一种基于反馈机制的学位点质量分析方法

    公开(公告)号:CN118799136A

    公开(公告)日:2024-10-18

    申请号:CN202411034209.X

    申请日:2024-07-30

    Abstract: 本发明提供一种基于反馈机制的学位点质量分析方法。首先,综合现有评价机制下的研究生学位论文影响要素,从论文质量及其体现的培养素质层面重新分类细化。其次,采用层次分析法设计一种基于多层面要素分析的多准则评价机制,通过一致性转换、一致性检验以及权重计算确定客观合理的评价体系。最后,通过评价体系的信度和效度分析,验证评价体系的可信度和准确性,并采用所提机制对国内某“双一流”建设高校研究生学位论文进行质量评价,分析结果表明所提评价机制能够客观测量论文水平,为科学评价学位点质量提供量化依据,形成有效的反馈机制。

    融合动态异构超图神经网络与Transformer的视觉文本问答学习方法

    公开(公告)号:CN118964536A

    公开(公告)日:2024-11-15

    申请号:CN202410557873.6

    申请日:2024-05-08

    Abstract: 本发明公开了融合动态异构超图神经网络与Transformer的视觉文本问答学习方法,属于深度学习及在多模态数据处理中的应用技术领域;本方法将图像的场景图信息和文本问题通过图结构化处理将数据预处理;基于随机游走生成超图的方式,将原始数据预处理成超图对;根据超边上的节点特征赋予初始超边权值,通过超图神经网络得到包含复杂结构关系的各模态特征。基于Transformer的自注意力和交叉注意力机制,关注不同模态的各自特性及模态间的重要交互信息。通过对两种注意力的组合,找到答案区域内的相关结构信息;通过得到的注意力权值,动态更新超图对的超边权重;本发明利用Transformer框架的自注意力和交叉注意力机制,进一步细化对关键信息的识别和处理能力。

Patent Agency Ranking