词、表情图像以及社交媒体表情符号的预处理结果，构建能够表达不同模态实体以及实体之间关系的多模态情绪知识图谱；最后通过采用前端的文本标记语言和前端页面的元素渲染语言的编程来实现对多模态情绪知识图谱的节点、图谱的边、图谱实体属性信息的展示和渲染；在此基础上实现图谱的用户交互功能；同时，通过图形可视化库增加知识图谱的动态效果。

公开(公告)号：CN113190681A

公开(公告)日：2021-07-30

申请号：CN202110656931.7

申请日：2021-06-11

Applicant: 东北大学

Inventor： 张志庆 ,  冯时 ,  张一飞 ,  王大玲

IPC: G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于胶囊网络遮罩记忆注意力的细粒度文本分类方法，本方法是根据用户对事物或事物的某一方面发表的主观性评论文本以及该事物或该事物某一方面的关键词或关键短语，对该主观性文本在这个事物或这个事物的某一方面上的情感倾向进行分类的一种方法。本发明所提出一种基于胶囊网络遮罩记忆注意力的细粒度文本分类方法，能够达到提升模型建模复杂文本能力和提高模型对不同复杂度任务的适应能力的目的。

公开(公告)号：CN109840283B

公开(公告)日：2020-09-01

申请号：CN201910154252.2

申请日：2019-03-01

Applicant: 东北大学

Inventor： 王大玲 ,  刘泓辰 ,  冯时 ,  张一飞

IPC: G06F16/36

Abstract: 本发明提出一种基于传递关系的本地自适应知识图谱优化方法，包括：设定训练样本集；设定任意ri和ei初始属于某一分布；归一化；组成新的训练样本集；初始化三元组集合为空集；设定正确的三元组，其对应错误的三元组，用错误的三元组头实体或者尾实体替换正确的三元组，组成错误训练样本集，并且合并到三元组集合中；获得其实体的边缘参数；获得关系的边缘参数；计算边缘参数随实体和关系进行变化的参数；得到新的基于传递关系的损失函数；进行判断并使用随机梯度下降函数SGD对每个实体或者关系向量进行优化；本发明可以弥补数据的不完全性，并能够更好地表达出关系与实体间潜在的不同语义，优化后所构建的新的知识图谱具有更高的准确率。

公开(公告)号：CN110472245A

公开(公告)日：2019-11-19

申请号：CN201910751989.2

申请日：2019-08-15

Applicant: 东北大学

Inventor： 冯时 ,  谢宏亮 ,  王大玲 ,  张一飞

IPC: G06F17/27 ,  G06N3/04 ,  G06N3/08 ,  G06F16/35

Abstract: 本发明提出一种基于层次化卷积神经网络的多标记情绪强度预测方法，包括：将原始多标记社会媒体短文分为训练集及测试集；对训练集中一段原始多标记社会媒体短文本数据进行预处理，得到训练集基本情绪单标记数据；构建基于层次卷积神经网络的单标记情绪分类模型；基于注意力卷积神经网络构建情绪强度值模型；针对多标记社会媒体短文本测试数据，使用层次卷积神经网络的单标记情绪分类模型进行预测，得到优化后的多标记情绪强度向量。采用本发明的基于层次化卷积神经网络的多标记情绪强度预测方法，可以进一步提高社会媒体文本情绪强度预测的准确率，特别适合文本中同时存在多种基本情绪的场景。