公开(公告)号：CN120030167A

公开(公告)日：2025-05-23

申请号：CN202510197525.7

申请日：2025-02-21

Applicant: 济南大学

Inventor： 马坤 ,  李广志 ,  郝英宏 ,  纪科 ,  陈贞翔 ,  杨波

IPC: G06F16/353 ,  G06F40/30 ,  G06F40/194 ,  G06N3/045 ,  G06N3/09 ,  G06N3/042 ,  G06N3/0464

Abstract: 本发明属于自然语言处理技术领域，提供了一种互联网文本层次多标签分类方法及系统，在训练过程中首先对原始文本进行增强，得到增强文本，将原始文本与其增强文本作为正样本对挖掘标签间共现关系；将具有直接层次关系的标签作为正标签对挖掘标签间层次关系；然后对原始标签特征进行差异化增强，通过高频共现标签信息增强低频标签，通过历史标签信息增强高频标签；最后将文本特征和增强后的标签特征进行双向交互，利用标签与文本之间潜在的语义关联进行二次增强，得到分类特征；基于分类特征进行分类，得到分类结果，达到了丰富标签和文本的语义特征的目的，同时利用标签之间的共现关系和层次关系提高了层次多标签分类的分类精度。

公开(公告)号：CN119903241A

公开(公告)日：2025-04-29

申请号：CN202510376489.0

申请日：2025-03-28

Applicant: 济南大学

Inventor： 马坤 ,  邵永伟 ,  陈佳音

IPC: G06F16/9535 ,  G06F16/9537 ,  G06Q50/20 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/049 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及电数字数据处理技术领域，提出了一种基于学生学习成效预测的学习方案推荐方法及系统，包括：获取待预测用户的学习行为日志，进行预处理并构造为学习行为矩阵；基于改进后的卷积神经网络对学习行为矩阵进行特征提取，生成学习行为特征向量；所述改进后的卷积神经网络为：在原卷积神经网络的卷积层上设置附加卷积层，附加卷积层对学习行为矩阵的数据分布进行学习得到位置偏移量，动态调整原有卷积核采样位置；从学习行为特征向量中提取时序特征向量；基于全连接网络进行全连接操作处理，得到预测结果，进行学习方案推荐。实现了对在线学习平台学生的学习成效的准确预测，进而能够生成更优的学习方案实现学习方案的推荐。

公开(公告)号：CN119691149A

公开(公告)日：2025-03-25

申请号：CN202411771219.1

申请日：2024-12-04

Applicant: 济南大学

Inventor： 纪科 ,  王如鑫 ,  马坤 ,  杨波 ,  陈贞翔 ,  孙润元

IPC: G06F16/334 ,  G06F40/279 ,  G06F40/30 ,  G06V10/764 ,  G06V10/80 ,  G06F18/25

Abstract: 本发明提出了基于时间间隔与知识融合的虚假新闻检测方法及系统，属于互联网安全和深度学习技术领域；基于卷积神经网络对目标新闻图像进行图像特征提取并转化为图像特征向量；基于文本编码器对目标新闻文本进行语义表示并转化为文本特征向量；从目标新闻文本中提取实体并进行实体链接以获取外部知识补充，并将外部知识补充转化为外部知识特征向量；通过提取目标新闻事件的发生时间和新闻发布时间计算时间间隔并转化为时间间隔特征向量；对图像特征向量、文本特征向量、外部知识特征向量和时间间隔特征向量进行融合，并将融合后的特征输入分类器来判断新闻数据的真实性。本发明能够显著提高识别虚假新闻时的准确性和时效性。

公开(公告)号：CN117668158B

公开(公告)日：2025-03-18

申请号：CN202311670003.1

申请日：2023-12-06

Applicant: 济南大学

Inventor： 纪科 ,  高源 ,  马坤 ,  杨波 ,  陈贞翔 ,  孙润元

IPC: G06F16/334 ,  G06F16/383 ,  G06F40/226 ,  G06F40/284 ,  G06F40/194 ,  G06F16/9536

Abstract: 本发明公开的基于多源社交数据的实时虚假新闻事件检测方法及系统，包括：获取与新闻事件相关联的新闻及其评论；根据各新闻与新闻事件的相关度，确定各新闻的信赖度；确定新闻评论的形容词占比特征、相似度特征、特征词语特征及情感分析特征，将形容词占比特征、相似度特征、特征词语特征和情感分析特征进行拼接，获得新闻事件的评论特征；根据各新闻的内容，确定各新闻的真假性，将各新闻的信赖度作为权重对各新闻的真假性进行加权求和，获得新闻事件的内容特征；将新闻事件的内容特征和评论特征进行拼接，获得新闻事件的拼接特征；根据新闻事件的拼接特征，确定新闻事件的真假判定结果。实现了对新闻事件的准确判断。

公开(公告)号：CN114911933B

公开(公告)日：2025-03-11

申请号：CN202210446994.4

申请日：2022-04-26

Applicant: 济南大学

Inventor： 马坤 ,  崔本宽 ,  纪科 ,  陈贞翔 ,  杨波

IPC: G06F16/35 ,  G06F16/334 ,  G06F16/36 ,  G06F40/253 ,  G06F40/30

Abstract: 本发明属于自然语言处理技术领域，提供了基于图内图间联合信息传播的假新闻检测方法及系统，包括：获取待检测文本，并进行预处理后，分别构建文本顺序图、文本语法图和文本语义图；基于文本顺序图、文本语法图和文本语义图，先进行图内信息交互，再进行图间信息交互后，得到联合信息文本顺序图、联合信息文本语法图和联合信息文本语义图，通过图注意力机制和节点注意力机制，得到待检测文本的向量表示，输入到分类器，得到待检测文本是否属于假新闻的结果。解决了短文本向量化时存在的特征稀疏问题，丰富了文本向量表示，解决了长距离和非连续文本信息交互缺失问题，提高文本表示的精确度。

公开(公告)号：CN119397358A

公开(公告)日：2025-02-07

申请号：CN202411522299.7

申请日：2024-10-29

Applicant: 济南大学

Inventor： 纪科 ,  李青青 ,  马坤 ,  杨波 ,  陈贞翔 ,  孙润元

IPC: G06F18/241 ,  G06F18/25 ,  G06F18/213 ,  G06F40/284 ,  G06F40/30 ,  G06N3/0442 ,  G06N3/045 ,  G06Q50/00

Abstract: 本发明公开了基于分区过滤网络的虚假新闻检测方法及系统，其中方法包括：对新闻文本特征和评论文本特征进行融合，得到事件特征；将新闻文本与评论文本输入双重情感获取模块中，得到双重情感特征；将评论文本的词向量，输入到分区过滤网络中，得到初始立场特征和初始谣言特征；将事件特征与初始立场特征进行融合，得到修正后的立场特征；对修正后的立场特征进行分类，得到第一分类结果；将初始谣言特征、双重情感特征和修正后的立场特征进行融合，得到修正后的谣言特征；对修正后的谣言特征进行分类，得到第二分类结果；对第一分类结果和第二分类结果进行融合，得到最终的分类结果。

公开(公告)号：CN113704472B

公开(公告)日：2024-04-09

申请号：CN202111005000.7

申请日：2021-08-30

Applicant: 济南大学

Inventor： 马坤 ,  陈静 ,  纪科 ,  陈贞翔 ,  杨波

IPC: G06F16/35 ,  G06F16/31 ,  G06F40/205 ,  G06F40/279 ,  G06Q50/00

Abstract: 本发明属于自然语言处理领域，提供了基于主题记忆网络的仇恨和攻击性言论识别方法及系统，首先将文本转换为词袋向量和词索引序列向量，并进行特征提取得到特征向量；然后基于词袋向量，主题提取模型提取主题混合分布；基于主题混合分布，主题记忆机制获得主题词权重矩阵，并通过两次级联运算与词索引序列向量和特征向量进行联合学习，得到分类特征；最后基于分类特征，分类器得到文本是否属于仇恨和攻击性言论的结果；达到了丰富短文本特征的目的，解决了短文本存在的特征稀疏问题，提高了仇恨和攻击性言论识别的精度。

公开(公告)号：CN117634608A

公开(公告)日：2024-03-01

申请号：CN202311283185.7

申请日：2023-09-28

Applicant: 济南大学

Inventor： 马坤 ,  位强 ,  纪科 ,  陈贞翔 ,  杨波

IPC: G06N5/025 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/09 ,  G06F18/2415 ,  G06F18/25

Abstract: 本发明属于人工智能技术领域，提供了一种基于双向集成匹配网络的阅读理解方法及系统。首先，融合段落上下文和问答序列对以增强词向量表示；其次，线性集成协同注意力模块和卷积模块以匹配全局交互关系，进而提高机器阅读理解模型的性能。

公开(公告)号：CN117217316A

公开(公告)日：2023-12-12

申请号：CN202311283635.2

申请日：2023-09-28

Applicant: 济南大学

Inventor： 马坤 ,  衣禹桥 ,  纪科 ,  陈贞翔 ,  杨波

IPC: G06N5/04 ,  G06N5/025 ,  G06N3/0455 ,  G06F40/253 ,  G06F40/30

Abstract: 本发明提供了基于双解码器融合的数学应用题自动解答方法及系统，基于Seq2Seq与树解码器融合，首先根据语法依存关系，在问题文本中提取与数字关联的属性词；然后引入数字实体嵌入重构预训练语言模型PLM编码器，提取数字实体间关系；基于数字特性增强的PLM编码器初始化构建解码器，解决Seq2Seq解码器数学知识缺失的问题；进一步共享编码器‑解码器对应参数的权重，使编码器参数同时作用于问题解析和表达式生成两任务；最终融合Seq2Seq和树解码器结构学习生成多形式表达式，增强了编码器对数字多样性结构信息的提取和数字特征的表示，提高了数学应用题解答的准确度。

公开(公告)号：CN114912027A

公开(公告)日：2022-08-16

申请号：CN202210608349.8

申请日：2022-05-31

Applicant: 济南大学

Inventor： 马坤 ,  郑楠 ,  张嘉轩 ,  纪科 ,  陈贞翔 ,  杨波

IPC: G06F16/9535 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/20

Abstract: 本发明涉及学习方案推荐技术领域，提供了一种基于学习成效预测的学习方案推荐方法及系统，包括：获取待预测用户的基本数据以及对某个课程的学习行为数据，并进行预处理后，构建并筛选出分类特征，得到待预测用户的特征向量，输入训练好的在线课程学生学习成效预测模型，预测得到待预测用户对该课程的学习成效，当学习成效为未通过考核时，发送预警信息给待预测用户，并获取参考用户的学习效率和学习方案，将学习效率最高的参考用户的学习方案发送给待预测用户；并通过集成多个机器学习模型提高了模型对不同样本的泛化能力，实现了对有失败风险的学生做到准确预警和对预警学生进行最优、最适合的学习方案推荐。