一种基于ERNIE与DPCNN的笔录问答分类方法

    公开(公告)号:CN111813938A

    公开(公告)日:2020-10-23

    申请号:CN202010654746.X

    申请日:2020-07-09

    Applicant: 湖南大学

    Inventor: 王莎莎 彭鹏

    Abstract: 本发明涉及一种基于ERNIE与DPCNN的笔录问答分类方法,其发明内容主要包括对笔录文本数据集进行预处理,将处理之后的数据先输入到ERNIE模型中训练得到字向量序列,然后将得到的字向量序列输入到DPCNN模型中进行训练,由于DPCNN模型对ERNIE模型提取到的句子特征进行了进一步的提取,因此使句子的语义表示更加精确,提高了笔录问答分类的准确率。

    一种基于DCNN联合特征表示的音乐推荐方法

    公开(公告)号:CN113094544A

    公开(公告)日:2021-07-09

    申请号:CN202110338511.4

    申请日:2021-03-26

    Applicant: 湖南大学

    Abstract: 本发明涉及一种基于DCNN联合特征表示的音乐推荐方法,其发明内容主要包括音乐预处理和增强、音乐特征的提取和推荐方法的建模,首先将Log梅尔谱图输入到第一通道的DCNN进行训练,即得基于Log梅尔谱图的DCNN模型,同时将MFCC等特征输入到CNN中训练,即得基于MFCC的CNN模型,然后将第一通道和第二通道的结果进行组合拼接,输入到全连接层和softmax层,进行音乐特征向量的进一步降维,由于采用了不同模态的数据,训练的结果更加准确,更具有扩展性,最后计算用户偏好并对其推荐音乐。

    一种基于DCNN联合特征表示的音乐推荐方法

    公开(公告)号:CN113094544B

    公开(公告)日:2023-03-24

    申请号:CN202110338511.4

    申请日:2021-03-26

    Applicant: 湖南大学

    Abstract: 本发明涉及一种基于DCNN联合特征表示的音乐推荐方法,其发明内容主要包括音乐预处理和增强、音乐特征的提取和推荐方法的建模,首先将Log梅尔谱图输入到第一通道的DCNN进行训练,即得基于Log梅尔谱图的DCNN模型,同时将MFCC等特征输入到CNN中训练,即得基于MFCC的CNN模型,然后将第一通道和第二通道的结果进行组合拼接,输入到全连接层和softmax层,进行音乐特征向量的进一步降维,由于采用了不同模态的数据,训练的结果更加准确,更具有扩展性,最后计算用户偏好并对其推荐音乐。

Patent Agency Ranking