-
公开(公告)号：CN114678030B
公开(公告)日：2024-09-06
申请号：CN202210304443.4
申请日：2022-03-17
Applicant: 重庆邮电大学 , 重庆市住房公积金管理中心
Abstract: 本发明涉及一种基于深度残差网络和注意力机制的声纹识别方法、装置及计算机可读存储介质，属于语音识别技术领域，包括步骤：S1：对采集到的音频数据进行预处理，得到能够模拟人耳某些特性的MFCC特征；S2：构建FAM，将S1得到的特征经过帧级注意力模块对每帧的重要性进行加权运算，得到加权后的MFCC特征；S3：构建声纹识别网络并进行声纹识别；引入MobileNet的设计思想，将普通卷积替换为深度可分离卷积以降低网络参数量；在ResNet50的每一个layer后加入通道域注意力模块建模各个特征通道的重要程度，针对不同的说话人增强或抑制不同的通道，最后将特征输入网络中的分类器进行分类，实现声纹识别。
-
公开(公告)号：CN114678030A
公开(公告)日：2022-06-28
申请号：CN202210304443.4
申请日：2022-03-17
Applicant: 重庆邮电大学 , 重庆市住房公积金管理中心
Abstract: 本发明涉及一种基于深度残差网络和注意力机制的声纹识别方法、装置及计算机可读存储介质，属于语音识别技术领域，包括步骤：S1：对采集到的音频数据进行预处理，得到能够模拟人耳某些特性的MFCC特征；S2：构建FAM，将S1得到的特征经过帧级注意力模块对每帧的重要性进行加权运算，得到加权后的MFCC特征；S3：构建声纹识别网络并进行声纹识别；引入MobileNet的设计思想，将普通卷积替换为深度可分离卷积以降低网络参数量；在ResNet50的每一个layer后加入通道域注意力模块建模各个特征通道的重要程度，针对不同的说话人增强或抑制不同的通道，最后将特征输入网络中的分类器进行分类，实现声纹识别。
-
Patent Agency Ranking
公开(公告)号：CN112215704A
公开(公告)日：2021-01-12
申请号：CN202011141781.8
申请日：2020-10-22
Applicant: 重庆邮电大学 , 重庆市住房公积金管理中心
Abstract: 本发明涉及一种零存整取模式下存户存款贡献度评估方法，属于数据处理技术领域。该方法包括：通过对样本数据进行筛选以及清洗，对零存整取模式下存户存款异常数据进行过滤，得到数据集；获取用户特征数据，用户特征数据包括：存户历史缴款信息；将训练数据集输入模型进行训练分析，得到评估存户存款贡献度模型，将测试数据集用户特征数据输入至已训练的模型进行预测操作，以输出预测信息，根据预测信息生成存户存款贡献度评估信息，由此大大提高了对存户存款贡献度评估的准确度。
-
公开(公告)号：CN115391506A
公开(公告)日：2022-11-25
申请号：CN202210993205.9
申请日：2022-08-18
Applicant: 重庆邮电大学
IPC: G06F16/332 , G06F40/194 , G06F40/35
Abstract: 本发明涉及一种针对多段式回复的问答内容标准性检测方法及装置，属于计算机领域。该方法为：1)构建标准问答对语料库，建立标准提问和标准回答的映射关系；2)对语音进行预处理，利用音色识别和语音识别技术，获得问者和答者的待检测提问文本和待检测回答文本；3)计算待检测提问文本和标准问答对语料库中每个标准提问文本的语义相似度，返回待检测提问文本对应的标准回答文本；4)对待检测回答文本和标准回答文本进行局部语义特征提取，利用多头自注意力机制对文本进行全局语义特征提取，再对融合后的语义特征计算语义相似度。本发明提供了一种服务过程中用户提问所得到的回答内容的标准性检测判断方法，以便提升用户服务的体验感和满意度。
-
公开(公告)号：CN116523602A
公开(公告)日：2023-08-01
申请号：CN202310508313.7
申请日：2023-05-08
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06Q40/00 , G06F21/62 , G06N3/0895 , G06N3/098 , G06N20/00
Abstract: 本发明涉及一种多方半监督学习的金融产品潜在用户推荐方法，属于大数据推荐领域，针对金融产品提供方只拥有正样本的己方数据而无法进行推荐的问题，在保护多方数据安全隐私的情况下，联合多方未标记数据进行多次随机采样，构建正负样本均衡的二分类数据集，训练基于基学习器的纵向联邦学习模型，根据其预测结果，从未标记样本数据中选出可靠正样本，多次迭代数据集重构采样、模型训练预测过程，选出批量可靠正样本。本方法有效地解决了只有少量正样本和大量未标记样本的批量推荐，提高了推荐的可靠性，实现了金融产品潜在用户的精准与批量推荐。
-
公开(公告)号：CN114677200B
公开(公告)日：2024-06-21
申请号：CN202210368272.1
申请日：2022-04-01
Applicant: 重庆邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F16/958 , G06F21/60 , G06N20/10
Abstract: 本发明涉及一种基于多方高维数据纵向联邦学习的商业信息推荐方法及装置，属于大数据技术领域，包括以下步骤：S1：创建同态加密的密钥对。进行多方数据的预处理和加密样本对齐；S2：构建纵向联邦LightGBM模型；S3：将纵向联邦LightGBM模型转换成神经网络，作为纵向联邦ECA‑DeepGBM模型的GBDT2NN部分；S4：纵向联邦ECA‑DeepGBM模型CatNN部分前馈过程计算；S5：构建损失函数及模型整体训练，基于训练好的高维数据分类预测模型，实现基于多方高维数据的商业信息推荐。本发明通过多方数据增加特征维度的方式，以达到进行精准商业信息推荐的目的。
-
公开(公告)号：CN114677200A
公开(公告)日：2022-06-28
申请号：CN202210368272.1
申请日：2022-04-01
IPC: G06Q30/06 , G06F16/9535 , G06F16/958 , G06F21/60 , G06N20/10
Abstract: 本发明涉及一种基于多方高维数据纵向联邦学习的商业信息推荐方法及装置，属于大数据技术领域，包括以下步骤：S1：创建同态加密的密钥对。进行多方数据的预处理和加密样本对齐；S2：构建纵向联邦LightGBM模型；S3：将纵向联邦LightGBM模型转换成神经网络，作为纵向联邦ECA‑DeepGBM模型的GBDT2NN部分；S4：纵向联邦ECA‑DeepGBM模型CatNN部分前馈过程计算；S5：构建损失函数及模型整体训练，基于训练好的高维数据分类预测模型，实现基于多方高维数据的商业信息推荐。本发明通过多方数据增加特征维度的方式，以达到进行精准商业信息推荐的目的。
-
-
-
-
-
-
Search Results
7
records
(took 0.039 seconds)
