-
公开(公告)号：CN113641819B
公开(公告)日：2023-08-22
申请号：CN202110912198.0
申请日：2021-08-10
Applicant: 福州大学
IPC: G06F16/35 , G06F40/126 , G06F40/30 , G06N3/0442
Abstract: 本发明提出一种基于多任务稀疏共享学习的论辩挖掘系统及方法，包括：编码器模块，用于使用双向长短时记忆神经网络学习上下文信息；双路注意力编码模块，用于使用自注意力和外部注意力并行对词向量进行特征提取，获得不同角度的单词语义关注度，强化单词之间的关系建模；稀疏共享学习模块，用于对获得句子向量的编码模块进行多任务学习，为不同任务生成任务特定的稀疏参数矩阵，以解决多任务学习负迁移影响，并获得句子级编码表示；多任务标签输出模块，用于使用任务特定的分类器完成不同任务的分类结果预测。能够自动地学习多个任务的稀疏共享结构，并利用各自任务特定的子网络进行联合训练，有效避免多任务学习的负迁移现象。
-
公开(公告)号：CN113515634B
公开(公告)日：2023-08-01
申请号：CN202110775965.8
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/35 , G06F16/36 , G06F40/216 , G06N3/047
Abstract: 本发明涉及一种基于分层异质图神经网络的社交媒体谣言检测方法及系统，包括基于数据预处理模块，用于对文本数据进行预处理，抽取用户静态特征，构建分层异质图结构；事件编码模块，用于编码含有传播及扩散结构信息的文本；用户编码模块，用于学习用户行为特征；全局异质图编码模块，用于捕捉事件和用户之间丰富的全局结构信息；谣言检测标签输出模块，用于融合文本信息、用户行为特征、全局异质图信息，完成谣言检测的标签预测工作。本发明能够有效的学习用户与用户之间和文本与文本之间的局部内联关系，生成含有临近节点信息的用户、文本表示，以此建模学习用户与事件之间的全局结构关系，最终识别出事件的真实性。
-
公开(公告)号：CN112328782B
公开(公告)日：2022-08-09
申请号：CN202011219386.7
申请日：2020-11-04
Applicant: 福州大学
Abstract: 本发明涉及一种融合图像过滤器的多模态摘要生成方法，包括步骤：获取输入文本的隐藏表示，得到文本上下文向量；提取输入图像的全局图像特征向量，并进行加权和计算得到图像上下文向量；对文本上下文向量与图像上下文向量进行融合，得到多模态信息的融合向量；采用图像过滤器来过滤图像中的噪声，选择最显著的图像特征，对图像上下文向量进行权重更新，并得到更新后的融合向量；采用单向的长短期记忆网络作为解码器，将更新后的融合向量解码得到最终的文本摘要。本发明从图像信息和文本信息融合出发，充分利用不同模态的信息提高文本摘要质量，并且能够应用于更大规模数据集应用场景。
-
公开(公告)号：CN111274396B
公开(公告)日：2022-06-07
申请号：CN202010062565.8
申请日：2020-01-20
Applicant: 福州大学
IPC: G06F16/35 , G06F40/284 , G06F40/30 , G06F40/247 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于外部知识的视角级文本情感分类方法及系统，包括步骤：对视角级文本进行特征化处理，并捕获文本的双向语义依赖关系；通过动态注意力机制将当前单词与外部知识同义词相结合，并引入哨兵向量避免外部知识对模型的误导；通过位置注意力机制来判断每个单词对视角词的贡献程度；通过计算每个记忆内容的注意力得分，利用门限循环单元将每层的注意力得分与上一层的输出结果非线性结合，并将最后一层作为文本的情感特征表示；利用分类函数得到最终的情感分类结果。本发明能够提高视角级文本情感分类的性能和降低资源的消耗。
-
公开(公告)号：CN112199504B
公开(公告)日：2022-06-03
申请号：CN202011184688.5
申请日：2020-10-30
Applicant: 福州大学
IPC: G06F16/35 , G06F40/247 , G06F40/30 , G06N3/04
Abstract: 本发明涉及一种融合外部知识与交互注意力机制的视角级文本情感分类方法及系统，包括步骤：构建带有外部知识的文本序列内容，同时引入哨兵向量改善外部知识对模型的误导作用；构建带有交互信息及位置信息的记忆内容；构建记忆内容的多层注意力表示，并将注意力结果与门控循环单元非线性结合，最终形成视角级文本情感特征表示；采用分类函数得到文本最终的情感分类结果。本发明能够对视角级文本进行特征化处理，并通过BiLSTM从文本中提取语义特征，然后通过多层注意力机制，得到最终的分类结果。
-
Patent Agency Ranking
公开(公告)号：CN113505226A
公开(公告)日：2021-10-15
申请号：CN202110777058.7
申请日：2021-07-09
Applicant: 福州大学
Abstract: 本发明涉及一种融合图卷积神经网络的文本情感分类系统。包括：数据预处理模块，用于构造用户与用户关系图和用户与产品关系图；评论文本预处理模块，用于对文档文本进行特征化处理；基于循环神经网络的编码模块，获取单词级别和句子级别的编码；基于图卷积神经网络的用户和产品特征提取模块，获取用户和产品的向量表示；用户产品记忆模块，获取具有代表性的用户和产品信息的向量表示；注意力机制模块，分别获取用户和产品的句子和文档表示向量；预测情感极性模块，利用分类函数得到最终的情感分类结果。本发明能够有效的学习用户与用户之间和产品与产品之间的内联关系，并通过用户层次和产品层次的分层注意力网络，最终识别出文本的情感类别。
-
公开(公告)号：CN109710946A
公开(公告)日：2019-05-03
申请号：CN201910034772.X
申请日：2019-01-15
Applicant: 福州大学
Abstract: 本发明涉及一种基于依赖解析树的联合论辩挖掘系统，包括：数据预处理模块，用于对数据进行预处理；文本嵌入模块，用于对从输入的文本中提取词、字符、词性、论点之间依赖关系以及论点类型的向量表示；序列编码模块，使用双向长短时记忆神经网络学习文本的上下文信息，用来完成论点边界检测和论点关系抽取的任务；依赖解析树模块，通过构建依赖解析树，用于在两个论点部件实体中寻找最短路经；论辩挖掘标签输出模块，用于完成论辩挖掘三个任务的标签预测工作，论点的类型标签和论点的关系标签。本发明能够从论辩文本数据中学习高质量的文本向量特点，最终检测出文本的论辩结构。
-
-
公开(公告)号：CN104217025B
公开(公告)日：2018-04-13
申请号：CN201410503955.9
申请日：2014-09-28
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种针对多记录网页的记录项抽取系统及方法，该系统包括：记录树对齐模块，接收已抽取好的记录区域子树，并利用标签信息及语义信息进行树对齐，得到一棵超树，从而让相同语义的节点对应于超树的同一个节点；记录内容抽取模块，使用文本密度及文本密度和度量指标确定记录中记录内容位置；记录项输出模块，将记录区域里所有记录项及其语义标注按照树节点先序遍历输出；反馈框架，在抽取记录项后利用抽取结果检查记录区域定位是否正确，不正确则重新定位记录区域，进而修改记录项抽取结果，正确则直接结束抽取流程。该系统及方法能够高效、准确地对多记录网页中记录区域进行记录项抽取，抽取速度快、准确度高，通用性强，适用范围广。
-
公开(公告)号：CN103745001B
公开(公告)日：2016-10-05
申请号：CN201410034998.7
申请日：2014-01-24
Applicant: 福州大学
IPC: G06F17/30
Abstract: 本发明涉及一种产品垃圾评论者检测系统，包括：预处理及数据输入模块，用于对回复数据集进行预处理，过滤无效的回复，得到新的回复数据集，然后将评论数据集、回复数据集、评论者集合、回复者集合、商店集合和产品集合输入模型计算模块；模型计算模块，包括评论者可信度模型、评论真实度模型和商店可靠性模型，用于迭代计算评论者可信度、评论真实度和商店可靠性；以及结果输出模块，用于输出计算得到的评论者可信度，得到最终的检测结果。该系统检测速度快，准确度高，通用性强。
-
-
-
-
-
-
-
-
-
Search Results
115
records
(took 0.022 seconds)
