-
公开(公告)号：CN114548099A
公开(公告)日：2022-05-27
申请号：CN202210179889.9
申请日：2022-02-25
Applicant: 桂林电子科技大学
IPC: G06F40/289 , G06N3/04 , G06F40/126 , G06F16/35
Abstract: 本发明公开了一种基于多任务框架的方面词和方面类别联合抽取和检测方法，包括如下步骤：步骤1、得到文本嵌入表示；步骤2、生成文本特征表示；步骤3、生成ATE文本特征表示；步骤4、得到ATE共享向量；步骤5、生成最终的ATE文本表示；步骤6、利用条件随机场对ATE最终文本表示进行序列标注；步骤7、生成ACD文本特征表示；步骤8、得到ACD共享向量；步骤9、生成最终的ACD文本表示；步骤10、通过多标签分类器对ACD最终文本表示进行标签预测。这种方法提升了模型在任务中的性能，提高了模型的捕捉能力。
-
公开(公告)号：CN113159891B
公开(公告)日：2022-05-17
申请号：CN202110444714.1
申请日：2021-04-24
Applicant: 桂林电子科技大学
IPC: G06Q30/06 , G06F16/9535 , G06F40/289 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明属于商品推荐领域，具体涉及一种基于多种用户表示融合的商品推荐方法。所述商品推荐方法包括：根据用户完整的商品历史购买记录构建用户‑商品二分图，通过图神经网络得到用户节点的向量表示和商品节点的向量表示，其中将用户节点的向量表示作为用户的静态偏好表示；通过循环神经网络处理用户最近购买的商品序列得到用户的动态偏好表示；通过自注意力对用户撰写的评论文本进行特征提取，得到用户评论的向量表示；将用户的动态偏好表示、静态偏好表示和评论表示级联得到用户的最终表示，将商品节点的向量表示作为商品的最终表示；通过点积计算用户和商品之间的相似度用于对候选商品进行排序；通过贝叶斯个性化排序损失优化提出方法中的参数。本发明能够利用当前可以得到的用户信息，更好的在商品推荐过程中对用户进行建模，提高推荐准确率。
-
公开(公告)号：CN113158089B
公开(公告)日：2022-04-19
申请号：CN202110414543.8
申请日：2021-04-16
Applicant: 桂林电子科技大学
IPC: G06F16/9537 , G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种社交网位置向量化建模方法，属于个性化推荐技术领域，旨在解决不能有效地将多种特征均融合到位置建模的技术问题，其包括：根据公开数据集中的特征信息，构建位置的特征矩阵；根据分解方法将特征矩阵转换为特征的潜在因子；将特征的潜在因子进行拼接得到位置的特征向量根据用户‑位置图获取位置的潜在因子根据位置的潜在因子和位置的特征向量连接为位置向量zj，从而完成向量化建模。本发明能够提高了推荐结果的质量，缓解了数据稀疏问题。
-
公开(公告)号：CN113159891A
公开(公告)日：2021-07-23
申请号：CN202110444714.1
申请日：2021-04-24
Applicant: 桂林电子科技大学
IPC: G06Q30/06 , G06F16/9535 , G06F40/289 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明属于商品推荐领域，具体涉及一种基于多种用户表示融合的商品推荐方法。所述商品推荐方法包括：根据用户完整的商品历史购买记录构建用户‑商品二分图，通过图神经网络得到用户节点的向量表示和商品节点的向量表示，其中将用户节点的向量表示作为用户的静态偏好表示；通过循环神经网络处理用户最近购买的商品序列得到用户的动态偏好表示；通过自注意力对用户撰写的评论文本进行特征提取，得到用户评论的向量表示；将用户的动态偏好表示、静态偏好表示和评论表示级联得到用户的最终表示，将商品节点的向量表示作为商品的最终表示；通过点积计算用户和商品之间的相似度用于对候选商品进行排序；通过贝叶斯个性化排序损失优化提出方法中的参数。本发明能够利用当前可以得到的用户信息，更好的在商品推荐过程中对用户进行建模，提高推荐准确率。
-
公开(公告)号：CN111832620A
公开(公告)日：2020-10-27
申请号：CN202010530306.3
申请日：2020-06-11
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于双注意力多层特征融合的图片情感分类方法，属于图像处理技术领域。该基于双注意力多层特征融合的图片情感分类方法包括一个多层次特征提取网络、双注意力机制和注意力特征融合的情感分类模块，该方法首先通过多层次特征提取网络提取图像多通道的多层次特征；然后通过空间注意力机制对多通道的低层特征赋予空间注意力权重，通过通道注意力机制对多通道的高层特征赋予通道注意力权重，分别强化不同层次的特征表示。本发明设计合理，充分利用了图像不同层次特征的互补性，同时充分考虑到了特征的空间信息和不同通道特征的语义差异，通过注意力机制增强了特征表示，从而提升了图片情感分类的效果。
-
Patent Agency Ranking
公开(公告)号：CN111583968A
公开(公告)日：2020-08-25
申请号：CN202010449626.6
申请日：2020-05-25
Applicant: 桂林电子科技大学
Abstract: 本发明属于语音识别技术领域，特别涉及一种语音情感识别方法和系统。所述识别方法包括：获取样本语音集合和/或待分类语音，确定各情感类别和/或待分类语音的代表词汇；计算所述待分类语音与各情感类别的相似度；根据所述相似度，确定待分类语音的情感类别。本发明提出的识别系统基于TF-IDF算法和欧氏距离计算公式构建，构建成本低、训练难度小。在对未分类语音进行分类后，可将该语音作为语音样本，添加至样本语音集合中。并且样本语音集合可定时对情感片段库进行更新；从而可以实现识别系统识别范围增大、识别准确度提升。
-
-
公开(公告)号：CN107742063A
公开(公告)日：2018-02-27
申请号：CN201710999198.2
申请日：2017-10-20
Applicant: 桂林电子科技大学
CPC classification number: G06F19/22 , G06F19/24 , G06K9/6257 , G06K9/6269
Abstract: 本发明公民公开了一种原核生物σ54启动子的预测方法，其特征在于，包括如下步骤：1）数据样本编码；2）特征选择；3）构造预测模型；4）获取一级序列信息；5）待预测基因序列编码；6）预测。这种方法预测速度快、精度高。
-
公开(公告)号：CN105183652B
公开(公告)日：2018-01-30
申请号：CN201510581987.5
申请日：2015-09-14
Applicant: 桂林电子科技大学
IPC: G06F11/36
Abstract: 本发明公开一种时间动态下推网络的转换方法，用于描述含有递归、动态线程创建的实时并发递归建模。首先在DPN中引入描述连续时间的全局时钟，以及能描述与时间相关全局变量和栈字符“年龄”的实数时钟，从而可对基于共享内存进行异步通信，且带有动态线程创建的实时并发系统进行建模。其次对基于整数划分的时钟等价技术，给出一种基于时钟关键点的优化技术，缩减时钟区间，从而缩减转换后的状态空间。由于时间动态下推网络为一种实时并发递归程序的抽象模型，基于关键点的时钟等价优化技术把该模型转换为动态下推网络，这样通过确认动态下推网络模型的执行是否会运行到错误状态，从而检测出此模型即所对应并发递归程序中的错误或漏洞。
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.029 seconds)
