-
公开(公告)号：CN110472042B
公开(公告)日：2021-11-26
申请号：CN201910588500.4
申请日：2019-07-02
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种细粒度情感分类系统及方法，其方法包括以下步骤:对输入的句子进行预处理，以查表的方式，映射为低维稠密的词向量；双向LSTM网络对句子的词向量进行特征提取获取句子的语义特征信息利用句子的语义特征信息和注意力机制提取目标属性的特征信息将特征信息与语义特征信息进行信息融合得到特征信息对特征信息进行位置编码得到记忆信息使用位置信息Lo扩展记忆信息得网络记忆信息Mk；利用多轮的注意力机制对目标属性的网络记忆信息Mk进行提取网络记忆信息的情感信息；将情感信息映射为概率向量，得到情感预测向量，依据情感预测向量判别出细粒度情感分类结果。相对现有技术，本发明能够改善网络性能，提高细粒度情感分类的准确率。
-
公开(公告)号：CN113407862A
公开(公告)日：2021-09-17
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。
-
公开(公告)号：CN113407819A
公开(公告)日：2021-09-17
申请号：CN202110552514.8
申请日：2021-05-20
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06Q30/06 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种基于残差网络的序列推荐方法、系统及存储介质，方法包括：通过网络获取用户的原始消费数据，将原始消费数据划分序列得到序列段，将所述序列段初始化，得到序列数据；基于GRU神经网络和残差网络，对所述序列数据进行输出处理，将输出的隐藏状态作为用户的全局兴趣；根据商品级注意力机制对序列数据和所述隐藏状态计算得到用户的局部兴趣；将全局兴趣数据与局部兴趣拼接得到最终兴趣；通过最终兴趣计算用户下一次交互商品的概率分布，根据概率分布进行模型训练，预测用户的下一次交互行为，向用户推荐商品信息。将序列数据输入带残差结构的GRU神经网络，可以准确学习用户的消费行为，实现精准的推荐效果。
-
公开(公告)号：CN113407780A
公开(公告)日：2021-09-17
申请号：CN202110552511.4
申请日：2021-05-20
Applicant: 桂林电子科技大学
IPC: G06F16/783 , G06K9/00 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种目标检索方法、装置及存储介质，方法包括：从监控设备中获取原始视频数据，并对原始视频数据进行分割处理，得到多个原始视频段；分别对各个原始视频段进行融合特征分析，得到与各个原始视频段对应的融合特征向量；导入待检索目标视频数据，并对待检索目标视频数据进行分割处理，得到多个待检索目标视频段；分别对各个待检索目标视频段进行融合特征分析，得到与待检索目标视频段对应的待检索融合特征向量。本发明充分融合了待检索目标的外形和脸部特征，使得检索准确率大大地提高，节约了人力，实现了快速且准确的在视频中检索目标，更好地满足了产业界的需求。
-
公开(公告)号：CN112800207A
公开(公告)日：2021-05-14
申请号：CN202110041795.0
申请日：2021-01-13
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种商品信息推荐方法、装置及存储介质，方法包括：导入商品信息数据集，对商品信息数据集的数据集划分得到商品信息训练集和商品信息测试集；对商品信息训练集进行向量化分析，得到知识图谱矩阵和训练集矩阵。本发明能够有效的挖掘出数据间的隐含特性，进而实现了准确的推荐，还能够在数学上有更好的区分，进而有利于挖掘出图中更多的有效信息，能够实现快速推荐并在特定场景下实现准确推荐，且具有一定的泛化性，对不同类型的数据均有一定的效果，同时，能够有效的提高推荐准确性，并具有良好的鲁棒性，能够合理准确的给用户推荐商品，实现了冷启动对用户推荐商品并提高了推荐的可靠性和准确性。
-
Patent Agency Ranking
公开(公告)号：CN112069809A
公开(公告)日：2020-12-11
申请号：CN202010800708.0
申请日：2020-08-11
Applicant: 桂林电子科技大学
IPC: G06F40/284 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种缺失文本生成方法及系统，方法包括：对输入样本的预处理得到缺失样本；通过embedding词嵌入算法分别对输入样本和缺失样本的词向量化处理得到输入样本句向量和缺失样本句向量；分别对输入样本和缺失样本的位置编码处理得到输入样本位置向量和缺失样本位置向量；根据输入样本句向量对缺失样本句向量、输入样本位置向量和缺失样本位置向量的增强句向量处理得到输入样本向量和缺失样本向量；对输入样本向量和缺失样本向量的模型训练得到完整文本。本发明网络结构简单，能够捕获文本的长距离依赖关系,并可以并行计算，解决了时效性的问题，相对现有技术，能够在提升模型的训练和推理速率的同时显著提升缺失文本生成的质量。
-
公开(公告)号：CN110597947A
公开(公告)日：2019-12-20
申请号：CN201910214487.6
申请日：2019-03-20
Applicant: 桂林电子科技大学
IPC: G06F16/33
Abstract: 本发明涉及一种基于全局和局部注意力交互的阅读理解系统及方法，其方法包括以下步骤：S1、输入文本段落C、问题Q、候选答案集A构成的三元组格式数据，对数据中的文本段落C、问题Q和候选答案集A分别进行训练得到词向量，并将词向量进行初始化，得到网络输入数据；S2、对网络输入数据中文本段落C和问题Q的词向量进行编码，在局部情况下，获得文本段落C和问题Q之间的交互信息S1；以及在全局情况下，获得问题Q对文本段落C的关注度S2；S3、将交互信息S1和关注度S2进行融合和计算，依据计算结果选择候选答案集A中概率最高的单词作为预测答案。相对现有技术，本发明能够获得问题和文档之间更多的交互信息，提高推断答案的准确性。
-
公开(公告)号：CN110110598A
公开(公告)日：2019-08-09
申请号：CN201910263596.7
申请日：2019-04-01
Applicant: 桂林电子科技大学
IPC: G06K9/00
Abstract: 本发明公开了一种基于视觉特征与时空约束的行人再识别方法，包括以下步骤：利用训练好的图像分类器计算检索图像与行人图像数据集的第一视觉相似度；建立时空约束模型计算检索图像与行人图像数据集的时空概率；将所述第一视觉相似度以及所述时空概率进行融合，得到融合模型；基于所述融合模型计算所述检索图像与所述行人图像数据集的第二视觉相似度，并基于所述第二视觉相似度进行排序以得到行人识别结果。同时，还提出一种行人再识别系统，包括：视觉计算模块，时空计算模块，融合模块以及行人识别模块。本发明的有益效果是：通过结合所述第一视觉相似度以及所述时空概率，融合模型在识别行人图像的精确度上比单一的视觉模型有了极大的提升。
-
公开(公告)号：CN109543548A
公开(公告)日：2019-03-29
申请号：CN201811256736.X
申请日：2018-10-26
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种人脸识别方法、装置及存储介质，包括：对预设的高分辨率人脸图像进行下采样处理，得到低分辨率人脸图像；搭建双分支卷积神经网络，其包括HRFECNN高分辨率人脸识别网络和LRFECNN低分辨率人脸识别网络，对HRFECNN网络和LRFECNN网络训练；从摄像设备中获取多个高、低分辨率人脸图像，分别将其输入经训练的HRFECNN网络和LRFECNN网络中，得到高、低分辨率人脸图像的特征向量；根据余弦相似度方法对高、低分辨率人脸图像的特征向量进行比对，将相似度比对结果确认是否为同一人。能够同时提取高、低分辨率人脸图像，可输出相同维度的特征，对于低分辨率人脸图像，能够进行超分辨率重建与特征映射，在获得高分辨率图像的同时，提高识别的准确率及处理速度。
-
公开(公告)号：CN109300479A
公开(公告)日：2019-02-01
申请号：CN201811286647.X
申请日：2018-10-31
Applicant: 桂林电子科技大学
Abstract: 本发明提供一种回放语音的声纹识别方法、装置及存储介质，其方法包括：对待识别语音提取CQCC常Q倒谱系数；对待识别语音提取HFCC高频倒谱系数；将CQCC常Q倒谱系数和HFCC高频倒谱系数合并，得到Tandem特征；构建DNN深层神经网络，通过DNN深层神经网络对所述Tandem特征进行特征提取，得到embedding声纹特征；构建SVM分类器，将embedding声纹特征输入SVM分类器中，得到分类结果，根据分类结果确定所述待识别语音为真实语音或回放语音。本发明通过提取待识别语音的CQCC常Q倒谱系数和HFCC高频倒谱系数并将两者合成Tandem特征，能够便于构建的DNN深层神经网络提取较优的声纹特征，对声纹特征进行分类，从而识别得到真实语音或回放语音。
-
-
-
-
-
-
-
-
-
Search Results
156
records
(took 0.03 seconds)
