-
公开(公告)号：CN118820610A
公开(公告)日：2024-10-22
申请号：CN202410652540.1
申请日：2024-05-24
Applicant: 华侨大学
IPC: G06F16/9536 , G06F40/30 , G06F18/2415 , G06F40/279 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/049 , G06N3/0895 , G06N5/04 , G06Q50/00 , G06F123/02
Abstract: 本发明公开了基于时序知识图谱的意见领袖挖掘方法及装置，方法包括：对采集的网络舆情数据进行分析，构建出时序网络舆情知识图谱；对时序网络舆情知识图谱进行表示学习，得到节点和关系的嵌入表示；对时序网络舆情知识图谱进行实体关系建模，获得用户结构特征；将用户所发布的贴文作为预训练语言模型的输入文本，经过语义建模获得用户的贴文语义特征；设计一个人工特征作为用户在社交网络中的用户属性特征；集合用户结构特征、贴文语义特征和用户属性特征，利用softmax函数实现意见领袖的挖掘。本发明根据抽取的用户结构特征、用户属性特征和贴文语义特征，能够有效挖掘不同时刻的意见领袖，提高意见领袖挖掘的准确性。
-
公开(公告)号：CN115063251B
公开(公告)日：2024-09-03
申请号：CN202210601033.6
申请日：2022-05-30
Applicant: 华侨大学
IPC: G06Q50/00
Abstract: 本发明公开了基于关系强度与反馈机制的社交传播动态网络表示方法，属于社交传播领域，包括：基于关系强度将社交传播动态网络划分为关系网络与传播网络；对传播动态网络进行描述；对社交传播网络中的节点表示；更新相关节点的邻接矩阵与注意力权重，同时聚合节点信息并反馈节点变化信息，最后结合自相关项与时间项更新节点表示；将attention机制应用到动态的模型中来度量各个节点的权重，考虑网络动态变化对attention的影响；本发明提供的方法用于社交传播动态网络表示，进行动态链接预测任务，解决了动态网络表示的及时性问题。
-
公开(公告)号：CN114818717B
公开(公告)日：2024-08-20
申请号：CN202210575509.3
申请日：2022-05-25
Applicant: 华侨大学
IPC: G06F40/295 , G06F40/242 , G06F40/253 , G06N3/0464 , G06N3/049 , G06N3/08 , G06N3/0442
Abstract: 本发明公开一种融合词汇和句法信息的中文命名实体识别方法及系统，包括以下步骤：步骤1、将原始输入文本映射为字向量，使用改进后的词集匹配算法引入外部词汇信息，并整合在每个字的输入表示中；步骤2、根据字的输入表示，利用双向LSTM抽取上下文信息；步骤3、使用NLP工具从原始输入文本中获取词性标签和句法成分，并且使用健值记忆网络构造句法向量，再通过门控机制对上下文向量与句法向量进行加权融合，获得特征向量；步骤4、将特征向量输入标签预测层的CRF中，实现中文命名实体识别。本发明能够解决中文命名实体中实体边界信息不足的问题和融合输入文本的句法信息。
-
公开(公告)号：CN116975281A
公开(公告)日：2023-10-31
申请号：CN202310759929.1
申请日：2023-06-26
Applicant: 华侨大学
IPC: G06F16/35 , G06F40/289 , G06N3/045 , G06N3/0499 , G06F40/30 , G06F18/25 , G06F18/23213 , G06F40/216
Abstract: 本发明公开了一种基于BERT模型和种子LDA模型的话题检测方法及装置，涉及自然语言处理领域，获取原始文本集，对原始文本集进行预处理，得到文本集；构建种子LDA模型，将文本集中的每条文本输入BERT模型，得到每条文本的语义特征向量，通过BERT模型和种子LDA模型对文本集中每条文本的主题进行特征提取，得到每条文本的主题特征向量，将每条文本的语义特征向量和主题特征向量进行特征融合，得到每条文本的融合特征向量；将文本集中所有文本的融合特征向量输入K‑means算法进行聚类，得到若干个话题簇；基于若干个话题簇采用TF‑IDF算法提取出话题，解决LDA模型对短文本的主题提取效果不好，同时忽略词语的上下文信息等问题。
-
公开(公告)号：CN116541579A
公开(公告)日：2023-08-04
申请号：CN202310548728.7
申请日：2023-05-16
Applicant: 华侨大学
IPC: G06F16/953 , G06F16/35 , G06F17/16
Abstract: 本发明提供一种基于局部上下文焦点机制和交谈注意力的方面级情感分析，包括：步骤S1、构建分析模型；步骤S2、BERT预训练层分别对局部上下文形式序列和全局上下文形式序列中的词进行建模，得到初步局部上下文特征和初步全局上下文特征；步骤S3、在特征提取层，利用局部上下文焦点机制，通过上下文特征动态掩码技术结合交谈注意力机制来进一步提取局部上下文特征，并使用交谈注意力机制提取全局上下文特征；步骤S4、在特征学习层，将局部上下文特征和全局上下文特征进行融合得到融合向量，并采用交谈注意力机制提取融合向量的特征；步骤S5、在输出层，根据融合向量的特征获取方面级情感分析的结果。本发明能够更好地捕获不同方面中蕴含的情感。
-
Patent Agency Ranking
公开(公告)号：CN113553510B
公开(公告)日：2023-06-20
申请号：CN202110875172.3
申请日：2021-07-30
Applicant: 华侨大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00 , G06F40/289 , G06F40/30 , G06F16/28 , G06F16/36
Abstract: 本发明公开了一种文本信息推荐方法、装置及可读介质，通过获取用户数据及所对应的文本语料，对文本语料进行预处理，得到文本数据；将用户数据进行处理得到用户属性特征，将文本数据通过词注意力网络生成文本特征，将用户数据利用知识图谱表示学习模型生成用户知识图谱特征，将用户属性特征、文本特征和用户知识图谱特征进行拼接，得到综合特征；将综合特征输入多层感知机，得到用户偏好类别及对应的推送数量。本发明加强对用户兴趣的识别度和扩展性，从而提高推荐结果的准确性和多样性，通过综合特征可得到多个维度的抽象特征表示，缓解传统个性化信息推荐中的数据稀疏、冷启动等问题。将注意力机制应用到文本推荐，进一步提高准确度。
-
公开(公告)号：CN111985247B
公开(公告)日：2022-08-26
申请号：CN202010895778.9
申请日：2020-08-31
Applicant: 华侨大学
IPC: G06F40/30 , G06F40/258 , G06F40/242 , G06F16/35 , G06V10/82 , G06V30/19 , G06N3/04
Abstract: 一种基于多粒度文本特征表示的微博用户兴趣识别方法，包括：对获取的语料进行预处理，包括文本清洗、分词、去停用词和数据过滤；从主题层、词序层和词汇层三个方面构造文本向量；对所述主题向量、语义向量和词义向量按顺序进行拼接融合，得到多粒度的文本特征表示；将多粒度的文本特征表示输入CNN模型中进行训练分类，得到微博用户兴趣识别的结果，并根据文本分类问题的评价指标进行效果评估。本发明提供的方法，综合多粒度文本特征的考量，提高了模型的表征能力，进而提高文本分类的准确性，达到精准分类的效果，能够解决社交网络文本表示模型解释性差、特征稀疏和词序语义表达不足的问题。
-
公开(公告)号：CN107357977B
公开(公告)日：2021-03-09
申请号：CN201710500228.0
申请日：2017-06-27
Applicant: 华侨大学
Abstract: 本发明涉及一种基于二阶盲辨识的线性时不变结构工作模态参数识别方法及对应的时不变的工作模态参数识别的装置、一种结合二阶盲辨识和最小二乘广义逆方法的三维结构的工作模态参数识别方法及对应一种时不变三维圆柱壳工作模态参数识别的实验装置，一种时变的工作模态参数识别的方法和一种基于滑动窗二阶盲辨识的线性时变结构工作模态参数识别装置。该方法和装置仅由实测的响应信号就能对时不变或者带有时变特性的动态系统进行工作模态参数在线实时识别，识别出结构(系统)的工作模态参数(模态振型，模态频率)，能实时有效监测系统的动态变化特性，可用于振动控制、设备故障诊断、健康监测以及系统结构分析与优化。
-
公开(公告)号：CN111985247A
公开(公告)日：2020-11-24
申请号：CN202010895778.9
申请日：2020-08-31
Applicant: 华侨大学
IPC: G06F40/30 , G06F40/258 , G06F40/242 , G06F16/35 , G06K9/62 , G06N3/04
Abstract: 一种基于多粒度文本特征表示的微博用户兴趣识别方法，包括：对获取的语料进行预处理，包括文本清洗、分词、去停用词和数据过滤；从主题层、词序层和词汇层三个方面构造文本向量；对所述主题向量、语义向量和词义向量按顺序进行拼接融合，得到多粒度的文本特征表示；将多粒度的文本特征表示输入CNN模型中进行训练分类，得到微博用户兴趣识别的结果，并根据文本分类问题的评价指标进行效果评估。本发明提供的方法，综合多粒度文本特征的考量，提高了模型的表征能力，进而提高文本分类的准确性，达到精准分类的效果，能够解决社交网络文本表示模型解释性差、特征稀疏和词序语义表达不足的问题。
-
公开(公告)号：CN118536610A
公开(公告)日：2024-08-23
申请号：CN202410643263.8
申请日：2024-05-23
Applicant: 华侨大学
IPC: G06N5/048 , G06N5/04 , G06F40/216 , G06F40/284 , G06Q50/00
Abstract: 本发明公开了一种基于模糊综合评判技术的社交网络用户认知脆弱性分析方法及装置，包括：构建认知脆弱性三级评估指标体系，获取用户在社交网络上发表的文本内容，根据文本内容分别分析用户在人格维度、兴趣维度和情感维度所对应的三级指标的分值；采用层次分析法分别确定二级指标和三级指标对应的权重系数；对三级指标进行认知脆弱性等级模糊化，确定三级指标对应的隶属函数，根据三级指标对应的隶属函数和权重系数以及二级指标对应的权重系数利用模糊综合评判计算用户的认知脆弱性等级的隶属函数，根据三级指标的分值和用户的认知脆弱性等级的隶属函数计算得到用户认知脆弱性指数，从而实现用户认知脆弱性分析。
-
-
-
-
-
-
-
-
-
Search Results
24
records
(took 0.025 seconds)
