-
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。
-
公开(公告)号：CN112288632B
公开(公告)日：2023-02-28
申请号：CN202011178157.5
申请日：2020-10-29
Applicant: 福州大学
IPC: G06T3/40 , G06N3/0475 , G06N3/048 , G06N3/045 , G06N3/084 , G06V10/764
Abstract: 本发明涉及一种基于精简ESRGAN的单图像超分辨率方法，包括以下步骤：步骤S1:获取待处理低分辨图像，并预处理；步骤S2:根据预处理后的图像，通过改进型单图像超分辨率生成对抗网络中的生成器模块，生成超分辨率图像，若模型处于训练阶段，则进行步骤S3，否则进行步骤S4；步骤S3:构建判别器，并将判别器用于判断超分辨率图像是否为真实的高分辨率图像，根据判别器得到的结果进行反向传播，优化生成器，重新进行步骤S2；步骤S4:对得到的超分辨率图像进行边缘修复处理，得到最终的超分辨率图像。本发明解决图像放大后的边缘修复问题，去除边缘锯齿效应和块效应，使得图像更加平滑，从而较好地实现单图像超分辨率重建。
-
公开(公告)号：CN112507114A
公开(公告)日：2021-03-16
申请号：CN202011219283.0
申请日：2020-11-04
Applicant: 福州大学
Abstract: 本发明涉及一种基于词注意力机制的多输入LSTM_CNN文本分类方法及系统，将给定的文本分为标题和正文，将其转换成向量形式；分别捕获标题与正文的双向语义依赖关系，得到标题与正文的双向语义特征；对正文的双向语义特征，采用注意力机制计算各个位置的词与分类任务的相关程度，对各个位置的双向语义特征进行注意力加权，得到正文的加权后的特征向量；对正文加权后的特征向量进行局部特征提取，从而得到正文的细粒度特征；将标题与正文的特征进行拼接，得到最终的文档级文本特征表示；对文本特征表示进行预测，得到文本所述的类别概率。本发明能够更好的识别出目标文本的归属类别。
-
Patent Agency Ranking
公开(公告)号：CN111274396A
公开(公告)日：2020-06-12
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：CN110874411A
公开(公告)日：2020-03-10
申请号：CN201911138355.6
申请日：2019-11-20
Applicant: 福州大学
IPC: G06F16/35 , G06F40/205 , G06F40/289 , G06F40/30 , G06K9/62 , G06N3/04
Abstract: 本发明涉及一种基于注意力机制融合的跨领域情感分类系统。包括：评论文本预处理模块，用于获取源领域和目标领域文本的向量形式；文本语义学习模块，用于学习词语之间的语义依赖关系；注意力机制融合模块，通过将不同的注意力方式进行融合，获得词语对文本分类的综合权重；分层注意模块，分别从词级和句子级计算文本的注意力权重，判断词语对句子表示，句子对文档表示的权重；情感类别输出模块，利用分类函数得到最终的情感分类结果。本发明能够自动抽取出目标领域与源领域的潜在通用特征，并对特征进行抽象和组合，最终识别出目标领域文本的情感类别。
-
公开(公告)号：CN112288632A
公开(公告)日：2021-01-29
申请号：CN202011178157.5
申请日：2020-10-29
Applicant: 福州大学
Abstract: 本发明涉及一种基于精简ESRGAN的单图像超分辨率方法，包括以下步骤：步骤S1:获取待处理低分辨图像，并预处理；步骤S2:根据预处理后的图像，通过改进型单图像超分辨率生成对抗网络中的生成器模块，生成超分辨率图像，若模型处于训练阶段，则进行步骤S3，否则进行步骤S4；步骤S3:构建判别器，并将判别器用于判断超分辨率图像是否为真实的高分辨率图像，根据判别器得到的结果进行反向传播，优化生成器，重新进行步骤S2；步骤S4:对得到的超分辨率图像进行边缘修复处理，得到最终的超分辨率图像。本发明解决图像放大后的边缘修复问题，去除边缘锯齿效应和块效应，使得图像更加平滑，从而较好地实现单图像超分辨率重建。
-
公开(公告)号：CN112199504A
公开(公告)日：2021-01-08
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。
-
公开(公告)号：CN110825952A
公开(公告)日：2020-02-21
申请号：CN201911085552.6
申请日：2019-11-08
Applicant: 福州大学
IPC: G06F16/953 , G06F16/33 , G06N3/04
Abstract: 本发明涉及一种基于嵌套LSTM的水军评论检测方法，包括以下步骤：步骤S1：将输入的数据分为文本信息与行为信息；步骤S2:对行为信息进行特征抽取获得行为特征，并将文本信息送入所述文本特征提取模块，得到包含上下文信息的文本特征；步骤S3：将得到的包含上下文信息的文本特征送入所述嵌套LSTM模块，并提取该文本特征的空间结构信息，得到包含整体与部分关系的文本特征；步骤S4：将包含整体与部分关系的文本特征与行为特征输入至集成学习模块中，得到评论最终的分类结果。本发明能够抽取出有效特征，并对特征进行抽象和组合，最终识别出文本空间特征。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.015 seconds)
