-
公开(公告)号：CN117493886A
公开(公告)日：2024-02-02
申请号：CN202311545744.7
申请日：2023-11-16
Applicant: 重庆邮电大学
IPC: G06F18/214 , G06F18/2431 , G06F18/21 , G06F40/30 , G06N3/0475 , G06N3/094
Abstract: 本发明涉及深度学习领域，特别涉及一种基于文本的变压器故障智能识别模型的训练方法及装置，所述方法包括将多标签变压器故障文本输入基于编码结构的文本语义模型得到变压器故障文本语义编码向量，并一同与通过文本语义模型嵌入层得到的故障类别文本语义向量输入跨注意力网络进行交互，得到变压器故障类别结果。训练时利用多标签及标签不平衡自适应损失函数MSLoss优化模型效果。本发明提出了文本标签域筛法TLDF与基于标签域掩码的生成对抗网络LM‑GAN，优化模型应对标签不平衡情况下的训练效果。本发明通过优化损失函数并利用文本中的标签域特征信息增强少样本数据，提升了模型性能和鲁棒性，实现了高准确率的变压器故障智能识别。
-
公开(公告)号：CN116933055B
公开(公告)日：2024-04-16
申请号：CN202310905923.0
申请日：2023-07-21
Applicant: 重庆邮电大学
IPC: G06F18/213 , G06F18/27 , G06F18/10 , G06N3/0442 , G06N3/0499 , G06N3/048 , G06N3/08 , G06F18/214 , G06F16/9535 , G06Q30/0251 , G06Q30/0241
Abstract: 本发明涉及人工智能领域，具体涉及一种基于大数据的短视频用户点击预测方法，包括获取用户的行为序列，对行为数据进行预处理，预处理包括降噪和缺失值补全；构建基于LSTM模型的特征提取模型，将预处理后的数据输入该模型提取用户行为表示；构建基于MLP网络架构的非线性交互模型，利用非线性交互模型基于用户行为表示得到用户特征表示；将用户特征表示输入逻辑回归预测模型，得到用户点击预测结果；本发明增强模型对用户点击行为的预测能力，能够更好地捕捉用户行为序列中的特征关联和非线性模式。
-
Patent Agency Ranking
公开(公告)号：CN117349774A
公开(公告)日：2024-01-05
申请号：CN202311389790.2
申请日：2023-10-24
Applicant: 重庆邮电大学
IPC: G06F18/2433 , G06F18/25 , G06N3/0455 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本发明涉及深度学习领域，特别涉及一种基于大数据的区块链异常交易检测方法，所述方法包括：将区块链交易信息原始数据作为浅层区块链特征语义向量，将其通过由ResNet‑16残差网络组成的深层特征交互模块后的向量作为深层区块链特征语义向量，将深、浅层区块链特征语义向量交错拼接后，分别输入特征聚合门控循环单元FA‑GRU与双层去噪自编码网络DDAE，并将对应的输出向量输入Cross‑Attention网络进行交互，最终得到区块链交易是否异常的检测结果。本发明融合了具有抽象特征语义的深层特征与具有原始重要信息的浅层特征，并挖掘了交叉特征的具有区分能力的特征，提升了区块链交易异常检测的性能。
-
公开(公告)号：CN116468048A
公开(公告)日：2023-07-21
申请号：CN202310453062.7
申请日：2023-04-25
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/166 , G06N5/02 , G06N3/0442 , G06N3/0499 , G06N3/045 , G06Q10/10 , G06Q30/016
Abstract: 本发明涉及自然语言处理领域，特别涉及一种基于大数据知识图谱的互联网电商投诉智能处理方法，所述方法包括获取用户投诉文本数据，并按照最大长度截断；将用户投诉文本数据输入到经由知识图谱预训练后的基于编码结构的文本语义模型中，输出文本语义结果向量；将其输入到基于BiGRU+FNN解码结构的文本张量模型中，输出文本语义结果向量的文本张量；将文本张量输入到SLRO下游网络中，输出用户投诉文本数据的三元组信息；将用户投诉文本数据的三元组信息输入到经由知识图谱预训练后的基于编解码结构的文本生成模型中，输出三元组的投诉解决方案；本发明可自动处理电商用户投诉并给出具体且正确的解决方案，提升用户满意度。
-
公开(公告)号：CN119721048A
公开(公告)日：2025-03-28
申请号：CN202411789371.2
申请日：2024-12-06
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/16 , G06N3/0442 , G06F40/211 , G06F16/35
Abstract: 本发明属于深度学习领域，涉及一种多粒度AIGC文本检测方法及相关装置，所述方法包括：将待检测文本通过分词器进行字符映射，得到文本token id序列，并记录句号token id的位置；将文本token id序列通过基于双向注意力结构的编码器模型，得到文本语义表征向量，并得到文本纯语义表征向量；将分类标记向量与文本纯语义表征向量通过文本主体检测模型，得到文档粒度的文本AIGC检测结果；将分隔标记向量、文本纯语义表征向量与句号token id的位置通过文本语句判别模型，得到语句粒度的文本AIGC检测结果；整合得到所述待检测文本的多粒度AIGC文本检测结果。本发明从语义特征交互角度出发，通过由强序列网络、激活函数以及交叉注意力交互网络等结构组成的下游网络充分利用全局信息与局部信息，精确捕捉非口语化AI的语言特征，实现文本AIGC准确识别。
-
公开(公告)号：CN119621984A
公开(公告)日：2025-03-14
申请号：CN202411739848.6
申请日：2024-11-29
Applicant: 重庆邮电大学
IPC: G06F16/353 , G06F16/334 , G06F40/30 , G06N3/0455 , G06N3/094 , G06N5/04
Abstract: 本发明涉及对比学习领域，特别涉及一种文本数据处理方法及装置、文本数据检测方法及装置，所述方法包括将多个领域的人造文本输入大模型工具按照启发式规则分别得到对应的AIGC文本，组成检测增强文本对，并通过多层级的编码器网络和对应多层级的辅助编码网络分别对检测增强文本对中的文本进行编码，并使用多层级知识保护对比学习损失函数优化编码器模型。本发明使编码器模型能够同时对多个领域的文本数据进行无领域语义混淆的高精度文本AIGC检测并能在保持原始知识分布细微变化的情况下拉开人造文本与AIGC文本之间的语义分布，实现插件式的检测领域拓展与检测精度增强。
-
公开(公告)号：CN116933055A
公开(公告)日：2023-10-24
申请号：CN202310905923.0
申请日：2023-07-21
Applicant: 重庆邮电大学
IPC: G06F18/213 , G06F18/27 , G06F18/10 , G06N3/0442 , G06N3/0499 , G06N3/048 , G06N3/08 , G06F18/214 , G06F16/9535 , G06Q30/0251 , G06Q30/0241
Abstract: 本发明涉及人工智能领域，具体涉及一种基于大数据的短视频用户点击预测方法，包括获取用户的行为序列，对行为数据进行预处理，预处理包括降噪和缺失值补全；构建基于LSTM模型的特征提取模型，将预处理后的数据输入该模型提取用户行为表示；构建基于MLP网络架构的非线性交互模型，利用非线性交互模型基于用户行为表示得到用户特征表示；将用户特征表示输入逻辑回归预测模型，得到用户点击预测结果；本发明增强模型对用户点击行为的预测能力，能够更好地捕捉用户行为序列中的特征关联和非线性模式。
-
-
-
-
-
-
Search Results
7
records
(took 0.025 seconds)
