-
公开(公告)号：CN116451680A
公开(公告)日：2023-07-18
申请号：CN202310412638.5
申请日：2023-04-17
Applicant: 华南师范大学
IPC: G06F40/211 , G06F40/289 , G06F18/25 , G06F18/213
Abstract: 本发明涉及一种融合句法信息和特征交互的情感分析方法及装置，其中融合句法信息和特征交互的情感分析方法通过将双通道对输入的全局文本和局部文本进行编码，局部通道的文本输入会进行句法依赖树的构造，由此得到的矩阵会复制一份作为特征交互的两部分之一与全局特征向量进行交互，另一份通过图注意力神经网络进行提取，此方式能较好地提取出文本蕴含的句法信息。另外，局部通道经过Bert的嵌入层得到的向量，经过局部上下文聚焦机制之后得到的向量，作为特征交互的另外一部分与全局特征进行交互之后将两部分的向量进行相加，能很好地保留文本的信息特征，从而提高了文本极性预测的准确度。
-
公开(公告)号：CN115204363A
公开(公告)日：2022-10-18
申请号：CN202210748881.X
申请日：2022-06-29
Applicant: 华南师范大学
IPC: G06N3/04 , G06N3/08 , G06F16/215 , G06K9/62 , G06Q50/06
Abstract: 本发明涉及一种电力数据的shapelets的获取方法、装置、电子设备及存储介质。本发明所述的电力数据的shapelets的获取方法包括：获取待处理的电力数据；对所述电力数据进行数据清理和特征工程处理，得到所述电力数据对应的二维数据；将所述二维数据输入训练好的shapelets提取网络，得到所述电力数据对应的shapelets；其中，所述shapelets提取网络包括顺次连接的序列输入层、lstm层、全连接层、最大池化层和线性层。本发明所述的电力数据的shapelets的获取方法，使用M‑ShapeNet模型训练时间序列，该模型基于LSTM进一步优化了ShapeNet模型，解决了ShapeNet模型不能很好的处理时序数据的缺点。
-
公开(公告)号：CN115858753A
公开(公告)日：2023-03-28
申请号：CN202211563096.3
申请日：2022-12-07
Applicant: 华南师范大学
IPC: G06F16/332 , G06F16/33 , G06F16/36 , G06F40/279 , G06F40/30 , G06N3/045 , G06N3/042 , G06N3/0499
Abstract: 本发明涉及一种智能问答方法，包括如下步骤：获取待回答的问题，根据所述问题在问答库中检索对应的粗糙答案片段；对所述问题进行分词处理，得到问题实体；获取所述问题实体的相似知识实体；将所述问题、所述粗糙答案片段以及所述相似知识实体输入训练好的智能问答模型，得到若干候选答案的分数，确定其中最高分数对应的候选答案为最终答案。相对于现有技术，本发明的智能问答方法可提升智能问答模型的应答灵活性，从而提高答案准确度。
-
公开(公告)号：CN115617969A
公开(公告)日：2023-01-17
申请号：CN202211374962.4
申请日：2022-11-04
Applicant: 华南师范大学
IPC: G06F16/332 , G06F16/33 , G06F16/9535 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种会话推荐方法、装置、设备和计算机存储介质，包括：获取物品集合和会话集合；获取物品集合的第一特征矩阵，并利用物品集合的超图神经网络对物品集合的第一特征矩阵进行超图卷积处理，得到物品集合的第二特征矩阵；将物品集合的第二特征矩阵输入多层自注意力网络进行学习，得到会话集合的第一特征矩阵；利用会话集合构建图注意网络，并将会话集合的第一特征矩阵输入图注意网络进行学习，得到会话集合的第二特征矩阵；利用物品集合的第二特征矩阵和会话集合的第二特征矩阵计算每个物品的推荐得分，并利用每个物品的推荐得分和推荐真实值计算损失函数，其通过超图神经网络、多层自注意力网络和图注意网络的结合提高了推荐准确性。
-
公开(公告)号：CN111540102B
公开(公告)日：2022-01-04
申请号：CN202010363758.7
申请日：2020-04-30
Applicant: 华南师范大学
IPC: G07C9/33
Abstract: 本申请公开了一种动态密码电路、门禁系统和门禁控制方法，包括：第一锁相环电路、第二锁相环电路和六组密码电路；第一锁相环电路用于产生三种不同频率的时钟信号，分别用于驱动前三组密码电路产生前三位密码；第二锁相环电路用于产生另三种不同频率的时钟信号，分别用于驱动后三组密码电路产生后三位密码；每一组密码电路由产生单位数的随机数的四位线性反馈移位寄存器组成。本申请提供的动态密码电路，通过两个锁相环电路产生六种不同频率的时钟信号，驱动六组密码电路，随机生成六位动态密码，解决了现有的由密码控制的门禁系统易因发生密码泄露导致安全性较差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116662482A
公开(公告)日：2023-08-29
申请号：CN202310572208.X
申请日：2023-05-19
Applicant: 华南师范大学
Abstract: 本发明涉及一种多模态情感分析方法，包括步骤：对待分析视频数据中的图像数据、文本数据、语音数据进行特征提取，得到图像特征、文本特征、语音特征；根据文本特征对图像特征、语音特征进行特征增强，得到图像增强特征、语音增强特征；对图像增强特征、语音增强特征分别和文本特征进行跨模态注意力交互，得到图文交互特征、音文交互特征；对图像特征、文本特征、语音特征分别进行基于多头自注意力机制的特征提取，得到图像自注意力特征、文本自注意力特征、语音自注意力特征；将文本自注意力特征、图像自注意力特征、语音自注意力特征、图文交互特征和音文交互特征融合得到多模态视频特征；对多模态视频特征进行情感分类预测，得到情感分类结果。
-
公开(公告)号：CN116089642A
公开(公告)日：2023-05-09
申请号：CN202211694224.8
申请日：2022-12-28
Applicant: 华南师范大学
IPC: G06F16/55 , G06F16/583 , G06N3/08 , G06N3/0464
Abstract: 本发明涉及一种图像检索方法，包括如下步骤：获取待检索图像，计算所述待检索图像与每一分类类别的相似度，得到中心相似度向量；针对每一所述分类类别，生成一二值哈希中心向量，将每一所述分类类别对应的所述二值哈希中心向量构成哈希中心矩阵；将所述中心相似度向量与所述哈希中心矩阵进行线性组合，得到所述待检索图像的二值哈希编码；计算所述二值哈希编码与所有候选图像的二进制码间的汉明距离，确定其中最小的前X个所述汉明距离对应的候选图像为检索结果。相对于现有技术，能够生成质量较高的二值哈希编码，检索准确性高，且用于训练网络的损失函数无须涉及哈希码之间的距离度量运算，算法复杂度低。
-
公开(公告)号：CN113590809A
公开(公告)日：2021-11-02
申请号：CN202110753053.0
申请日：2021-07-02
Applicant: 华南师范大学
Abstract: 本发明涉及一种裁判文书摘要自动生成方法及装置。本发明所述的一种裁判文书摘要自动生成方法包括：根据裁判文书的词向量和每个预设的案件类别的词向量，计算裁判文书与每个预设的案件类别之间的第一相似度，根据最大的第一相似度得到裁判文书的案件类别；计算裁判文书中每两个句子之间的第二相似度，根据每两个句子之间的第二相似度，生成每个句子的权重值，并将每个句子按照权重值从大到小排序，得到裁判文书的关键句子排序；根据预设的规则，按照关键句子排序抽取多个句子，拼接裁判文书的案件类别和抽取的多个句子；根据拼接结果，输出裁判文书的司法摘要信息。本发明所述的一种裁判文书摘要自动生成方法具有生成的摘要逻辑性更强的优点。
-
公开(公告)号：CN114548532B
公开(公告)日：2024-07-26
申请号：CN202210122585.9
申请日：2022-02-09
Applicant: 华南师范大学
IPC: G06Q10/04 , G06Q10/0637 , G06Q10/067 , G06Q50/06 , G06N3/0464 , G06N3/0442 , G06N3/045 , G06N3/08 , H02J3/00
Abstract: 本发明涉及一种基于VMD的TGCN‑GRU超短期负荷预测方法，包括：获取待预测时间点前的第一历史负荷数据；对第一历史负荷数据进行变分模态分解，得到多个模态分量和残差；构建图邻接矩阵，图邻接矩阵包括图节点和连通节点，图节点用于表征模态分量和残差，连通节点用于表征原始负荷序列；将第一历史负荷数据的时序数据拼接形成第一输入矩阵；将第一输入矩阵和图邻接矩阵输入至训练好的TGCN‑GRU模型，得到待预测时间点之后的负荷预测数据，TGCN‑GRU模型包括相互连接的一层TGCN网络和一层GRU网络。本申请通过TGCN‑GRU模型便可以对模态分量和残差进行分析，可以解决因建立多个模型而引起的误差的累积。还将原始负荷序列作为输入，使得该方法即能充分地提取各个图节点空间之上的联系。
-
公开(公告)号：CN116992132A
公开(公告)日：2023-11-03
申请号：CN202310816215.X
申请日：2023-07-04
Applicant: 华南师范大学
IPC: G06F16/9535 , G06F18/214 , G06N3/04 , G06N3/09
Abstract: 一种会话推荐方法，包括以下步骤：获取历史会话序列；根据所述历史会话序列，通过主会话识别网络，计算主会话表示；根据所述主会话表示，计算项目推荐概率；根据所述项目推荐概率，计算第一损失函数；分别通过N个不同的辅助会话识别网络，计算出N个辅助会话表示；根据所述主会话表示和辅助会话表示，计算第二损失函数；根据所述第一损失函数和第二损失函数，计算最终损失函数；以最终损失函数为训练目标，优化所述主会话识别网络的参数；通过优化的主会话识别网络，计算优化的主会话表示和项目推荐概率；选择项目推荐概率最高的项目作为推荐结果。本发明采用多种会话识别网络对同一会话序列进行不同角度的特征提取，克服了数据稀疏性问题。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.018 seconds)
