公开(公告)号：CN118113841A

公开(公告)日：2024-05-31

申请号：CN202410247367.7

申请日：2024-03-05

Applicant: 福州大学

Inventor： 陈羽中 ,  李炜炜 ,  陈子阳

IPC: G06F16/332 ,  G06F16/33 ,  G06F40/35 ,  G06F40/30

Abstract: 本发明涉及一种基于主题与风格感知的多轮对话响应选择方法及系统，该方法包括以下步骤：步骤A：采集特定场景多轮对话文本，标注每个对话的响应所属的类别，构建带正负类别标签的多轮对话训练集DS；步骤B：使用训练集DS训练深度学习网络模型G，用于多轮对话响应选择；步骤C：将多轮对话上下文及候选响应输入到训练后的深度学习网络模型G中，得到对应多轮对话上下文最合适的响应。该方法及系统有利于提高多轮对话响应选择的准确性。

公开(公告)号：CN116860943A

公开(公告)日：2023-10-10

申请号：CN202310874629.8

申请日：2023-07-17

Applicant: 福州大学

Inventor： 陈羽中 ,  李炜炜 ,  陈子阳

IPC: G06F16/332 ,  G06F16/35 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/0985 ,  G06N3/045

Abstract: 本发明提出对话风格感知与主题引导的多轮对话方法及系统，所述方法包括以下步骤；步骤A：采集特定场景多轮对话文本，标注每个对话的响应所属的类别，构建带正负类别标签的多轮对话训练集DS；步骤B：使用训练集DS，训练多任务深度学习网络模型#imgabs0#，用于多轮对话响应选择；步骤C：将多轮对话上下文及候选响应输入到训练后的深度学习网络模型#imgabs1#中，得到对应多轮对话上下文最合适的响应；本发明有利于提高人机对话过程多轮对话响应选择的准确性。

公开(公告)号：CN116167617A

公开(公告)日：2023-05-26

申请号：CN202211711675.8

申请日：2022-12-29

Applicant: 福州大学

Inventor： 郭文忠 ,  陈羽中 ,  徐俊杰 ,  李炜炜

IPC: G06Q10/0635 ,  G06Q10/0639 ,  G06F18/214 ,  G06F18/2431 ,  G06N3/0442

Abstract: 本发明涉及一种融合随机森林与注意力的地质灾害风险评估方法及系统，该方法包括以下步骤：步骤A：采集基础地理信息数据、气象数据和社会经济数据作为风险评价指标，地质灾害风险等级、地质灾害类型作为标签，构建训练集TS；步骤B：使用训练集TS，训练随机森林模型RF和基于注意力机制的深度学习网络模型G，用于预测地质灾害风险等级；步骤C：将风险评价指标和地质灾害类型输入随机森林模型RF和深度学习网络模型G中，获得地质灾害风险等级。该方法及系统有利于提高地质灾害风险评估的准确性。

公开(公告)号：CN116050432A

公开(公告)日：2023-05-02

申请号：CN202310083882.1

申请日：2023-01-31

Applicant: 福州大学

Inventor： 陈羽中 ,  刘律民 ,  万宇杰 ,  李炜炜

IPC: G06F40/35 ,  G06F40/284 ,  G06F40/166 ,  G06F40/242 ,  G06N3/04 ,  G06N3/084

Abstract: 本发明涉及一种领域数据增强与多粒度语义理解的多轮对话方法及系统，该方法包括以下步骤：步骤A：提取用户对话、用户对话涉及的回复，并标注用户对话中涉及的相关回复话语的标签，正样本为对话中正确的回复，负样本为不正确的回复，构建训练集U；步骤B：使用训练集U，训练领域数据增强与多粒度语义理解的深度学习网络模型G，用于学习用户对话中和用户对话涉及的回复中的时序语义关系；步骤C：将完整用户对话和用户对话涉及的回复输入到训练后的深度学习网络模型G中，得到关于完整用户对话的正确回复。该方法及系统可以有效提高回复选择的准确性。

公开(公告)号：CN116028604A

公开(公告)日：2023-04-28

申请号：CN202211464352.3

申请日：2022-11-22

Applicant: 福州大学

Inventor： 陈羽中 ,  郑超凡 ,  徐俊杰 ,  李炜炜

IPC: G06F16/332 ,  G06F16/36 ,  G06F16/35 ,  G06F40/211 ,  G06F40/289 ,  G06F40/30 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明提供了一种基于知识增强图卷积网络的答案选择方法及系统，包括以下步骤：步骤A：在问答平台中收集用户的问题以及回答记录，并标注每一个问题‑答案对的真实标签，以此构建训练集DS；步骤B：使用训练数据集DS以及知识图谱ConceptNet，训练基于知识增强的图卷积神经网络的深度学习网络模型M，通过此模型来分析给定问题，相对应候选答案的正确性；步骤C：将用户的问题输入到训练好的深度学习网络模型M中，输出匹配的答案；应用本技术方案有利于提高答案选择的准确性。