公开(公告)号：CN119443227A

公开(公告)日：2025-02-14

申请号：CN202411434784.9

申请日：2024-10-15

Applicant: 桂林电子科技大学 ,  广西壮族自治区信息中心(广西壮族自治区大数据研究院)

Inventor： 林煜明 ,  冯新宇 ,  彭新永 ,  李优 ,  张敬伟 ,  张会兵 ,  首照宇

IPC: G06N5/022 ,  G06F18/213 ,  G06F18/25 ,  G06F40/30

Abstract: 本发明涉及基于知识引导和模态动态注意力融合的多模态情感分析方法，包括：提取输入多模态数据的单模态特征；基于所述单模态特征，获取每个模态的知识增强表示；基于所述知识增强表示，预测单模态情感值，并将所述单模态情感值，转化为情感比值；将所述知识增强表示和所述情感比值进行预设的动态注意力处理，获取最终的多模态表示；基于所述最终的多模态表示，来预测情感分数。本发明通过动态选择主导模态并根据不同样本调整各模态的贡献，能够提高多模态情感分析方法的性能并使其适应更复杂、更广泛的场景。

公开(公告)号：CN117951301A

公开(公告)日：2024-04-30

申请号：CN202410184469.9

申请日：2024-02-19

Applicant: 桂林电子科技大学

Inventor： 李优 ,  曾旭鹏 ,  冯新宇 ,  张英豪 ,  林煜明

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/084 ,  G06N3/048

Abstract: 本发明公开了标记打包策略的方面情感三元组抽取方法，包括：构建初始实体识别模型和初始情感分类模型，对所述初始实体识别模型和初始所述情感分类模型进行独立训练，获取实体识别模型和情感分类模型；输入待测试句子，输入所述实体识别模型中，获取句子中方面词和观点词，基于所述实体识别模型预测的实体构建情感分类模型的输入；将所述情感分类模型的输入放到预训练语言模型中，获得每个单词及标记的特征向量，将所述特征向量输入图卷积神经网络中与句子中的依赖关系进行融合，获得最终的特征向量，将所述特征向量通过多层感知机进行情感分类，获得方面情感三元组。本发明能够提高三元组抽取效果。

公开(公告)号：CN117931857A

公开(公告)日：2024-04-26

申请号：CN202410127245.4

申请日：2024-01-30

Applicant: 桂林电子科技大学

Inventor： 林煜明 ,  张英豪 ,  曾旭鹏 ,  冯新宇 ,  李优

IPC: G06F16/2453 ,  G06F16/2458 ,  G06F16/28

Abstract: 本发明涉及一种自适应模型基数估计方法，包括：获取数据集，基于自适应平滑因子选择策略对所述数据集加入噪音，构建深度自回归模型，将加入噪音的所述数据集输入所述深度自回归模型，获取联合概率分布；获取若干个谓词，根据所述联合概率分布依次对查询中涉及的谓词进行采样，获取采样数据，通过所述采样数据，调整所述深度自回归模型的选择率，基于调整后的选择率与基数相乘，获取估计结果。本发明能够实现更加准确的估计结果。

公开(公告)号：CN117893948A

公开(公告)日：2024-04-16

申请号：CN202410127215.3

申请日：2024-01-30

Applicant: 桂林电子科技大学

Inventor： 林煜明 ,  冯新宇 ,  张英豪 ,  曾旭鹏 ,  李优

IPC: G06V20/40 ,  G06V40/70 ,  G06V10/40 ,  G06V10/764 ,  G06V10/774 ,  G06V10/80 ,  G06V10/82 ,  G06F18/213 ,  G10L15/02

Abstract: 本发明公开了基于多粒度的特征对比和融合框架的多模态情感分析方法，包括：提取原始视频的低纬度多模态特征数据；将所述低纬度多模态特征数据，输入单模态特征提取模块，进行特征提取，获取单模态独立特征数据；将所述单模态独立特征数据，输入多模态融合模块，进行数据融合，获取跨模态融合数据；将所述跨模态融合数据，输入对比学习模块，使用MSA回归主任务和对比学习子任务对分类输出模块进行训练；基于训练后的所述分类输出模块，获取多模态情感预测结果。本发明不仅可以有效捕获跨模态不变特征来识别情感分类，还可以利用模态特定特征预测情感强度。