-
公开(公告)号：CN112905736B
公开(公告)日：2023-09-19
申请号：CN202110113463.9
申请日：2021-01-27
Applicant: 郑州轻工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/216 , G06F40/242 , G06F40/30 , G06N7/01
Abstract: 本发明涉及一种基于量子理论的无监督文本情感分析方法：包括如下步骤：创建两个情感词典，分别是积极情感词典PSD与消极情感词典NSD；对积极情感词典PSD、消极情感词典NSD以及语料集中的文本进行预处理；构建量子文本表示模型，分别对预处理后的积极情感词典PSD、消极情感词典NSD和文本提取特征，构建积极情感词典密度矩阵ρPSD、消极情感词典密度矩阵ρNSD以及文本密度矩阵ρtext；运用量子相对熵算法，得到每个文本的情感分类结果。
-
公开(公告)号：CN117786492A
公开(公告)日：2024-03-29
申请号：CN202311826801.9
申请日：2023-12-28
Applicant: 郑州轻工业大学
IPC: G06F18/241 , G06F18/25 , G06F18/211 , G06V20/40 , G06V10/40 , G06V20/62 , G06N3/0442 , G06N3/0499 , G06N3/048 , G06N3/045
Abstract: 本申请提供一种多模态情感分析方法、系统、计算机设备及可读存储介质，涉及情感预测技术领域，该方法包括：将原始视频数据输入到特征提取模块，获得语境级模态表征；将所述语境级模态表征输入到去噪模块，获得去除噪声的模态表征；将所述去除噪声的模态表征输入到情感增强模块，获得情感增强模态表征；将所述去除噪声的文本模态表征、所述情感增强声学模态表征和所述情感增强视觉模态表征输入到上下文交互模块中，获得上下文交互增强模态表征；将所述上下文交互增强模态表征输入到情感预测模块，输出情感预测结果，从而可以提高情感预测的准确性。
-
公开(公告)号：CN116684291A
公开(公告)日：2023-09-01
申请号：CN202310746993.6
申请日：2023-06-21
Applicant: 郑州轻工业大学
IPC: H04L41/0895 , H04L41/14 , H04L41/142 , H04L41/16
Abstract: 本发明提出了一种适用通用化平台的服务功能链映射资源智能分配方法，步骤为：建立SFC映射模型，将通用化平台中SFC映射过程分为物理拓扑资源层和虚拟网络功能请求层的两层结构，并对两层结构进行抽象参数表示；分析通用化平台中服务请求的处理过程，建立节点计算与链路带宽通信资源联合分配的处理时间的最小化数学模型；将最小化数学模型建模为马尔科夫过程，定义包含状态、动作、奖励的三元组；将三元组与异步优势动作评价算法相结合，以训练主网络为模板，利用多线程技术生成多个子网络用于并行训练，找寻最优资源分配策略。本发明通过智能分配节点计算资源与链路带宽通信资源，有效提高了SFC请求的处理速率。
-
公开(公告)号：CN115730153A
公开(公告)日：2023-03-03
申请号：CN202211051172.2
申请日：2022-08-30
Applicant: 郑州轻工业大学
IPC: G06F16/9536 , G06N3/0464 , G06N3/08 , G06Q50/00
Abstract: 本申请公开了一种基于情感关联和情感标签生成的多模态情感分析方法，用以解决现有方法在挖掘情感关联信息、捕获情感差异信息方面的不足；所述方法包括如下步骤：步骤1：将原始视频按照语境提取语言学、声学和视觉三个模态的特征向量；步骤2：将特征向量传入情感关联增强器借助纵向注意力、横向注意力和自适应门控单元增强上下文情感关联和跨模态情感关联；步骤3：将多模态标签传入情感标签生成器中利用特征向量与标签之间的映射关系计算单模态标签值，并通过模态表示类中心判定单模态标签情感极性；步骤4：通过多模态预测任务和单模态预测任务的协同训练捕获情感差异信息，并输出最终的情感预测结果。
-
公开(公告)号：CN112905756A
公开(公告)日：2021-06-04
申请号：CN202110069022.3
申请日：2021-01-19
Applicant: 郑州轻工业大学
IPC: G06F16/332 , G06F16/33 , G06F40/30 , G06N3/04
Abstract: 本发明涉及一种基于交互式长短期记忆网络的对话情感分析方法，其特征在于，包含：构建对话情感语料集；对对话情感语料集中的对话进行预处理；定义对话情感分析场景中的交互，归纳出交互蕴含的三大特性：语义理解、可信度与影响力，并针对不同的特性采用相应的计算方法；将计算出的每个语句的语义向量ui、可信度cred(ui)及影响力R，分别融入到LSTM结构中，使得其能够建模对话中的谈话者之间的交互，称之为交互式长短期记忆网络Interactive‑LSTM；模型训练。
-
Patent Agency Ranking
公开(公告)号：CN116557710A
公开(公告)日：2023-08-08
申请号：CN202310408163.2
申请日：2023-04-17
Applicant: 郑州轻工业大学
Abstract: 本发明涉及网络监控技术领域，具体为一种基于大数据的网络监控装置，包括安装底座，所述安装底座的内部设置有灵活调节监控装置监控方向的调节机构，所述安装底座的顶端设置有调节监控装置高度的升降机构，所述升降机构的一侧设置有保护监控装置的防护机构，所述防护机构的顶端设置有对防护机构进行清理的清洁机构，本发明的目的在于提供一种基于大数据的网络监控装置，提高监控装置的监控范围，使监控装置更加灵活，并且使监控装置便于维护，同时对监控装置进行防护，不免因生锈导致损坏，并且对监控装置进行散热，延长使用寿命。
-
公开(公告)号：CN113298853B
公开(公告)日：2022-05-27
申请号：CN202110719973.0
申请日：2021-06-28
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种逐级递进的二阶段医学图像配准方法，用以解决传统配准方法在进行图像配准时存在精度不够高的问题。本发明的步骤为：将待配准的参考图像和浮动图像进行融合，生成多个中间递进图像；利用SURF算法和仿射变换将浮动图像和中间递进图像进行配准得到粗配准结果；利用SURF算法和仿射变换将参考图像和粗配准结果进行配准得到精确配准结果；重复迭代，比较各个中间递进图像得到的精确配准结果，选择最优配准结果作为最终的配准图像。在脑影像学联合配准中，本发明的互信息、归一化互相关系数、均方差和归一化互信息均优于现有配准算法；本发明基于逐级递进策略进行图像配准，可以有效地提升医学图像配准的精度。
-
公开(公告)号：CN113298853A
公开(公告)日：2021-08-24
申请号：CN202110719973.0
申请日：2021-06-28
Applicant: 郑州轻工业大学
Abstract: 本发明提出了一种逐级递进的二阶段医学图像配准方法，用以解决传统配准方法在进行图像配准时存在精度不够高的问题。本发明的步骤为：将待配准的参考图像和浮动图像进行融合，生成多个中间递进图像；利用SURF算法和仿射变换将浮动图像和中间递进图像进行配准得到粗配准结果；利用SURF算法和仿射变换将参考图像和粗配准结果进行配准得到精确配准结果；重复迭代，比较各个中间递进图像得到的精确配准结果，选择最优配准结果作为最终的配准图像。在脑影像学联合配准中，本发明的互信息、归一化互相关系数、均方差和归一化互信息均优于现有配准算法；本发明基于逐级递进策略进行图像配准，可以有效地提升医学图像配准的精度。
-
公开(公告)号：CN118153580A
公开(公告)日：2024-06-07
申请号：CN202410015531.1
申请日：2024-01-05
Applicant: 郑州轻工业大学
IPC: G06F40/30 , G06F16/33 , G06F16/335
Abstract: 本申请提供一种语义增强的多模态情感分析方法、系统、电子设备及存储介质，所述方法包括：将原始视频数据输入到特征提取模块，获得各个模态的特征向量；将各个模态的特征向量输入到语义增强模块，分别获得音频特征向量和视觉特征向量对应的文本特征向量，将对应的文本特征向量拼接到原文本特征向量上获得增强后的文本特征向量；将增强后的文本特征向量、音频特征向量和视觉特征向量输入到多模态感知模块，获取模态间高关联性的特征向量；在差异性约束条件下，获取不同模态之间的高差异性特征向量；将高关联性的特征向量和高差异性的特征向量拼接，获得融合特征向量；将融合特征向量输入到情感预测网络，输出情感预测结果。
-
公开(公告)号：CN115640530A
公开(公告)日：2023-01-24
申请号：CN202211368781.0
申请日：2022-11-03
Applicant: 郑州轻工业大学
IPC: G06F18/24 , G06F18/25 , G06N3/0499 , G06N3/08
Abstract: 本发明提出了一种基于多任务学习的对话讽刺和情感联合分析方法，其步骤如下：收集多模态对话情感语料集，对文本标签和每段对话的多模态数据进行预处理，对文本、图像和音频分别进行特征提取；采用多头注意力机制将得到的特征进行融合；将融合特征输入交互学习网络，采用基于软参数共享的多任务学习范式学习讽刺任务和情感任务分别获得其底层表示；以讽刺识别为主任务，情感分析为次任务，运用多任务交互方法，在讽刺检测任务中融入情感分析知识，得到讽刺分类和情感分类的结果。本发明能够有效地捕捉不同模态的全局信息；利用多任务学习框架能够同时学习不同任务之间的关联和差异，并通过多任务间的交互，提高讽刺和情感任务分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
22
records
(took 0.022 seconds)
