公开(公告)号：CN119577576A

公开(公告)日：2025-03-07

申请号：CN202411633736.2

申请日：2024-11-15

Applicant: 重庆邮电大学

Inventor： 吴渝 ,  李奇琪 ,  蒲晓 ,  吴浩

IPC: G06F18/2415 ,  G06F40/30 ,  G06N3/0455 ,  G06F18/25 ,  G06F18/213

Abstract: 本发明公开了一种基于多元特征融合与情感差异分析的谣言检测方法，具体涉及谣言检测技术领域，其技术要点为：分别将网络正文数据和多个网络评论数据分别输入到BERT模型中进行特征提取，得到网络正文数据对应的正文语义特征和正文情感特征，以及分别得到每个网络评论数据对应的评论语义特征和评论情感特征；将正文语义特征分别和多个评论语义特征进行特征融合，得到融合语义特征，并分别计算正文情感特征与每个评论情感特征之间的差异性得到差异性向量特征；将融合语义特征和差异性向量特征进行特征融合生成融合特征，利用全连接网络对融合特征进行鉴别得到新闻事件对应的谣言鉴别结果。

公开(公告)号：CN115905493A

公开(公告)日：2023-04-04

申请号：CN202211619825.2

申请日：2022-12-15

Applicant: 重庆邮电大学

Inventor： 吴涛 ,  张浩然 ,  先兴平 ,  蒲晓 ,  宋秀丽 ,  姜丰 ,  游小琳

IPC: G06F16/332 ,  G06F16/33 ,  G06F16/31 ,  G06N5/025 ,  G06N5/04 ,  G06N3/0442 ,  G06N3/045 ,  G06N3/042

Abstract: 本发明属于知识图谱智能问答领域，具体涉及一种基于共享编码和协同注意力的知识图谱问答方法，包括：构建知识图谱；获取待问答的问句，根据问句从知识图谱中获取候选主题词集合和候选主题词实体的图谱信息；将问句、候选主题词集合和候选主题词实体的图谱信息输入到训练好的实体链接E‑GCNR模型中，得到候选主题词实体；根据候选主题词实体从知识图谱中获取候选答案集合和候选答案实体的图谱信息；将问句、候选答案集合和候选答案实体的图谱信息输入到训练好的答案推理CA‑BiLSTM模型中，得到问句的答案；本发明提出的共享编码方式和协同注意力机制可用于实体链接和答案推理两项任务中，具有广泛的适用性。

公开(公告)号：CN119646534A

公开(公告)日：2025-03-18

申请号：CN202411725482.7

申请日：2024-11-28

Applicant: 重庆邮电大学

Inventor： 李红波 ,  陈渝文 ,  蒲晓 ,  赵亮亮

IPC: G06F18/22 ,  G06F18/25 ,  G06F18/213 ,  G06V10/44 ,  G06V10/82 ,  G06F16/334 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明公开了一种融合语义生成辅助的跨模态匹配方法、系统及设备，具体涉及跨模态匹配领域，其技术要点为：根据文本特征、图像特征、文本关注特征和图像关注特征计算出初始图像与初始文本之间的跨模态相似度；将图像特征输入到Transformer模型的文本解码器中得到图像特征对应的文本生成特征，将文本特征输入到Transformer模型的图像解码器中得到文本特征对应的图像生成特征；利用交叉注意力机制计算文本生成特征与文本特征的文本模态内相似度，以及图像生成特征与图像特征的图像模态内相似度；基于跨模态相似度、图像模态内相似度和文本模态内相似度构建匹配判定分数，基于匹配判断分数对初始图像和初始文本进行匹配。

公开(公告)号：CN115761277A

公开(公告)日：2023-03-07

申请号：CN202211391879.8

申请日：2022-11-08

Applicant: 重庆邮电大学

Inventor： 李红波 ,  李文露 ,  蒲晓

IPC: G06V10/74 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06F40/126 ,  G06F40/242 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06V10/25

Abstract: 本发明公开了一种图像文本匹配方法、设备及可读存储介质，方法包括步骤：构建图像数据集和对应的文本库；提取每张图像的n个区域特征矩阵；构建词典并得到词向量；对每个单词添加词性特征得到词性向量；将词向量与词性向量进行融合得到单词特征向量；采用交叉注意力机制对单词特征向量与图像区域特征矩阵进行跨模态融合；计算得到相似度值；根据损失函数判断相似度计算的准确性，依次完成图像文本匹配的训练、验证和测试。本发明通过交叉注意力机制对单词特征向量与图像区域特征矩阵进行跨模态融合，计算文本特征和图像特征的相似性，提高了相似性计算精度，从而提高图文匹配结果的准确性。

公开(公告)号：CN117951299A

公开(公告)日：2024-04-30

申请号：CN202410118328.7

申请日：2024-01-29

Applicant: 重庆邮电大学

Inventor： 蒲晓 ,  吴浩 ,  徐泰来 ,  吴渝 ,  高新波

IPC: G06F16/35 ,  G06Q50/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于虚假信息检测技术领域，具体涉及一种基于偏见解耦的小样本事件虚假信息检测方法；包括：对待检测事件内容描述文本和随机事件内容描述文本进行多粒度文本特征提取，得到两种文本的多视图上下文表示；对两种文本的多视图上下文表示进行处理，得到待检测嵌入特征和随机嵌入特征；对待检测嵌入特征和随机嵌入特征进行扰动，采用鉴别器对扰动结果进行处理，根据鉴别器输出的小样本事件虚假信息检测结果计算第一阶段损失；冻结鉴别器参数，将待检测嵌入特征输入到鉴别器中进行处理，根据鉴别器输出结果计算有效分离损失；根据有效分离损失调整模型参数，得到训练好的检测模型；本发明检测结果准确度高，且提高了模型的鲁棒性和泛化性。

公开(公告)号：CN119622569A

公开(公告)日：2025-03-14

申请号：CN202411662939.4

申请日：2024-11-20

Applicant: 重庆邮电大学

Inventor： 吴渝 ,  吴浩 ,  蒲晓 ,  李奇琪

IPC: G06F18/2433 ,  G06F18/25 ,  G06F18/21 ,  G06N5/022 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06Q50/00 ,  G06N3/048

Abstract: 本发明公开了基于先验知识引导的事件虚假信息检测方法和装置，涉及网络信息安全技术领域。方法包括：获取待检测事件的描述文本和关联图片，从中提取关系三元组、文本特征和图像特征，基于先验知识对三元组关系特征进行验证和优化，确保模型对小样本事件关系的判断能力，融合三元组关系特征、文本特征和图像特征，实现了多模态信息的充分表达和判别能力的增强，并联合关系损失和预测损失训练预测模型，增强模型的预测准确度，提高了检测结果的可信度和可解释性。

公开(公告)号：CN117435763A

公开(公告)日：2024-01-23

申请号：CN202311450485.X

申请日：2023-11-02

Applicant: 重庆邮电大学

Inventor： 吴渝 ,  王志文 ,  蒲晓

IPC: G06F16/583 ,  G06N3/0464 ,  G06N5/04 ,  G06F40/30 ,  G06N3/0442 ,  G06V10/25 ,  G06V10/44 ,  G06N3/0499 ,  G06F18/25 ,  G06F18/214 ,  G06V10/82

Abstract: 本发明公开了一种跨模态检索模型训练方法即装置，涉及人工智能技术领域。本发明的方法训练方法包括：提取训练集中数据对的文本局部特征和图像局部特征；基于图卷积神经网络推理文本局部特征与图像局部特征之间的关系，得到联合特征；解耦联合特征；对数据对进行跨模态一致性学习，得到图像特征和文本特征的一致性分数；基于解耦后的文本特征、图像特征、一致性分数训练跨模态检索模型。本发明融合了关系结构和图相似性特征，通过图神经网络聚合同一模态及异构模态局部特征之间的关系结构信息，再通过特征解耦重构局部特征，充分抓取图文模态内、模态间的关系结构信息，上下文语义，提高了语义理解程度，使得训练的跨模态检索模型准确率更高。

公开(公告)号：CN116028638A

公开(公告)日：2023-04-28

申请号：CN202211591549.3

申请日：2022-12-12

Applicant: 重庆邮电大学

Inventor： 肖敏 ,  骆俊辉 ,  吴涛 ,  先兴平 ,  蒲晓 ,  袁霖 ,  姜丰 ,  游小琳 ,  张浩然

IPC: G06F16/36 ,  G06F16/35 ,  G06F40/295 ,  G06F18/22 ,  G06N3/0464

Abstract: 本发明提出一种基于多视图集成模型的可信知识图谱实体分类方法，所述方法包括获取知识图谱网络中的邻接矩阵和实体特征数据，生成知识图谱数据的原始视图；根据知识图谱关联信息计算出知识图谱实体邻接矩阵，根据知识图谱实体属性关系计算知识图谱实体特征矩阵；对知识图谱邻接矩阵构造出结构视图，对知识图谱实体特征矩阵构造出特征视图；将结构视图和原始视图输入到结构基模型中输出第一特征；将特征视图与原始视图输入到特征基模型中输出第二特征；将第一特征和第二特征输入到线性层中，集成输出知识图谱实体数据的类别。本方法利用集成模型结合结构视图与特征视图来对知识图谱实体进行分类，可充分地挖掘知识图谱数据的隐藏信息，提高鲁棒性。

公开(公告)号：CN115983273A

公开(公告)日：2023-04-18

申请号：CN202211628716.7

申请日：2022-12-18

Applicant: 重庆邮电大学

Inventor： 吴涛 ,  姜丰 ,  先兴平 ,  袁霖 ,  蒲晓 ,  张浩然 ,  游小琳

IPC: G06F40/295 ,  G06F40/284 ,  G06F40/216 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/084

Abstract: 本发明属于语义分析技术领域，具体涉及一种基于BCNN的命名实体识别模型训练方法及装置；该方法包括：获取带有标注信息的命名实体数据集和分词数据集并进行划分，得到总训练集和总验证集；将总训练集输入到共享嵌入层中进行处理，得到命名实体嵌入表示和分词嵌入表示；采用编码器分别对命名实体嵌入表示和分词嵌入表示进行处理，得到命名实体编码特征和分词编码特征；采用解码器分别对命名实体编码特征和分词编码特征进行处理，得到命名实体识别结果和分词识别结果；计算模型总损失并根据模型总损失进行反向传播，调整模型参数，得到训练好的模型；本发明能够提高模型的编码效率并降低计算复杂度，大幅度降低资源和时间消耗。