-
公开(公告)号：CN113505226B
公开(公告)日：2023-08-04
申请号：CN202110777058.7
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/35 , G06F18/2415 , G06N3/0464 , G06N3/042 , G06N3/0442 , G06N3/084 , G06N3/08
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：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：CN113505208B
公开(公告)日：2024-02-02
申请号：CN202110776034.X
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/332 , G06N3/0442 , G06N3/0464 , G06N3/094
Abstract: 本发明涉及一种融合多路注意力机制的智能对话系统，包括依次连接的编码器模块、多路注意力模块、动态融合模块、外部知识模块和解码器模块；所述编码器模块，用于针对历史上下文进行多领域的编码；所述多路注意力模块，用于提取上下文单词之间的注意力关系；所述动态融合模块，用于融合编码器和注意力的编码结果；所述外部知识模块，用于辅助生成特定领域知识的句子内容；所述解码器模块，用于生成具体的句子内容。本发明能够通过对话的历史上下文信息，抽取不同领域细粒度和句子细粒度的编码信息，并利用记忆网络从外部知识库中抽取有用的外部知识信息，最终将二者信息融合生成具体的句子，提高对话智能化。
-
公开(公告)号：CN113505208A
公开(公告)日：2021-10-15
申请号：CN202110776034.X
申请日：2021-07-09
Applicant: 福州大学
IPC: G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种融合多路注意力机制的智能对话系统，包括依次连接的编码器模块、多路注意力模块、动态融合模块、外部知识模块和解码器模块；所述编码器模块，用于针对历史上下文进行多领域的编码；所述多路注意力模块，用于提取上下文单词之间的注意力关系；所述动态融合模块，用于融合编码器和注意力的编码结果；所述外部知识模块，用于辅助生成特定领域知识的句子内容；所述解码器模块，用于生成具体的句子内容。本发明能够通过对话的历史上下文信息，抽取不同领域细粒度和句子细粒度的编码信息，并利用记忆网络从外部知识库中抽取有用的外部知识信息，最终将二者信息融合生成具体的句子，提高对话智能化。
-
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：CN113641789B
公开(公告)日：2023-08-04
申请号：CN202110917626.9
申请日：2021-08-11
Applicant: 福州大学
Abstract: 本发明提出一种基于分层融合多头注意力网络和卷积网络的观点检索方法及系统，主要包含一个文本预处理模块，对输入的查询和候选文档的文本数据进行预处理；包含一个相关得分计算模块，用于计算查询和候选文档之间的相关得分；包含一个观点得分计算模块，用于计算候选文档的观点得分；包含一个统一相关检索模块，用于根据相关得分和观点得分计算观点检索得分；包含一个排序学习检索模块，将相关得分作为新的特征加入到常用的特征、文本概念化特征、网络表示特征和观点得分特征中，用于计算观点检索得分。
-
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：CN113641789A
公开(公告)日：2021-11-12
申请号：CN202110917626.9
申请日：2021-08-11
Applicant: 福州大学
Abstract: 本发明提出一种基于分层融合多头注意力网络和卷积网络的观点检索方法及系统，主要包含一个文本预处理模块，对输入的查询和候选文档的文本数据进行预处理；包含一个相关得分计算模块，用于计算查询和候选文档之间的相关得分；包含一个观点得分计算模块，用于计算候选文档的观点得分；包含一个统一相关检索模块，用于根据相关得分和观点得分计算观点检索得分；包含一个排序学习检索模块，将相关得分作为新的特征加入到常用的特征、文本概念化特征、网络表示特征和观点得分特征中，用于计算观点检索得分。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.015 seconds)
