-
公开(公告)号：CN117291175B
公开(公告)日：2024-03-29
申请号：CN202311584926.5
申请日：2023-11-27
Applicant: 中国科学技术大学
IPC: G06F40/216 , G06F40/284 , G06N3/045 , G06F18/2415 , G06F18/2431 , G06F18/25
Abstract: 本发明涉及自然语言理解技术领域，公开了一种基于多个大语言模型统计特征融合的生成文本检测方法，通过由统计特征融合模型和分类模型组成的检测模型，检测生成的文本的类别标签；检测模型的构建方法包括：构建基于多个大语言模型的统计特征融合模型；构建分类模型；通过计算预测类别标签和真实标签的交叉熵损失函数来训练检测模型。本发明基于多个大语言模型的统计特征融合模型有效缓解了在多种类型语言模型生成不同的文本的情况下，模型拟合能力差和缺乏鲁棒性的问题。多统计特征融合降低了检测模型的不准确性和脆弱性。
-
Patent Agency Ranking
公开(公告)号：CN117313709A
公开(公告)日：2023-12-29
申请号：CN202311614320.1
申请日：2023-11-29
Applicant: 中国科学技术大学
IPC: G06F40/216 , G06N3/045 , G06N3/0455 , G06N3/096 , G06F18/213 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06F18/27
Abstract: 本发明涉及生成文本检测技术领域，公开了一种基于统计信息和预训练语言模型的生成文本检测方法，通过由统计学习模型、深度学习模型和动态融合框架组成的检测模型，检测生成的文本的类别标签；检测模型的构建方法包括：构建统计学习模型；构建深度学习模型；构建动态融合框架；基于训练数据集，通过计算关于动态融合得到的类别标签概率分布和真实的类别标签的交叉熵损失函数来训练检测模型。统计学习模型有效缓解了在多领域标注数据有限的情况下模型迁移性差的问题，深度学习模型摆脱了手工设计特征的问题，可以提取更加隐式的特征，动态融合框架在损失较少检测效果的前提下提高了模型的迁移能力。
-
公开(公告)号：CN116258134B
公开(公告)日：2023-08-29
申请号：CN202310443460.0
申请日：2023-04-24
Applicant: 中国科学技术大学
IPC: G06F40/211 , G06F17/11 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种基于卷积联合模型的对话情感识别方法，所述卷积联合模型包括神经主题模型和注意力关系图网络模型，所述对话情感识别方法包括如下步骤：将对话中语句输入到已训练完成的卷积联合模型中，以输出对话中语句对应的情感类别；该对话情感识别方法充分利用了语句的隐含主题信息强化对话语句间的信息交互以及其特征表示，促进解码器预测出情感类别。
-
公开(公告)号：CN117313709B
公开(公告)日：2024-03-29
申请号：CN202311614320.1
申请日：2023-11-29
Applicant: 中国科学技术大学
IPC: G06F40/216 , G06N3/045 , G06N3/0455 , G06N3/096 , G06F18/213 , G06F18/2415 , G06F18/2431 , G06F18/25 , G06F18/27
Abstract: 本发明涉及生成文本检测技术领域，公开了一种基于统计信息和预训练语言模型的生成文本检测方法，通过由统计学习模型、深度学习模型和动态融合框架组成的检测模型，检测生成的文本的类别标签；检测模型的构建方法包括：构建统计学习模型；构建深度学习模型；构建动态融合框架；基于训练数据集，通过计算关于动态融合得到的类别标签概率分布和真实的类别标签的交叉熵损失函数来训练检测模型。统计学习模型有效缓解了在多领域标注数据有限的情况下模型迁移性差的问题，深度学习模型摆脱了手工设计特征的问题，可以提取更加隐式的特征，动态融合框架在损失较少检测效果的前提下提高了模型的迁移能力。
-
公开(公告)号：CN117291175A
公开(公告)日：2023-12-26
申请号：CN202311584926.5
申请日：2023-11-27
Applicant: 中国科学技术大学
IPC: G06F40/216 , G06F40/284 , G06N3/045 , G06F18/2415 , G06F18/2431 , G06F18/25
Abstract: 本发明涉及自然语言理解技术领域，公开了一种基于多个大语言模型统计特征融合的生成文本检测方法，通过由统计特征融合模型和分类模型组成的检测模型，检测生成的文本的类别标签；检测模型的构建方法包括：构建基于多个大语言模型的统计特征融合模型；构建分类模型；通过计算预测类别标签和真实标签的交叉熵损失函数来训练检测模型。本发明基于多个大语言模型的统计特征融合模型有效缓解了在多种类型语言模型生成不同的文本的情况下，模型拟合能力差和缺乏鲁棒性的问题。多统计特征融合降低了检测模型的不准确性和脆弱性。
-
公开(公告)号：CN114510653A
公开(公告)日：2022-05-17
申请号：CN202210419319.2
申请日：2022-04-21
Applicant: 中国科学技术大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种社交群体推荐方法、系统、设备及存储介质，能够直接从用户社交网络中自动计算用户的社交影响力，并使用用户社交影响力增强群体推荐的准确性和传播能力；并且使用用户影响力扩散方法可以获得用户更深层次的特征表示，同时，在对群体的偏好建模时使用注意力机制学习决策过程中每个用户的影响力，从而更为有效的获得群体特征表示；最后通过联合学习的方式同时优化单用户推荐和群体用户推荐任务，提升社交群体推荐模型的性能，提高群体推荐的准确性，并提高群体推荐的传播能力。
-
-
-
-
-
Search Results
16
records
(took 0.027 seconds)
