-
公开(公告)号：CN112597271A
公开(公告)日：2021-04-02
申请号：CN202011103541.9
申请日：2020-10-15
Applicant: 大连理工大学
IPC: G06F16/33 , G06F16/35 , G06F16/951 , G06K9/62
Abstract: 一种面向庭审过程中犯罪嫌疑人态度预测的方法，属于智能司法的领域，用于对犯罪嫌疑人态度进行预测，要点是包括S1、庭审数据的获取与解析；S2、数据规整及标注对齐；S3、庭审过程多模态信息的抽取与拓展；S4、利用多模态信息对犯罪嫌疑人态度进行预测。效果是针对智能司法中的庭审过程，构建了从原始数据获取、特征工程、模型构建等完整的流程框架，在犯罪嫌疑人态度预测任务上实现了较好的预测性能。
-
公开(公告)号：CN111966827A
公开(公告)日：2020-11-20
申请号：CN202010724469.5
申请日：2020-07-24
Applicant: 大连理工大学
IPC: G06F16/35 , G06F16/335 , G06F40/211 , G06F40/30 , G06N3/04 , G06F16/332
Abstract: 一种基于异构二部图的对话情感分析方法，属于数据挖掘技术领域，用以解决对话文本中用户的情绪识别任务的问题，要点是包括S1、中文对话情感分析数据集的构建；S2、构建基于依存关系的异构二部图；S3、构建并拼接文本的语义表示和句法表示；S4、利用文本分类模型预测情感极性，效果是将对话文本的依存关系表示为异构二部图形式，与经典的情感分析模型相结合建模文本的语义和句法特征，在对话情感分析任务上实现了优秀的预测性能。
-
公开(公告)号：CN114969342B
公开(公告)日：2025-04-29
申请号：CN202210623478.4
申请日：2022-06-02
Applicant: 大连理工大学
IPC: G06F16/353 , G06N3/0442 , G06N3/0455 , G06N3/092
Abstract: 本发明提出了基于风格表示与多任务学习的文本多风格迁移方法，包括以下步骤：(1)构建多语料文本图网络，(2)使用图网络技术与图嵌入算法获取图节点表示，(3)使用标签嵌入技术获取文本风格表示，(4)使用Transformer构建编码器获取融合文本风格信息的句子表示，(5)使用Transformer构建解码器对目标文本进行风格迁移，(6)使用多任务学习方法中的参数硬共享方法，构建文本多风格迁移模型。本发明使用图神经网络与标签嵌入技术获取了效果更优的文本风格表示；基于Transformer与风格表示相结合构建文本风格迁移模型，获得了更优的文本风格迁移效果；使用多任务技术构建文本多风格迁移模型，降低了不同风格之间的影响，获得了更优的文本多风格迁移效果。
-
公开(公告)号：CN108874896B
公开(公告)日：2020-11-06
申请号：CN201810496016.4
申请日：2018-05-22
Applicant: 大连理工大学
IPC: G06F16/35 , G06F40/30 , G06F40/247 , G06F40/289 , G06N3/04
Abstract: 一种基于神经网络和幽默特征的幽默识别方法，属于数据挖掘和自然语言处理领域，用以解决进行幽默识别的问题，要点是包括S1、幽默语料采集及预处理；S2、幽默特征提取；S3、文本的词向量表示；S4、神经网络模型构建；S5、幽默识别结果评价，效果是：对特定形式的幽默数据进行采集和预处理，根据相关成熟的幽默理论，充分考虑到幽默文本的语音特性，构造幽默的语音特征；利用幽默的模糊性特性，提取了句子中拥有同义词最多的词作为特征词并对其进行向量化；采用了深度学习方法，提取了幽默文本背后深层次的语义特征，并将幽默的语音特征和模糊性特征融合到神经网络当中，从而进行幽默识别，在数据集上的实验验证了本发明方法对幽默识别的有效性。
-
公开(公告)号：CN109086269B
公开(公告)日：2020-08-21
申请号：CN201810796931.5
申请日：2018-07-19
Applicant: 大连理工大学
IPC: G06F40/247 , G06F16/00 , G06K9/62
Abstract: 一种基于语义资源词表示和搭配关系的语义双关语识别方法，属于自然语言处理领域，用于解决双关语识别问题。识别方法包括：S1预处理语义双关语语料；S2构建基于语义资源词表示模型；S3使用Bi‑LSTM识别语义双关语；S4构建基于搭配关系的注意力机制模型；S5、融合语义上下文信息和搭配信息；S6构建离线训练模型；S7在线预测。本发明从语义双关语的特点进行出发，是一种可以完善其多个含义并补充其搭配关系的基于语义资源词表示和搭配关系的语义双关语识别方法，可以有效提升识别的性能。
-
Patent Agency Ranking
公开(公告)号：CN109086269A
公开(公告)日：2018-12-25
申请号：CN201810796931.5
申请日：2018-07-19
Applicant: 大连理工大学
Abstract: 一种基于语义资源词表示和搭配关系的语义双关语识别方法，属于自然语言处理领域，用于解决双关语识别问题。识别方法包括：S1预处理语义双关语语料；S2构建基于语义资源词表示模型；S3使用Bi-LSTM识别语义双关语；S4构建基于搭配关系的注意力机制模型；S5、融合语义上下文信息和搭配信息；S6构建离线训练模型；S7在线预测。本发明从语义双关语的特点进行出发，是一种可以完善其多个含义并补充其搭配关系的基于语义资源词表示和搭配关系的语义双关语识别方法，可以有效提升识别的性能。
-
公开(公告)号：CN109034908A
公开(公告)日：2018-12-18
申请号：CN201810892082.3
申请日：2018-08-07
Applicant: 大连理工大学
IPC: G06Q30/02
CPC classification number: G06Q30/0202
Abstract: 一种结合排序学习的电影排名预测方法，属于数据挖掘技术领域，用于对电影的排名进行预测，要点是包括S1、电影数据获取与解析；S2、多类电影特征的抽取与拓展；S3、数据规整及标注对齐；S4、数据格式化以及评价指标领域化迁移；S5、利用排序学习模型预测电影排名结果。本发明针对电影排名预测主题，构建了从原始数据获取、特征工程、模型构建等完整的技术方案，提高了电影排名预测的性能。
-
公开(公告)号：CN108460013A
公开(公告)日：2018-08-28
申请号：CN201810120922.4
申请日：2018-01-30
Applicant: 大连理工大学
Abstract: 本发明提供了一种基于细粒度词表示模型的序列标注模型，用于进行序列标注任务，属于计算机应用及自然语言处理领域。本发明的模型结构主要由特征表示层、BiLSTM和CRF层3部分构成。利用该模型进行序列标注任务时，首先提出一种基于注意力机制的字符级词表示模型Finger来融合形态学信息和单词的字符信息，然后由Finger与BiLSTM-CRF模型共同完成序列标注任务，最终该方法以端到端、无任何特征工程形式在CoNLL 2003数据集上取得了F1为91.09％的结果。实验表明本发明设计的Finger模型显著提升序列标注系统的召回率，从而使得模型的识别能力显著提升。
-
公开(公告)号：CN111966827B
公开(公告)日：2024-06-11
申请号：CN202010724469.5
申请日：2020-07-24
Applicant: 大连理工大学
IPC: G06F16/35 , G06F16/335 , G06F40/211 , G06F40/30 , G06N3/042 , G06N3/0464 , G06N3/0442 , G06N3/0455 , G06N3/084 , G06F16/332
Abstract: 一种基于异构二部图的对话情感分析方法，属于数据挖掘技术领域，用以解决对话文本中用户的情绪识别任务的问题，要点是包括S1、中文对话情感分析数据集的构建；S2、构建基于依存关系的异构二部图；S3、构建并拼接文本的语义表示和句法表示；S4、利用文本分类模型预测情感极性，效果是将对话文本的依存关系表示为异构二部图形式，与经典的情感分析模型相结合建模文本的语义和句法特征，在对话情感分析任务上实现了优秀的预测性能。
-
公开(公告)号：CN112597271B
公开(公告)日：2024-04-26
申请号：CN202011103541.9
申请日：2020-10-15
Applicant: 大连理工大学
IPC: G06F16/33 , G06F16/35 , G06F16/951 , G06F18/25 , G06F18/2411
Abstract: 一种面向庭审过程中刑事案件审判被告人态度预测的方法，属于智能司法的领域，用于对刑事案件审判被告人态度进行预测，要点是包括S1、庭审数据的获取与解析；S2、数据规整及标注对齐；S3、庭审过程多模态信息的抽取与拓展；S4、利用多模态信息对刑事案件审判被告人态度进行预测。效果是针对智能司法中的庭审过程，构建了从原始数据获取、特征工程、模型构建等完整的流程框架，在刑事案件审判被告人态度预测任务上实现了较好的预测性能。
-
-
-
-
-
-
-
-
-
Search Results
20
records
(took 0.01 seconds)
