-
公开(公告)号：CN118673161A
公开(公告)日：2024-09-20
申请号：CN202411166073.8
申请日：2024-08-23
Applicant: 江西农业大学
IPC: G06F16/36 , G06F16/33 , G06F16/35 , G06F16/31 , G06Q10/0639 , G06Q50/20 , G06N5/022 , G06N5/04 , G06N3/045 , G06N3/09 , G06N3/084
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于知识图谱的在线课程质量评价大数据分析方法，该方法计算每条用户课程评价在主题列表中每个主题下的情感得分，获得情感得分矩阵作为分类器序列的输入数据集的评价特征数据，利用知识图谱嵌入将课程评价数据集的原始情感标签进行标签修正，建立分类器序列进行训练，将每条评价特征在不同主题维度下的全局重要性值和绩效结合，为改进在线课程平台课程教学质量提供有效方案和措施。本发明结合机器学习和深度学习的方法，更好地评估大数据规模下的课程质量，为提高教学质量和进行教育决策提供有力支持。
-
公开(公告)号：CN117688936B
公开(公告)日：2024-04-19
申请号：CN202410158289.3
申请日：2024-02-04
Applicant: 江西农业大学
IPC: G06F40/242 , G06F40/216 , G06F16/35
Abstract: 本发明涉及一种图文融合的低秩多模态融合情感分析方法，本发明获取网络平台用户意见图文对数据并制作用户意见图文对数据集；使用双向编码表征模型提取用户意见图文对中的文本特征；使用结构重参数化视觉几何组模型提取用户意见图文对中的图像特征；通过多模态特征融合层对提取出的文本特征和图像特征进行低秩多模态融合，得到多模态融合特征：将多模态融合特征输入情感分类器中进行三分类预测，获取到最终用户情感预测。本发明通过多模态特征融合层对提取出的文本特征和图像特征进行低秩多模态融合，提升了用户意见图文对情感预测的准确性，有效解决了单一模态下情感识别的混淆性，提高了情感模型预测的效果和性能。
-
公开(公告)号：CN119202954A
公开(公告)日：2024-12-27
申请号：CN202411720195.7
申请日：2024-11-28
Applicant: 江西农业大学 , 江西省防汛信息中心 , 江西省科学院应用物理研究所
IPC: G06F18/2431 , G06F18/213 , G06F18/10 , G06F18/25 , G06N3/0464
Abstract: 本发明属于情感分析技术领域，具体涉及一种多模态信息融合的动态拓扑层次结构情感分析方法，该方法通过提取图像特征和文本特征；通过多头注意力机制对图像特征和文本特征进行对齐，得到对齐后的图文特征向量；将图文特征向量映射到动态拓扑层次结构中，并使用高维扩展编码方法对图像和文本的多模态特征进行融合和高维扩张，得到图像特征和文本特征的高维扩展编码特征，并输入到情感分类器中，得到积极、中性、消极三类情感分类结果。本发明结合深度学习的多模态特征对齐与融合策略，能够在不均衡数据集上提升情感分类的准确性和适用性，为多模态情感分析提供了有效的技术解决方案。
-
Patent Agency Ranking
公开(公告)号：CN118673161B
公开(公告)日：2024-11-12
申请号：CN202411166073.8
申请日：2024-08-23
Applicant: 江西农业大学
IPC: G06F16/36 , G06F16/33 , G06F16/35 , G06F16/31 , G06Q10/0639 , G06Q50/20 , G06N5/022 , G06N5/04 , G06N3/045 , G06N3/09 , G06N3/084
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种基于知识图谱的在线课程质量评价大数据分析方法，该方法计算每条用户课程评价在主题列表中每个主题下的情感得分，获得情感得分矩阵作为分类器序列的输入数据集的评价特征数据，利用知识图谱嵌入将课程评价数据集的原始情感标签进行标签修正，建立分类器序列进行训练，将每条评价特征在不同主题维度下的全局重要性值和绩效结合，为改进在线课程平台课程教学质量提供有效方案和措施。本发明结合机器学习和深度学习的方法，更好地评估大数据规模下的课程质量，为提高教学质量和进行教育决策提供有力支持。
-
公开(公告)号：CN117390141B
公开(公告)日：2024-03-08
申请号：CN202311690636.9
申请日：2023-12-11
Applicant: 江西农业大学 , 江西省科学院应用物理研究所
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F16/951 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
-
公开(公告)号：CN117390141A
公开(公告)日：2024-01-12
申请号：CN202311690636.9
申请日：2023-12-11
Applicant: 江西农业大学 , 江西省科学院应用物理研究所
IPC: G06F16/33 , G06F16/35 , G06F40/289 , G06F40/30 , G06F16/951 , G06N3/0455 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明属于自然语言处理情感分析领域，具体涉及一种农业社会化服务质量用户评价数据分析方法，该方法将用户评价数据进行统一标签处理后，分为训练集和测试集；设置情感分析层‑强学习器，包括组件学习器集成的粗粒度情感分析层和多个基学习器集成细粒度情感分析层；训练获得组件学习器和基学习器的决策权重列表；测试集在粗粒度情感分析层处理后，分别传入对应正向、水平或负向学习器组合中，输出情感倾向预测，再与权重决策列表进行对比，判断在各个情感对象维度上用户对农业产品的服务质量评价特征。本发明通过集成学习将粗细粒度情感分析进行结合，从细粒度多个情感对象方面精准预测评价情感倾向，提高了情感分析的泛化能力。
-
公开(公告)号：CN119202954B
公开(公告)日：2025-03-14
申请号：CN202411720195.7
申请日：2024-11-28
Applicant: 江西农业大学 , 江西省防汛信息中心 , 江西省科学院应用物理研究所
IPC: G06F18/2431 , G06F18/213 , G06F18/10 , G06F18/25 , G06N3/0464
Abstract: 本发明属于情感分析技术领域，具体涉及一种多模态信息融合的动态拓扑层次结构情感分析方法，该方法通过提取图像特征和文本特征；通过多头注意力机制对图像特征和文本特征进行对齐，得到对齐后的图文特征向量；将图文特征向量映射到动态拓扑层次结构中，并使用高维扩展编码方法对图像和文本的多模态特征进行融合和高维扩张，得到图像特征和文本特征的高维扩展编码特征，并输入到情感分类器中，得到积极、中性、消极三类情感分类结果。本发明结合深度学习的多模态特征对齐与融合策略，能够在不均衡数据集上提升情感分类的准确性和适用性，为多模态情感分析提供了有效的技术解决方案。
-
公开(公告)号：CN117688936A
公开(公告)日：2024-03-12
申请号：CN202410158289.3
申请日：2024-02-04
Applicant: 江西农业大学
IPC: G06F40/242 , G06F40/216 , G06F16/35
Abstract: 本发明涉及一种图文融合的低秩多模态融合情感分析方法，本发明获取网络平台用户意见图文对数据并制作用户意见图文对数据集；使用双向编码表征模型提取用户意见图文对中的文本特征；使用结构重参数化视觉几何组模型提取用户意见图文对中的图像特征；通过多模态特征融合层对提取出的文本特征和图像特征进行低秩多模态融合，得到多模态融合特征：将多模态融合特征输入情感分类器中进行三分类预测，获取到最终用户情感预测。本发明通过多模态特征融合层对提取出的文本特征和图像特征进行低秩多模态融合，提升了用户意见图文对情感预测的准确性，有效解决了单一模态下情感识别的混淆性，提高了情感模型预测的效果和性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
