一种基于多模态聚类联邦学习的情绪识别方法

    公开(公告)号:CN115620370A

    公开(公告)日:2023-01-17

    申请号:CN202211309647.3

    申请日:2022-10-25

    Abstract: 本发明公开了一种基于多模态聚类联邦学习的情绪识别方法,包括如下步骤:采集多个用户的多模态数据在本地使用深度学习模型进行训练,得到各用户的模型参数;将模型参数上传到服务器;服务器执行自动聚类算法,将模型参数分为多个簇,并对每个簇中的模型参数执行联邦平均算法,得到该簇的新模型参数;将新模型参数下发至对应的用户,更新该用户的旧模型参数;迭代计数器rs自增1,判断当前轮数是否达到预定的训练轮数Rs,如果rs<Rs,则返回步骤一;如果rs=Rs,则训练完成,利用训练好的模型进行情绪识别。本发明所公开的方法可以保护用户隐私,解决数据源不足的问题,并且解决了多模态数据存在异构性的问题,实现情绪的准确识别。

    一种本体智能生成方法
    16.
    发明公开

    公开(公告)号:CN115292512A

    公开(公告)日:2022-11-04

    申请号:CN202210864480.0

    申请日:2022-07-21

    Abstract: 本发明公开了一种本体智能生成方法,其步骤包括:1)将待处理XSD文档中用于描述实体的元素转化为类节点;将该待处理XSD文档中描述实体属性的元素转化为数据属性节点;2)根据该待处理XSD文档中元素之间的嵌套等级关系确定各元素所对应节点之间的边,生成该待处理XSD文档对应的有向图;3)生成所述有向图中的每一节点的语义嵌入向量,根据节点的语义嵌入向量计算节点间的语义相似度;将语义相似度大于设定阈值的节点合并为簇节点;4)根据步骤3)处理后的有向图得到OWL语言描述的资源知识内容本体。本发明能够揭示更多原有XML资源中的知识内容,提高本体对于原有知识内容的描述与揭示能力。

Patent Agency Ranking