-
公开(公告)号：CN116245111A
公开(公告)日：2023-06-09
申请号：CN202310120682.9
申请日：2023-02-15
Applicant: 桂林电子科技大学
IPC: G06F40/30 , G06F18/2415 , G06F18/25 , G06N3/045 , G06N3/09
Abstract: 本发明提供一种多方向多角度句子语义相似识别方法、装置及存储介质，主要涉及自然语言处理技术领域，本方法包括提取语义序列，并通过语义序列分离出关键信息、意图信息、关系信息和时间线索信息，采用了提取相似性特征和区分性特征的新型注意力机制，对上述融合后的各个信息进行损失函数的叠加，作为整体训练函数，能够捕获并利用语料中的细节信息进而提升句子匹配准确率。
-
公开(公告)号：CN115329883B
公开(公告)日：2023-05-09
申请号：CN202211006720.X
申请日：2022-08-22
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种语义相似度处理方法、装置、系统以及存储介质，属于语言处理领域，方法包括：对原始句子数据集的筛选得到多个待测句子组；对待测句子组的提取关键字分析得到句子关键信息组以及意图信息组；对待测句子组、句子关键信息组以及意图信息组的隐藏层计算得到待测句子隐藏层、句子关键信息隐藏层以及意图信息隐藏层；根据待测句子隐藏层、句子关键信息隐藏层以及意图信息隐藏层的目标相似度分数评价分析得到语义相似度处理结果。本发明能够免受匹配语句长度的分歧，利用关键信息和潜在意图判断句子语义相似，以及利用最优化中的单纯形法保证了最优化句子匹配，提高了语义相似度结果的准确率，使得匹配的结果更加理想。
-
公开(公告)号：CN115861868A
公开(公告)日：2023-03-28
申请号：CN202211339739.6
申请日：2022-10-27
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种密集视频描述方法、装置、系统以及存储介质，属于视频处理领域，方法包括：对原始视频进行特征提取得到视频特征向量；对视频特征向量进行融合分析得到目标融合特征向量；对目标融合特征向量进行特征分析得到事件查询特征向量；对事件查询特征向量进行视频描述分析得到定位置信度、生成句子长度以及事件描述；统计所有事件查询特征向量的总和得到事件查询特征向量总数；根据定位置信度、生成句子长度以及事件描述进行置信度分析得到目标置信度。本发明能够检测每个特征向量的有用性，减少了模型中的信息冗余，大大提高了整体的密集描述准确性。
-
公开(公告)号：CN115730120A
公开(公告)日：2023-03-03
申请号：CN202211413388.9
申请日：2022-11-11
Applicant: 桂林电子科技大学
IPC: G06F16/951 , G06F16/9536
Abstract: 本发明提供一种目标用户筛选方法、装置、系统以及存储介质，属于用户推荐领域，方法包括：S1：根据所有用户数据构建得到各个用户数据的用户关系图；S2：随机抽取所有用户关系图中的任一用户关系图作为目标用户关系图，目标用户关系图包括多个用户初始节点以及多个与用户初始节点对应的至少一个邻居节点；S3：对所有用户初始节点以及所有用户初始节点对应的所有邻居节点进行筛选，得到种子节点数量；S4：根据当前时刻以及所有用户初始节点的种子节点数量进行目标Q表的绘制得到目标Q表。本发明能够提高筛选用户的效率以及准确性，充分地考虑了筛选用户的现实性和不确定性，避免了因筛选出用户的意愿不确定性造成推广资源浪费现象的发生。
-
公开(公告)号：CN115690875A
公开(公告)日：2023-02-03
申请号：CN202211280372.5
申请日：2022-10-19
Applicant: 桂林电子科技大学
IPC: G06V40/16 , G06V20/40 , G06V20/62 , G06V10/764 , G06V10/774 , G06V10/80 , G06V10/82 , G06N3/084
Abstract: 本发明提供一种情感识别方法、装置、系统以及存储介质，属于视频识别领域，方法包括：对视频数据进行标注得到标注后视频数据；按照预设比例将标注后视频数据以及角色向量划分为视频训练集合和视频测试集合；对标注后视频数据进行融合分析得到融合特征；利用角色向量以及融合特征对情感识别模型进行训练得到训练后特征。本发明有效的结合了视觉和文本的上下文语义信息，能够将上下文与辅助问题连接起来以学习说话者特定的特征，提升了情感识别的准确性，而且具有一定的泛化能力,在其他情感识别任务中具有不错的可靠性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115659001A
公开(公告)日：2023-01-31
申请号：CN202211012435.9
申请日：2022-08-23
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/36 , G06Q30/06 , G06F18/214 , G06F18/25 , G06Q30/02
Abstract: 本发明涉及一种基于知识图谱数据集的推荐方法、系统、设备及介质，包括以下步骤：获取第一用户的第一用户信息，第一用户信息表征了第一用户的身份信息；根据第一用户信息，确定第一用户对应的推荐物品。解决了现有推荐系统没有结合用户的喜好进行推送，其推送的物品与用户喜好的匹配度差的问题。
-
公开(公告)号：CN113407784B
公开(公告)日：2022-08-12
申请号：CN202110590093.8
申请日：2021-05-28
Applicant: 桂林电子科技大学
IPC: G06F16/901 , G06F16/906 , G06F16/951 , G06K9/62 , G06Q50/00
Abstract: 本发明涉及一种基于社交网络的社团划分方法、系统及存储介质，方法包括：从社交网络中获得用户数据，对用户数据进行预处理得到节点的邻接矩阵和属性矩阵；根据注意力机制，通过邻接矩阵和属性矩阵捕获节点的高阶拓扑邻近性和邻近性权重；通过图自动编码器和所述邻近性权重，对所述邻接矩阵和所述属性矩阵进行联合编码得到节点的低维嵌入表示；通过聚类算法对低维嵌入表示进行聚类得到节点的软聚类分配，通过所述软聚类分配得到目标损失函数，将目标损失函数迭代至最小化得到训练模型；根据训练模型得到节点的社团划分结果。通过将网络拓扑结构和属性信息进行有效集成，对节点低维嵌入表示和软聚类分配迭代优化，使社团划分更准确。
-
公开(公告)号：CN113239160B
公开(公告)日：2022-08-12
申请号：CN202110475983.4
申请日：2021-04-29
Applicant: 桂林电子科技大学
IPC: G06F16/332 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种问题生成方法、装置及存储介质，方法包括：导入三元组，所述三元组包括段落向量组、原始问题向量组和答案向量组；对所述段落向量组和所述答案向量组进行拼接，得到拼接向量组；构建训练模型，通过所述训练模型对所述拼接向量组和所述原始问题向量组进行训练分析，得到已训练问题向量组；根据所述已训练问题向量组和所述原始问题向量组对所述训练模型进行更新分析，得到最终模型。本发明增强了生成问题与上下文以及答案之间的匹配程度，得到的最终模型能够将待测段落向量组和待测答案向量组的问题生成处理得到问题生成结果，更容易收敛，解决了生成的问题与所给上下文和答案匹配性不高的问题，增强了鲁棒性。
-
公开(公告)号：CN110796074B
公开(公告)日：2022-08-12
申请号：CN201911033476.4
申请日：2019-10-28
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06V10/74 , G06K9/62 , G06V10/764 , G06V10/80
Abstract: 本发明公开了一种基于时空数据融合的行人再识别方法，涉及模式识别技术领域，技术方案为，构建神经网络模型；提取摄像头拍摄行人图片拍摄的时间信息；然后对该图片进行深度学习获得其中行人的特征；在判断出相似的行人之后根据两张图片的摄像头信息得出两个摄像头的距离，根据该两图片的时间差信息，结合摄像头的距离得到该行人在这段时间内的大致速度作为行人的一个标签；基于该行人的本身的特征以及与该行人速度相近的图片进行联系，最终得到该行人在某段时间内的某个区域中的行动轨迹图进而寻找该行人。本发明通过时间间隔得到的行人速度以及在空间中的有限移动性来界定行人。并且在识别的过程中通过摄像头的位置获得该行人的大致行动路线。
-
公开(公告)号：CN113407862B
公开(公告)日：2022-06-17
申请号：CN202110553411.3
申请日：2021-05-20
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08 , G06Q30/06 , G06Q50/00
Abstract: 本发明涉及一种基于门机制的序列社交推荐方法、系统及存储介质，方法包括：将用户与朋友原始消费数据划分序列，初始化得到用户序列数据和朋友序列数据；基于选择门机制的GRU神经网络得到用户和朋友的当前兴趣；基于选择门机制的网络拼接得到朋友的短期兴趣，将朋友的商品数据进行初始化得到朋友的长期兴趣，将朋友的短期兴趣与朋友的长期兴趣拼接得到朋友的最终兴趣；基于图注意力的神经网络得到朋友影响，将朋友影响与所述用户的当前兴趣拼接得到用户的最终兴趣；计算不同商品的概率分布，根据所述概率分布进行模型训练，根据训练模型向用户推荐商品信息；通过选择门机制可以更准确学习用户的兴趣，使推荐系统的推荐性能得到进一步提高。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.033 seconds)
