-
公开(公告)号：CN115496140A
公开(公告)日：2022-12-20
申请号：CN202211137170.5
申请日：2022-09-19
Applicant: 北京邮电大学
Abstract: 本发明公开了一种多模态虚假新闻检测方法及系统，属于信息检测技术领域，能够解决现有多模态虚假新闻检测方法检测效果较差的问题。所述方法包括：S1、对待检测新闻进行图文匹配检测，得到待检测新闻的图文匹配概率；S2、对待检测新闻进行分类预测，得到待检测新闻的初始分类概率；S3、利用图文匹配概率调整初始分类概率，得到待检测新闻的最终分类概率。本发明用于虚假新闻检测。
-
公开(公告)号：CN110704576B
公开(公告)日：2022-07-01
申请号：CN201910944006.7
申请日：2019-09-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于文本的实体关系抽取方法及装置，该方法从预设的语料库中确定待处理文本中待处理实体所属描述文本中的词作为待处理词；根据待处理实体和待处理词分别与待处理文本的所属关系，得到文本向量表示；将述文本向量表示输入至预设的关系分类模型，得到待处理实体间的关系表示，本实施例引入了待处理实体及待处理实体所属的描述文本，以使得到的文本向量表示包含了待处理实体存在的潜在信息，可见，应用本实施例提供的方法能够提高对文本进行分类的准确率。
-
公开(公告)号：CN110674317A
公开(公告)日：2020-01-10
申请号：CN201910944936.2
申请日：2019-09-30
Applicant: 北京邮电大学
IPC: G06F16/36
Abstract: 本发明实施例提供了一种基于图神经网络的实体链接方法及装置，该方法在对待链接对象进行实体链接时，从预设的知识库中确定待链接文本中所指定的待链接对象对应的实体作为潜在候选实体；根据关联对象，从潜在候选实体中确定指定候选实体；根据指定候选实体间的语义关系，构建实体-单词异质图；将实体-单词异质图输入至预设的向量表示模型中，得到实体-单词异质图中实体的实体向量表示，将所得到的实体向量表示输入至预设的条件随机场CRF中，得到每一实体的链接值，并依据链接值，从指定候选实体中选择每一待链接对象对应的链接实体。应用本实施例提供的方法能够提高实体链接的准确率。
-
公开(公告)号：CN116484873A
公开(公告)日：2023-07-25
申请号：CN202310269989.5
申请日：2023-03-15
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F40/289 , G06F18/243 , G06N3/047 , G06N3/0442 , G06N3/0499 , G06N3/08
Abstract: 本申请提出了一种基于提示学习的事件因果关系判别方法及装置，涉及事件因果领域，该方法包括：对原始文本进行预处理与分词处理，生成输入文本；设置持续提示信息和模板，将输入文本与持续提示信息嵌入到模板中，生成拼接数据，其中，模板中包含一个MASK字符；通过语言模型BERT对拼接数据进行编码，将经过编码后MASK位置的信息输入到掩码语言模型MLM，生成目标向量；将目标向量输入至浅层全连接神经网络，得到二维概率向量，其中，二维概率向量为概率为0或1的概率值。本申请将提示学习方法应用于事件因果判别任务，并对提示学习方法进行改进，使用浅层全连接神经网络对包含类似语义的词的概率进行加权处理，完成自然语言文本中的二分类任务，具有实用性。
-
公开(公告)号：CN115496140B
公开(公告)日：2023-07-25
申请号：CN202211137170.5
申请日：2022-09-19
Applicant: 北京邮电大学
IPC: G06F18/213 , G06F18/25 , G06N3/045 , G06N3/048 , G06N3/096 , G06V10/40 , G06V10/80 , G06V10/82 , G06F40/30
Abstract: 本发明公开了一种多模态虚假新闻检测方法及系统，属于信息检测技术领域，能够解决现有多模态虚假新闻检测方法检测效果较差的问题。所述方法包括：S1、对待检测新闻进行图文匹配检测，得到待检测新闻的图文匹配概率；S2、对待检测新闻进行分类预测，得到待检测新闻的初始分类概率；S3、利用图文匹配概率调整初始分类概率，得到待检测新闻的最终分类概率。本发明用于虚假新闻检测。
-
Patent Agency Ranking
公开(公告)号：CN111814048A
公开(公告)日：2020-10-23
申请号：CN202010636805.0
申请日：2020-07-03
Applicant: 北京邮电大学
IPC: G06F16/9535
Abstract: 本发明实施例提供了一种信息推荐方法及装置，所述方法包括：获取待推荐二部图的拓扑信息、待推荐二部图中每个用户节点对应的用户信息及待推荐二部图中每个信息节点对应的内容信息；将拓扑信息、用户信息及内容信息输入信息推荐模型，确定每个用户节点对应的用户向量和每个信息节点对应的信息向量；基于用户向量表示的兴趣偏好、信息向量表示的内容特点及信息向量表示的语义信息，确定每个用户节点所表示的用户浏览候选信息节点所表示的信息的概率，作为预测概率；基于预测概率，向二部图中的每个用户节点所表示的用户推荐与该用户节点不存在历史浏览关系的信息节点所表示的信息。应用本发明实施例，可以更加准确地向用户推荐用户感兴趣的信息。
-
公开(公告)号：CN110704626A
公开(公告)日：2020-01-17
申请号：CN201910945503.9
申请日：2019-09-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种用于短文本的分类方法及装置，该方法在对待分类短文本进行分类时，根据从待分类短文本中获取的实体和所述主题分别与待分类短文本的所属关系，构建文本异质图，并将构建的文本异质图输入至预设的文本分类模型中，得到所述待分类短文本的分类结果，应用本发明实施例构建的文本异质图能够捕捉待分类短文本中的语义关系，且对异质图卷积神经网络训练时无需太多的标注数据，使得训练后的文本分类模型对短文本分类时的准确率更高，可见，应用本实施例提供的方法能够提高对短文本分类的准确率。
-
公开(公告)号：CN110704576A
公开(公告)日：2020-01-17
申请号：CN201910944006.7
申请日：2019-09-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于文本的实体关系抽取方法及装置，该方法从预设的语料库中确定待处理文本中待处理实体所属描述文本中的词作为待处理词；根据待处理实体和待处理词分别与待处理文本的所属关系，得到文本向量表示；将述文本向量表示输入至预设的关系分类模型，得到待处理实体间的关系表示，本实施例引入了待处理实体及待处理实体所属的描述文本，以使得到的文本向量表示包含了待处理实体存在的潜在信息，可见，应用本实施例提供的方法能够提高对文本进行分类的准确率。
-
公开(公告)号：CN109801077A
公开(公告)日：2019-05-24
申请号：CN201910052269.7
申请日：2019-01-21
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种套现用户检测方法、装置及设备，其中，该方法包括：获取各个待检测用户的自身特征信息以及各个待检测用户的交互信息，其中，针对各个待检测用户，该交互信息包括该待检测用户与其他待检测用户交互的信息和该待检测用户与待检测用户之外的其他对象交互的信息；针对各个待检测用户，根据该待检测用户的自身特征信息，以及该待检测用户的交互信息，确定该待检测用户的邻居特征信息；并将该待检测用户的自身特征信息和邻居特征信息，输入至注意力机制模型，得到该待检测用户套现的概率；其中，注意力机制模型是根据多个训练样本训练得到的。通过本发明实施例提供的套现用户检测方法、装置及设备，提高检测的准确性。
-
公开(公告)号：CN114662596B
公开(公告)日：2025-04-25
申请号：CN202210301579.X
申请日：2022-03-25
Applicant: 北京邮电大学
IPC: G06F18/214 , G06F18/241 , G06F16/353 , G06F16/334 , G06F18/25
Abstract: 本发明公开了一种虚假信息检测模型训练方法及虚假信息检测方法，其中虚假信息检测模型训练方法包括：获取训练信息，训练信息包括文本和图像；将文本和图像分别输入至各自的编码器中，得到文本表示和图像表示；将文本表示和图像表示进行交互，确定面向文本的多模态特征和面向视觉的多模态特征；将面向文本的多模态特征和面向视觉的多模态特征分别输入至各自的分类器中，得到面向文本的损失值和面向视觉的损失值；根据面向文本的损失值和面向视觉的损失值确定虚假信息检测模型的目标函数，根据目标函数训练虚假信息检测模型。本发明提高了虚假信息检测的准确性及效率。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.023 seconds)
