-
公开(公告)号：CN112800225B
公开(公告)日：2022-09-16
申请号：CN202110120528.2
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种微博评论情绪分类方法和系统，属于自然语言处理技术领域，方法包括如下步骤：采集原始微博评论文本数据并进行预处理获得微博文本数据集；对微博文本数据集进行预训练；利用情绪词典选取微博文本中包含情绪的句子作为局部情绪特征；利用训练好的胶囊网络提取微博文本的整体情绪特征；对微博文本的整体情绪特征和局部情绪特征进行融合，获得该微博文本的情绪分类结果；将微博用户的所有微博文本的情绪分类结果求和取平均值，根据所述平均值确定微博用户微博评论的情绪倾向。本发明的方法和系统从局部与整体方面使用深度学习方法进行学习，能更加准确地判断微博用户的情绪倾向，能提高情绪分类准确率。
-
公开(公告)号：CN112800225A
公开(公告)日：2021-05-14
申请号：CN202110120528.2
申请日：2021-01-28
Applicant: 南京邮电大学
IPC: G06F16/35 , G06F40/216 , G06F40/289 , G06F40/242 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种微博评论情绪分类方法和系统，属于自然语言处理技术领域，方法包括如下步骤：采集原始微博评论文本数据并进行预处理获得微博文本数据集；对微博文本数据集进行预训练；利用情绪词典选取微博文本中包含情绪的句子作为局部情绪特征；利用训练好的胶囊网络提取微博文本的整体情绪特征；对微博文本的整体情绪特征和局部情绪特征进行融合，获得该微博文本的情绪分类结果；将微博用户的所有微博文本的情绪分类结果求和取平均值，根据所述平均值确定微博用户微博评论的情绪倾向。本发明的方法和系统从局部与整体方面使用深度学习方法进行学习，能更加准确地判断微博用户的情绪倾向，能提高情绪分类准确率。
-
公开(公告)号：CN112617813B
公开(公告)日：2023-02-14
申请号：CN202011471969.9
申请日：2020-12-15
Applicant: 南京邮电大学
Abstract: 本发明公开了跌倒检测技术领域的一种基于多传感器的非侵入式跌倒检测方法及系统，解决了老人在浴室等私密空间内发生跌倒时的隐私保护问题，具有检测准确度高，虚警率低等特点。分别采集被监测对象反射的毫米波雷达信号和被监测对象辐射的热释电红外信号；对采集到的被监测对象反射的毫米波雷达信号进行傅里叶变换，生成毫米波雷达特征矩阵，进而获取毫米波雷达最优特征矩阵；对采集到的被监测对象辐射的热释电红外信号进行傅里叶变换并进行特征提取，获取热释电红外信号级联特征矩阵；将毫米波雷达最优特征矩阵和热释电红外信号级联特征矩阵串联并获取最优级联特征矩阵；以最优级联特征矩阵作为决策分类器的输入，输出被监测对象的状态信息。
-
公开(公告)号：CN112617813A
公开(公告)日：2021-04-09
申请号：CN202011471969.9
申请日：2020-12-15
Applicant: 南京邮电大学
Abstract: 本发明公开了跌倒检测技术领域的一种基于多传感器的非侵入式跌倒检测方法及系统，解决了老人在浴室等私密空间内发生跌倒时的隐私保护问题，具有检测准确度高，虚警率低等特点。分别采集被监测对象反射的毫米波雷达信号和被监测对象辐射的热释电红外信号；对采集到的被监测对象反射的毫米波雷达信号进行傅里叶变换，生成毫米波雷达特征矩阵，进而获取毫米波雷达最优特征矩阵；对采集到的被监测对象辐射的热释电红外信号进行傅里叶变换并进行特征提取，获取热释电红外信号级联特征矩阵；将毫米波雷达最优特征矩阵和热释电红外信号级联特征矩阵串联并获取最优级联特征矩阵；以最优级联特征矩阵作为决策分类器的输入，输出被监测对象的状态信息。
-
-
-
Search Results
4
records
(took 0.04 seconds)
