-
公开(公告)号：CN115329210A
公开(公告)日：2022-11-11
申请号：CN202210909644.7
申请日：2022-07-29
Applicant: 华中科技大学
Abstract: 本发明属于虚假新闻检测领域，具体涉及一种基于交互图分层池化的虚假新闻检测方法，包括：根据用户评论交互信息构建评论图和传播图，其中，将待检测新闻的各句子、待检测新闻的推文以及推文的各评论作为评论图的结点，将各结点的文本语义特征作为结点属性；将待检测新闻、待检测新闻的各原推文用户以及各原推文用户的各转发用户作为传播图的结点，将各用户的社交资料作为用户结点属性；使用基于结点选择的池化方式对评论图进行分层池化，每层池化均用于保留关键内容结点；使用基于结点聚类的池化方式对传播图进行分层池化，每层池化均用于捕捉传播群体特征；采用池化结果评估待检测新闻的真实性。本发明能够有效提高虚假新闻检测速率和准确性。
-
公开(公告)号：CN113938290B
公开(公告)日：2022-11-11
申请号：CN202111031350.0
申请日：2021-09-03
Applicant: 华中科技大学
IPC: H04L9/40 , G06F16/958 , G06K9/62 , G06N3/04
Abstract: 本发明公开一种用户侧流量数据分析的网站去匿名方法和系统，属于网络信息安全领域。包括：将大量带标签的监控网站流量数据样本进行去冗余，将处理好的样本中每个会话的网站流量数据抽象压缩为流量突发序列，流量突发序列中的每个元素表示同一方向上连续发送或接收的数据包的数量，将该流量突发序列输入至深度学习模型中提取特征向量，并使用特征向量集构建分类器；从现实环境中采集网站流量数据样本，通过同样的处理方式抽象压缩为流量突发序列后，使用分类器鉴别网站的类别。本发明基于用户侧流量数据进行分析，客户端侧流量数据更加易于获取，更能反映真实的网络环境。采用Brust序列数据代替传统网络数据包，能够有效利用长序列数据的长距离信息。
-
公开(公告)号：CN113569139A
公开(公告)日：2021-10-29
申请号：CN202110776723.0
申请日：2021-07-13
Applicant: 华中科技大学
IPC: G06F16/9535 , G06N3/04
Abstract: 本发明公开了一种个性化会话推荐方法及系统，属于数据挖掘和推荐领域。包括：构建会话编码器，将当前会话序列转换成图结构表示，以当前会话图作为输入，采用图神经网络进行建模，通过注意力机制得到当前会话的目的特征表示；构建用户编码器，将当前用户的历史会话转换成图结构表示，以历史会话图作为输入，采用图神经网络进行建模，通过注意力机制得到当前用户的历史偏好特征表示；结合会话编码器输出的当前会话的目的特征表示和用户编码器输出的当前用户的历史偏好特征表示，生成用户下一次可能点击物品的概率列表。本发明能够提高用户访问网站过程中物品推荐的准确性。
-
公开(公告)号：CN113434698A
公开(公告)日：2021-09-24
申请号：CN202110730796.6
申请日：2021-06-30
Applicant: 华中科技大学
IPC: G06F16/36 , G06F16/35 , G06F40/216 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于全层级注意力的关系抽取模型建立方法及其应用，属于自然语言处理领域，包括：获取数据集中的各关系类型的层级结构，并对各关系层级编码；建立包含句子编码网络、袋编码网络以及分类器深度学习模型；句子编码网络以包含若干头、尾实体相同的句子的袋为输入，用于获得袋中的各句子的向量表示；袋编码网络用于基于注意力机制获取各句子在每一个关系层级的注意力权重后，对句子向量进行加权求和，得到袋在该层级的向量表示，并拼接得到袋向量；分类器用于计算袋中句子的关系类型的概率分布；将数据集划分为训练集、测试集和验证集，依次对模型进行训练、测试和验证后，得到关系抽取模型。本发明能够提高句子关系抽取的准确率。
-
公开(公告)号：CN111541910B
公开(公告)日：2021-04-20
申请号：CN202010318723.1
申请日：2020-04-21
Applicant: 华中科技大学
IPC: H04N21/233 , H04N21/234 , H04N21/2343 , H04N21/235 , H04N21/435 , H04N21/439 , H04N21/44 , H04N21/4402 , H04N21/488 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的视频弹幕评论自动生成方法及系统，属于计算机视觉领域，包括：收集视频数据和对应的弹幕数据，以一条弹幕的文字特征作为标签，以该弹幕的上下文特征和周边的图像特征、音频特征作为属性，形成一个样本，将所有样本划分为训练集、验证集和测试集；基于自编码器和自解码器建立弹幕评论自动生成模型，用于对弹幕各属性进行时间序列分析并实现多模态特征融合后，生成弹幕评论；利用训练集、验证集和测试集对模型进行训练、验证和测试；以当前视频中目标时间点周边的弹幕、图像以及音频的特征为输入，利用已训练好的弹幕评论自动生成模型生成在目标时间点出现的弹幕评论。本发明能够提高自动生成的视频弹幕评论的质量。
-
Patent Agency Ranking
公开(公告)号：CN111914185A
公开(公告)日：2020-11-10
申请号：CN202010641453.8
申请日：2020-07-06
Applicant: 华中科技大学
IPC: G06F16/9536 , G06F40/253 , G06F40/289 , G06N3/04
Abstract: 本发明公开了一种基于图注意力网络的社交网络中文本情感分析方法，属于深度学习和情感分析领域。本发明将同一个节点的不同文本按照时间顺序连接起来，并将一定时间内有关系的不同节点发布的文本按照时间顺序连接起来，以此构造社交网络的结构关系，能够良好的反应社交网络中的情感一致性和情感传播的事实；本发明从图注意力网络对非欧几里得图结构具有良好的特征融合效果出发，将社交网络中节点的特征相互融合，获得包含社交网络关系的情感特征向量，能够有效的把社交网络的信息融合到情感分析中，提升情感分析的准确性；本发明捕获句子的句法信息，提升句子的情感向量表示的性能，以便能够充分结合句子的句法信息提升情感分析的准确性。
-
公开(公告)号：CN111538849A
公开(公告)日：2020-08-14
申请号：CN202010358399.6
申请日：2020-04-29
Applicant: 华中科技大学
IPC: G06F16/36 , G06F16/34 , G06F40/186 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的人物关系图谱构建方法及系统，所属方法包括：爬取电子文本，得到初始语料，所述初始语料包括人物信息；对所述初始语料中人物属性进行标注，得到样本数据并进行预处理；设置模型超参数，结合预处理后的样本数据建立深度学习模型；定义具有层次化的人物信息模板，并基于所述深度学习模型提取人物属性信息，对所述人物属性信息进行筛选，并填充所述人物信息模板；利用填充好的人物信息模板以及预先定义好的人物关系实体，构建人物关系图谱。如此，本发明能够解决多值人物属性以及存在于分散文本的人物关系发现与提取问题，进而提高了人物关系图谱构建的准确性和信息丰富度。
-
公开(公告)号：CN111523940A
公开(公告)日：2020-08-11
申请号：CN202010328640.0
申请日：2020-04-23
Applicant: 华中科技大学
Abstract: 本发明公开了一种带负反馈的基于深度强化学习的推荐方法及系统，收集商品特征信息，同时收集用户行为数据得到用户的正负反馈行为向量；对用户的正负反馈行为向量通过特征提取网络模型得到用户的正负反馈特征混合状态向量；利用用户的正负反馈特征混合状态向量对由策略网络和估值网络组成的深度确定性策略梯度模型进行训练，直至模型收敛；根据需要进行推荐工作的用户的历史行为，先生成正负反馈特征混合状态向量，通过完成训练的深度确定性策略梯度模型生成用户推荐商品列表供给用户进行选择，完成用户推荐工作。本申请可以使得相关神经网络的参数更新得到延迟，从而减小网络之间的相关性，提升推荐方法的训练速度和准确度。
-
公开(公告)号：CN111368142A
公开(公告)日：2020-07-03
申请号：CN202010296654.9
申请日：2020-04-15
Applicant: 华中科技大学
Abstract: 本发明公开了一种基于生成对抗网络的视频密集事件描述方法，属于深度学习和图像识别领域。包括：构建视频密集事件描述网络；该网络包括：视频特征提取模块，对视频帧进行特征提取，得到视频帧特征；时序动作特征提取模块，利用视频前向传播与反向传播的特点进行视频帧特征学习，得到各个时序动作特征；自然语言编码器，利用注意力机制融合视频帧特征与时序动作特征，得到自然语句；鉴别器，强化自然语句的准确性；利用训练好的视频密集事件描述模型进行视频密集事件描述。本发明充分考虑了视频双向传播的特点，同时学习自然语句生成时充分利用了视频特征及时序动作特征，并构建语法鉴别器与内容鉴别器，有效强化了自然语句准确性。
-
公开(公告)号：CN107239444B
公开(公告)日：2019-10-08
申请号：CN201710384135.6
申请日：2017-05-26
Applicant: 华中科技大学
Abstract: 本发明公开了一种融合词性与位置信息的词向量训练方法及系统，该方法包括：对数据进行预处理得到目标文本；对目标文本进行分词和词性标注；对词性信息建模和对位置信息建模；在基于负采样策略的skip‑gram模型的基础上融合词性与位置信息进行词向量学习得到目标词向量，该目标词向量用于单词类比任务和单词相似度任务评估。本发明考虑了单词的词性信息及位置信息，且在对单词的词性和位置信息进行建模的基础上，充分利用单词的词性信息以及词性之间的位置信息来帮助词向量的训练，并且在训练的过程中对于参数的更新也更加合理。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.028 seconds)
