-
公开(公告)号：CN113780198B
公开(公告)日：2023-11-24
申请号：CN202111080282.7
申请日：2021-09-15
Applicant: 南京邮电大学
IPC: G06V40/16 , G06V10/764 , G06V10/774 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 本发明公开了一种面向影像生成的多模态情感分类方法，包括如下步骤：对已经标记好情感倾向的人脸表情图像以及音频数据提取人脸特征和音频特征。将两种数据输入到多层感知机分类器中，得到各自的分类结果，并通过特征融合的方式再输入到一个多层感知机分类器中。最终得到一个能够根据人脸表情图像和音频数据分析出当前人脸表情和音频蕴含情感的分类器。本系统可以用来实时监测家庭聚会中成员的情感，并根据设置的特定情感自动记录下特定的情感的相册。
-
公开(公告)号：CN112507071B
公开(公告)日：2022-10-14
申请号：CN202011408818.9
申请日：2020-12-03
Applicant: 南京邮电大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于新型情感词典的网络平台短文本混合情感分类方法，该方法将已经标记好情感的样本中的文本进行分词处理；统计每个词在某个情感的所有样本中的词频；并利用每个词的词频计算出每个词所对应的情感权重；将每个词的情感权重记录下来，得到一个新型的情感词典；利用新型情感词典对待分类的样本进行情感权重计算，得到一个包含了每种情感的情感权重的情感向量；将该情感向量输入到深度学习模型中，作为深度学习模型输入层的特征表示；最终得到混合情感分类结果。该方法将网络平台的短文本中的情感浓缩到了一个简短的情感向量之中，从而提升了利用深度学习实现混合情感分类的训练速度以及减少了模型在训练时的内存占用量。
-
Patent Agency Ranking
公开(公告)号：CN108717433A
公开(公告)日：2018-10-30
申请号：CN201810454306.2
申请日：2018-05-14
Applicant: 南京邮电大学
Abstract: 一种面向程序设计领域问答系统的知识库构建方法及装置，包括如下步骤，根据在线测评系统的知识内容初步建立智能问答知识库；获取用户问题，并将问题的语句分词后进行近义词替换，再与知识库中内容进行相似度计算；通过相似度分析获取问题语句的结果，并将结果按相似度排序，返回相似度最高的答案至用户；若用户满意当前返回答案，则根据问答同步更新智能问答知识库，并通过运用代码相似算法实时检测缓存中的数据；否则，返回次优答案至用户，直至用户满意为止。本系统可以克服传统在线课后答疑系统中存在的时间差、搜索准确度低、效率有待提高等问题，有效提高用户获取信息的速度和准确率，同时优化在线评测系统的教学效果。
-
公开(公告)号：CN113780198A
公开(公告)日：2021-12-10
申请号：CN202111080282.7
申请日：2021-09-15
Applicant: 南京邮电大学
Abstract: 本发明公开了一种面向影像生成的多模态情感分类方法，包括如下步骤：对已经标记好情感倾向的人脸表情图像以及音频数据提取人脸特征和音频特征。将两种数据输入到多层感知机分类器中，得到各自的分类结果，并通过特征融合的方式再输入到一个多层感知机分类器中。最终得到一个能够根据人脸表情图像和音频数据分析出当前人脸表情和音频蕴含情感的分类器。本系统可以用来实时监测家庭聚会中成员的情感，并根据设置的特定情感自动记录下特定的情感的相册。
-
公开(公告)号：CN112003718A
公开(公告)日：2020-11-27
申请号：CN202010649254.1
申请日：2020-09-25
Applicant: 南京邮电大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于深度学习的网络告警定位方法，先对历史的告警信息数据进行预处理；构建根因节点告警信息类别知识库；使用基于分布式假设的词表示模型将节点与告警信息组合映射成特征表示；将根因节点样本集合数据扩充至与非根因节点样本集合的样本数相同；将扩充后的数据集作为训练集，训练LSTM模型；对新的数据样本用同样的方法得到特征表示，输入保存好的模型，得到预测样本为根因节点的概率值集合；将预测概率大于阈值的样本筛选出来并存入疑似根因节点集合；根据疑似根因节点集合连接关系确定根因节点。该方法可提高网络运维的效率，节省成本。
-
公开(公告)号：CN112003718B
公开(公告)日：2021-07-27
申请号：CN202010649254.1
申请日：2020-09-25
Applicant: 南京邮电大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于深度学习的网络告警定位方法，先对历史的告警信息数据进行预处理；构建根因节点告警信息类别知识库；使用基于分布式假设的词表示模型将节点与告警信息组合映射成特征表示；将根因节点样本集合数据扩充至与非根因节点样本集合的样本数相同；将扩充后的数据集作为训练集，训练LSTM模型；对新的数据样本用同样的方法得到特征表示，输入保存好的模型，得到预测样本为根因节点的概率值集合；将预测概率大于阈值的样本筛选出来并存入疑似根因节点集合；根据疑似根因节点集合连接关系确定根因节点。该方法可提高网络运维的效率，节省成本。
-
公开(公告)号：CN112507071A
公开(公告)日：2021-03-16
申请号：CN202011408818.9
申请日：2020-12-03
Applicant: 南京邮电大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/289 , G06K9/62 , G06N3/04
Abstract: 本发明提供了一种基于新型情感词典的网络平台短文本混合情感分类方法，该方法将已经标记好情感的样本中的文本进行分词处理；统计每个词在某个情感的所有样本中的词频；并利用每个词的词频计算出每个词所对应的情感权重；将每个词的情感权重记录下来，得到一个新型的情感词典；利用新型情感词典对待分类的样本进行情感权重计算，得到一个包含了每种情感的情感权重的情感向量；将该情感向量输入到深度学习模型中，作为深度学习模型输入层的特征表示；最终得到混合情感分类结果。该方法将网络平台的短文本中的情感浓缩到了一个简短的情感向量之中，从而提升了利用深度学习实现混合情感分类的训练速度以及减少了模型在训练时的内存占用量。
-
-
-
-
-
-
Search Results
7
records
(took 0.032 seconds)
