-
公开(公告)号：CN111507182A
公开(公告)日：2020-08-07
申请号：CN202010167698.1
申请日：2020-03-11
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于骨骼点融合循环空洞卷积的乱丢垃圾行为检测方法。本发明采集包含乱丢垃圾行为的图像集进行预训练；获取预训练后图像集中乱丢垃圾行为个体的图像训练集，并对其中图像人工定义乱丢垃圾行为的人体骨骼点分布；基于人体骨骼点分布制作图像训练集中每个图像的骨骼点热图；构建基于骨骼点融合循环空洞卷积的乱丢垃圾行为检测网络；将预训练后图像集输入乱丢垃圾行为检测网络，使用梯度下降法迭代更新网络获取最优乱丢垃圾行为检测网络；将测试集中连续几帧的检测图像输入最优乱丢垃圾行为检测网络中，获取相应的骨骼点分布序列，并进行相似度计算，判断是否为乱丢垃圾行为。本发明能够在复杂场景中十分准确地检测乱丢垃圾行为。
-
公开(公告)号：CN111507101A
公开(公告)日：2020-08-07
申请号：CN202010141031.4
申请日：2020-03-03
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多层次语义胶囊路由的反讽检测方法。本发明步骤：使用GloVe对网络评论和上下文进行词向量嵌入，分别获得网络评论和上下文的文本特征；并将文本特征输入到Transformer模型中进行向量的转换，分别获得网络评论和上下文的隐藏层特征；通过CNN把网络评论的隐藏层特征转化为网络评论的池化特征；把池化特征作为权重使用注意力机制对上下文的隐藏层特征进行权重偏移，获得新的隐藏层特征Ⅰ；把网络评论的隐藏层特征与SenticNet中获得的情感权重相结合，获得新的隐藏层特征Ⅱ；把隐藏层特征Ⅰ和Ⅱ作为低层次的语义胶囊，进行EM路由获得高层次的语义胶囊；最后把高层次的语义胶囊通过SoftMax函数获得最后的分类结果。本发明有效解决了反讽检测分类效果不佳等问题。
-
公开(公告)号：CN111506700A
公开(公告)日：2020-08-07
申请号：CN202010214894.X
申请日：2020-03-24
Applicant: 杭州电子科技大学
IPC: G06F16/33 , G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于上下文感知嵌入的细粒度情感分析方法。本发明步骤：1、对需要进行情感分析的数据文本进行预处理；2、将处理好的数据文本输入预训练模型中，获得固定长度的句子向量；3、将句子向量输入胶囊网络的WordCaps层，通过动态路由算法，利用平方欧几里得损失函数获取方面类型对应的极度相似的相关上下文信息；4、将相关上下文信息与方面词结合，得到重构的方面类型；5、将重构的方面向量输入胶囊网络的ApsectCaps层，通过动态路由算法进行情感分析，得到不同方面的情感极性。本发明利用带有高度相关性的上下文信息的方面向量作为输入，能更加准确的提取指定方面词的情感词，从而有效的提高情感分析的准确性。
-
公开(公告)号：CN110096587B
公开(公告)日：2020-07-07
申请号：CN201910026957.6
申请日：2019-01-11
Applicant: 杭州电子科技大学
IPC: G06F16/35 , G06F40/205 , G06F40/289
Abstract: 本发明公开了基于注意力机制的LSTM‑CNN词嵌入的细粒度情感分类模型。本发明用一般的LSTM提取到的特征与指定角度的相关性不大导致情感分类准确率降低的问题。本发明采用的技术方案是，将CNN与LSTM进行结合，同时利用CNN识别局部特征的能力和LSTM利用文本序列的能力，用LSTM获取句子表示，将LSTM的输出馈送给CNN作为输入。通过CNN的卷积池化操作对LSTM提取到的特征进行选择，再引入注意力机制去重点关注句中与指定方面关联程度较高的信息，最后得到句子的预测极性。同时，为了提升分类的效率，本发明在模型中输入了指定角度的词嵌入向量，提高了分类准确率。
-
公开(公告)号：CN110532380B
公开(公告)日：2020-06-23
申请号：CN201910629740.4
申请日：2019-07-12
Applicant: 杭州电子科技大学
IPC: G06F16/35 , G06F16/33 , G06F16/36 , G06F40/289
Abstract: 本发明公开了一种基于记忆网络的文本情感分类方法。本发明具体实现步骤如下：步骤(1)对文本进行分词；步骤(2)对分词后的文本，进行词向量嵌入，得到文本词向量；步骤(3)把文本词向量输入到自注意力模型中，得到文本特征；步骤(4)使用记忆网络模型多次对文本特征进行情感特征的提取，输出最后的分类结果。本发明利用Transformer记忆网络模型对文本进行情感分析，通过非人工干预的手段先用Transformer模型把文本转化为向量的形式，再根据文本的某方面识别不同文本的情感极性，这种方法节省人力成本且模型分类的效果好。
-
Patent Agency Ranking
公开(公告)号：CN110570226B
公开(公告)日：2020-05-22
申请号：CN201910620143.5
申请日：2019-07-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种联合主题模型和异质信息网络的评分预测方法。本发明步骤如下：步骤(1)针对指定用户商品对，利用主题模型提取评论信息,从而构建用户和商品的向量表示；步骤(2)利用商品属性信息和用户共同购买信息构建异质信息网络；步骤(3)从异质网络中提取出用户商品对的最终关系表示向量；步骤(4)针对用户商品对,连接用户向量、关系表示向量、商品向量表示,并输入到AFM实现评分预测；步骤5、根据模型计算出的预测评分数据和真实评分数据,计算RMSE值，并把此值作为模型效果的评价指标。本发明解决了评分预测中出现的冷启动，可解释性不强，准确率不高的问题。
-
公开(公告)号：CN110166437B
公开(公告)日：2020-05-19
申请号：CN201910315881.9
申请日：2019-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于DS证据推理的移动目标防御最优策略选取的方法。本发明步骤如下：建立攻防博弈模型；攻击者选择攻击策略；防御者观察到攻击策略，攻防双方计算收益；精炼贝叶斯均衡求解得出最优防御策略；防御者通过DS证据推理修正攻击者类型后验概率。其中建立攻防博弈模型包括：定义攻防博弈模型；定义攻防收益量化。攻防双方计算收益步骤包括：防御者根据观察到的攻击策略计算后验概率；攻防双方计算各自收益；根据以往攻击记录的特征属性形成攻击类型推理决策表；根据决策表确定攻击证据的基本概率赋值。本发明弥补了现有模型中先验概率的不足之处，使防御策略收益更加合理，提高了系统前期的防御成功率。
-
公开(公告)号：CN110188342B
公开(公告)日：2020-04-07
申请号：CN201910315854.1
申请日：2019-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于知识图谱与语义图技术进行口语理解的方法。本发明步骤：1.训练序列到动作序列神经网络模型，训练基于句子和句子逻辑表达式的口语理解神经网络；2.读取需要被解析的自然语言句子；3.使用文本映射算法扫描并替换句子中与知识图谱中语义资源相匹配的部分；4.使用序列到动作序列神经网络模型读取替换了语义资源后的句子，然后执行对应的动作序列生成与句子语义相符的语义图，然后使用深度优先算法遍历语义图得到句子的逻辑表达式；5.使用口语理解神经网络读入句子和逻辑表达式，生成意图信息和槽位信息。本发明提出结合知识图谱和理解句子语义的方法进行口语解析。
-
公开(公告)号：CN110134757B
公开(公告)日：2020-04-07
申请号：CN201910315948.9
申请日：2019-04-19
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于多头注意力机制的事件论元角色抽取方法。本发明实现步骤如下：步骤(1)数据集文本预处理，输出预处理好的文本和对应的标签；步骤(2)训练融合多头监督注意力机制的双向GRU网络；步骤(3)对文本进行语义依存分析，输出触发词与候选论元之间的语义依存路径；步骤(4)将预处理好的文本输入步骤(2)中网络训练后输出每个词的编码，融合步骤(3)中的语义依存路径输出 论元分类结构；步骤(5)将论元分类结构输入分类网络训练并进行分类。本发明利用融合多头监督注意力机制的神经网络方法对文本进行分析，对事件句中存在多个事件情形具有良好的论元角色抽取能力。
-
公开(公告)号：CN108076072B
公开(公告)日：2020-02-18
申请号：CN201810038718.8
申请日：2018-01-16
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种针对Web异构冗余系统的动态切换方法。本发明包括了动态切换机制、异构度计算以及切换成本计算，其中动态切换机制是利用日志审计结果触发系统执行切换，切换方式又分为水平切换和垂直切换；计算的异构度用于系统执行切换时，评估待切换的执行体集的异构程度，以筛选待切换的执行体集；计算的切换成本是用于评估系统执行切换时的代价，以筛选待切换的执行体集。本发明为静态的web异构冗余引入动态切换机制，可以降低单位时间内特定执行体的暴露时间,增加系统结构信息的不确定性。能够有效转移并减小系统暴露出的攻击面，具有更好的数据保密性和入侵容忍度，对提供连续可靠服务的主动防御系统具有积极的指导意义。
-
-
-
-
-
-
-
-
-
Search Results
204
records
(took 0.036 seconds)
