-
公开(公告)号：CN117992615A
公开(公告)日：2024-05-07
申请号：CN202410396721.2
申请日：2024-04-03
Applicant: 中国科学技术大学
IPC: G06F16/35 , G06N3/0455
Abstract: 本发明涉及文本情绪识别技术领域，公开了一种基于组合范畴语法与大模型记忆插件的情绪识别方法，通过情绪识别模型识别出给定的文本的情绪标签，包括：利用嵌入编码器提取文本的文本特征；利用知识提取模块提取文本的组合范畴语法知识向量；基于知识向量和编码后的文本特征，通过记忆机制控制插件与大模型进行交互，驱动大模型融合插件携带的知识，将插件与大模型进行参数级融合，得到增强后的文本表征；将增强后的文本表征输入到分类器进行标签预测，生成情绪标签。本发明通过充分利用组合范畴语法信息知识，从而更全面地把握文本的结构和含义，让模型更全面地理解情绪表达，有助于提高情绪分析的准确性。
-
公开(公告)号：CN117633239A
公开(公告)日：2024-03-01
申请号：CN202410090128.5
申请日：2024-01-23
Applicant: 中国科学技术大学
IPC: G06F16/35 , G06F18/2415 , G06N3/0442 , G06N3/084
Abstract: 本发明涉及情感识别技术领域，公开了一种结合组合范畴语法的端到端方面情感识别方法，通过完成训练的情感识别模型识别出给定的文本的情感标签；情感识别模型的训练过程包括：通过编码器提取文本的文本特征；通过词汇范畴标签解码模块对文本特征进行处理，预测得到词汇范畴标签；应用注意力模块对文本特征进行处理得到加权和向量，进而得到平衡后的文本隐藏向量；将平衡后的文本隐藏向量输入到标签预测模块，生成情感标签；基于总体损失和反向传播算法更新情感识别模型的参数。本发明利用组合范畴语法包含的句法和语义信息，明确区分并相应地利用重要的上下文信息；通过门控模块，情感识别模型可以提高对语义信息的处理能力。
-
公开(公告)号：CN117610562A
公开(公告)日：2024-02-27
申请号：CN202410090092.0
申请日：2024-01-23
Applicant: 中国科学技术大学
IPC: G06F40/289 , G06F40/211 , G06F18/2415
Abstract: 本发明涉及关系抽取技术领域，公开了一种结合组合范畴语法和多任务学习的关系抽取方法，在给定文本以及两个实体的条件下，识别出关系标签；包括：利用编码器提取文本的文本特征：对文本特征进行词汇范畴标签解码，预测得到词汇范畴标签；对实体和处理后的文本特征应用注意力机制，得到强化实体表示；将强化实体表示输入到分类器，得到关系标签。本发明利用组合范畴语法为文本理解提供句法和语义知识，提升了对实体之间的关系检测能力；通过多任务学习的机制，从词汇范畴标签的解码过程中学习组合范畴语法信息，从而指导注意力机制区分关系抽取中的重要词汇，强化对文本和实体的表示学习，进一步提升了关系抽取的质量。
-
公开(公告)号：CN117078942B
公开(公告)日：2024-02-23
申请号：CN202311319576.X
申请日：2023-10-12
Applicant: 中国科学技术大学
IPC: G06V10/26 , G06V10/77 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种上下文感知的指称图像分割方法、系统、设备及存储介质，它们是一一对应的方案，方案中：利用注意力机制进行所述合并多尺度特征与上下文感知的掩膜文本特征之间的交互，能够显著增强了文本特征的视觉上下文感知能力，促进跨模态的特征对齐；同时，本发明还引入多尺度视觉上下文的文本提示，在文本编码阶段进一步融合了上下文信息，并且，针对无法与文本描述有效对齐的非目标像素（即背景像素），本发明所提出的掩膜提示作为文本描述在掩膜解码阶段的扩展向量，用于代替无关的文
-
公开(公告)号：CN117056550B
公开(公告)日：2024-02-23
申请号：CN202311320335.7
申请日：2023-10-12
Applicant: 中国科学技术大学
IPC: G06F16/583 , G06N3/042 , G06V10/44 , G06V10/764 , G06V10/82
Abstract: 本发明公开了一种长尾图像检索方法、系统、设备及存储介质，它们是一一对应的方案，方案中：在尾部类别样本过少的情况下利用动态哈希代理和动态特征代理准确描述类别语义，从而有效提高尾部类别样本对应哈希码的判别性，本发明可应用于各类以图搜图场景，能够在部分数据稀缺的情况下实现准确高效的大规模图像检索，在实施上，可以安装于各类以图搜图系统的后台服务器，具有存储开销低，检索速度快，检索精度高等优点。
-
Patent Agency Ranking
公开(公告)号：CN117037136B
公开(公告)日：2024-02-23
申请号：CN202311305720.4
申请日：2023-10-10
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种场景文本识别方法、系统、设备及存储介质，它们是一一对应的方案，方案中：从文本图像天然包含文本序列的阅读顺序和序列中每一个字符的视觉语义概念特性出发，在预训练阶段中实现对视觉空间中文本序列阅读顺序的感知和建模，并进一步地增强了局部的字符视觉语义。通过大量的实验证明了本发明性能优于以往的方法，对于规则，不规则文本以及模糊遮挡等多种真实场景下的文本图像均具备鲁棒的识别效果和先进的识别精度。
-
公开(公告)号：CN117557883A
公开(公告)日：2024-02-13
申请号：CN202410048581.X
申请日：2024-01-12
Applicant: 中国科学技术大学
IPC: G06V10/80 , G06V10/82 , G06V10/764 , G06N3/0442 , G06N3/08 , G16H15/00
Abstract: 本发明公开了基于病理对齐扩散网络的医疗多模态内容分析及生成方法，将给定图像输入到融合检测模型中，以生成与给定图像相匹配的文本报告；所述融合检测模型的训练过程如下：S1：构建训练集，并将训练集中的图像输送到融合检测模型；S2：提取图像的图像特征；S3：将图像特征与不同粒度的病理信息进行对齐，获得对齐特征；S4：将对齐特征进行特征增强得到增强特征，将对齐特征和增强特征相加后进行归一化操作得到归一化特征，基于归一化特征指导文本生成，得到文本报告；该医疗多模态内容分析及生成方法，解决现有基于自回归式的方法容易出现的错误传播问题，提高生成报告的质量。
-
公开(公告)号：CN117174240B
公开(公告)日：2024-02-09
申请号：CN202311401131.6
申请日：2023-10-26
Applicant: 中国科学技术大学
Abstract: 本发明涉及影像报告生成技术领域，公开了一种基于大模型领域迁移的医疗影像报告生成方法；生成模型的训练过程包括：使用视觉编码模块，将放射性图像编码为视觉向量；将视觉向量以及生成提示，输入大模型领域实例迁移模块，得到中间报告以及实例迁移损失；将视觉向量、精细化提示和中间报告，输入大模型精细解码模块，得到最终的影像报告以及交叉熵损失；计算总损失，并使用反向传播算法更新大模型领域实例迁移模块以及大模型精细解码模块的参数。本发明通过域内实例排序的过程，能够实现在少量数据样本前提下，快速地实现将大语言模型向专有领域内特定任务信息的对齐；能够进一步提升大语言模型在医疗影像报告生成任务上(56)对比文件梅周俊森;孙水发;李小龙.基于深度学习的医学影像报告自动生成研究综述《.长江信息通信》.2023,全文.刘畅;计海霞;田仰华;候唯姝;音大为.三维动脉自旋标记在足月新生儿缺氧缺血性脑病的早期诊断和预后分组中的价值《.磁共振成像》.2023,全文.余文林;陈振洲;范冰冰;黄穗.基于深度迁移学习的大鼠肝纤维化诊断.计算机系统应用.2019,(第05期),全文.LIU J;YUAN R;ZHANG Y.TX-CNN_Detecting_tuberculosis_in_chest_X-ray_images_using_convolutional_neural_network《.IEEE International Conference onImage Processing ICIP》.2017,全文.
-
公开(公告)号：CN117150150A
公开(公告)日：2023-12-01
申请号：CN202311424734.8
申请日：2023-10-31
Applicant: 中国科学技术大学
IPC: G06F16/9536
Abstract: 本发明涉及群体推荐技术领域，公开了一种基于图信号处理的群体推荐方法，包括以下步骤：构造包含异构节点与信息的统一异构图；基于节点相似性的滤波器设计；基于图信号处理的多语义路径融合偏好预测。本发明中的群体推荐方法的输入包括用户‑物品交互关系、群体‑物品交互关系、群体‑用户交互关系，随后构建多跳路径上的用户‑用户相似性图结构、物品‑物品相似性图结构，根据用户‑用户相似性图结构还可以得到群体‑用户亲和力图结构。随后将这些图结构数据通过图傅里叶变换映射到频谱域上，在频谱域上设计了两种低通滤波器来对信号进行平滑，最后基于语义的一致性来融合相似性信息，并最终输出预测结果；大幅度降低了模型运行时间。
-
公开(公告)号：CN117077085A
公开(公告)日：2023-11-17
申请号：CN202311339502.2
申请日：2023-10-17
Applicant: 中国科学技术大学
IPC: G06F18/25 , G06V10/40 , G06V10/774 , G06V10/80 , G06F18/15 , G06F18/213 , G06F18/214
Abstract: 本发明涉及社交媒体内容识别技术领域，公开了一种大模型结合双路记忆的多模态有害社交媒体内容识别方法，包括以下步骤：利用图像编码器提取图像的图像特征；利用文本嵌入模块，提取文本的文本特征；应用双通道记忆模块对图像特征以及文本特征建模，得到图像向量以及文本向量；利用大模型进行标签预测：图像向量以及文本向量输入到大模型中，生成标签。本发明通过双通道记忆模块，可以根据视觉特征为不同的记忆向量计算权重，这种权重分配使得模型能够更加准确地对信息进行对齐和融合。此外，视觉通道与文本通道采用相同的程序处理，确保了两种信息来源被平等且有效地考虑。
-
-
-
-
-
-
-
-
-
Search Results
441
records
(took 0.034 seconds)
