公开(公告)号：CN116127193A

公开(公告)日：2023-05-16

申请号：CN202310062006.0

申请日：2023-01-18

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  彭劭闻 ,  谢显中 ,  陈敏

IPC: G06F16/9535 ,  G06F16/9536 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明涉及一种基于评论信息的个性化推荐方法，属于计算机领域。本发明利用word2vec初始化词向量矩阵，再利用CNNs将评论映射到特征。然后借助注意力机制并且利用评论和评分来初始化用户和项目的特征表示。最后，结合用户和项目的交互图来捕获它们之间的高阶交互关系，从而学习用户/项目的潜在特征表示。通过在真实数据集上的实验，证明了本发明模型能利用评分和评论提升模型的性能。

公开(公告)号：CN118298856A

公开(公告)日：2024-07-05

申请号：CN202410403377.5

申请日：2024-04-03

Applicant: 重庆邮电大学

Inventor： 刘志超 ,  黄楠 ,  李章勇 ,  汪露 ,  陈敏 ,  罗泓 ,  郑宇淼 ,  阙铃易 ,  齐槟睿

IPC: G10L25/66 ,  G10L25/18 ,  G10L25/24 ,  G10L25/30 ,  G10L25/45

Abstract: 本发明涉及一种基于迁移学习和跨场景知识的语音信号抑郁检测方法，属于语音处理及模式识别领域。该方法包括：收集跨场景语音数据集并从中提取语音生物标志物，并通过生物标志物对骨干网络进行分类训练，得到预训练的骨干网络；获取抑郁语音数据集并进行预处理；提取抑郁语音数据集的多模态语特征，至少包括声谱图和梅尔频率倒谱图；将抑郁语音数据集的声谱图和梅尔频率倒谱图进行特征级融合，并将得到的特征级融合特征输入预训练的骨干网络中进行迁移学习，得到语音复杂高维特征；通过统计函数获得统计特征向量，并对语音复杂高维特征与统计特征向量进行决策级融合；将决策级融合特征输入非线性预测网络，得到抑郁检测结果。

公开(公告)号：CN115731245A

公开(公告)日：2023-03-03

申请号：CN202211579055.3

申请日：2022-12-08

Applicant: 重庆邮电大学

Inventor： 田增山 ,  陈林玉 ,  金悦 ,  陈敏 ,  李玲霞

IPC: G06T7/10 ,  G06T5/40 ,  G06T7/136 ,  G06F18/213 ,  G06F18/10

Abstract: 本发明公开了一种基于分布差异的信号状态分割方法。当人体与收发链路相距不同距离时，CSI数据的信号分布存在明显的差异，利用分布差异可以实现信号状态的分割。首先，获取人体运动片段的个数，即剔除非衰落状态的数据，得到包括反射状态片段和阴影状态片段的运动片段个数；然后，找出每个运动片段的开始时刻点和结束时刻点，从而实现对每个运动片段的分割；最后，采用基于分布差异的方法来找到每个运动片段中阴影状态片段的开始时刻点和结束时刻点，从而实现每个运动片段中反射状态片段和阴影状态片段的分割。该发明可以在监测时间内准确的提取出与人体运动相关的有效数据，从而大大的解决了传统的人数统计算法中数据量大、计算开销大的问题。

公开(公告)号：CN111859166B

公开(公告)日：2022-11-25

申请号：CN202010738044.X

申请日：2020-07-28

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  陈敏 ,  谢显中

IPC: G06F16/9536 ,  G06Q50/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于改进的图卷积神经网络的物品评分预测方法，属于信息推荐技术领域。该方法包括：S1：获取用户对物品的历史评分、用户的个人信息，以及物品的属性信息；S2：构造用户‑物品，用户‑用户，物品‑物品关系图；S3：利用改进的图卷积神经网络提取多种关系图中节点的结构和内容特征；S4：选择神经网络模型融合节点的多种特征信息；S5：根据用户和物品的特征表示，预测用户对物品感兴趣的概率；S6：利用训练集和验证集训练模型；S7：利用训练好的模型预测用户对物品的评分。本发明通过改进的图卷积神经网络来有效提取用户与物品关系图的特征，实现预测用户对物品的评分，而且提升了预测的准确率。

公开(公告)号：CN111859166A

公开(公告)日：2020-10-30

申请号：CN202010738044.X

申请日：2020-07-28

Applicant: 重庆邮电大学

Inventor： 苏畅 ,  陈敏 ,  谢显中

IPC: G06F16/9536 ,  G06Q50/00 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种基于改进的图卷积神经网络的物品评分预测方法，属于信息推荐技术领域。该方法包括：S1：获取用户对物品的历史评分、用户的个人信息，以及物品的属性信息；S2：构造用户-物品，用户-用户，物品-物品关系图；S3：利用改进的图卷积神经网络提取多种关系图中节点的结构和内容特征；S4：选择神经网络模型融合节点的多种特征信息；S5：根据用户和物品的特征表示，预测用户对物品感兴趣的概率；S6：利用训练集和验证集训练模型；S7：利用训练好的模型预测用户对物品的评分。本发明通过改进的图卷积神经网络来有效提取用户与物品关系图的特征，实现预测用户对物品的评分，而且提升了预测的准确率。