公开(公告)号：CN112417172B

公开(公告)日：2021-09-07

申请号：CN202011319237.8

申请日：2020-11-23

Applicant: 东北大学

Inventor： 王大玲 ,  李久枫 ,  冯时 ,  张一飞

IPC: G06F16/36 ,  G06F40/242 ,  G06F40/284 ,  G06F40/295 ,  G06K9/00 ,  G06K9/62

Abstract: 本发明提供一种多模态情绪知识图谱的构建及展示方法，涉及多模态知识管理技术领域。该方法首先收集、下载情绪词汇本体或词典、人脸表情和动物表情图像及社会媒体平台常用的表情符号；并对获取的文本和图像数据资源，分别进行预处理，使这些数据资源满足统一的抽象本体模型需求；然后基于文本情绪词、表情图像以及社交媒体表情符号的预处理结果，构建能够表达不同模态实体以及实体之间关系的多模态情绪知识图谱；最后通过采用前端的文本标记语言和前端页面的元素渲染语言的编程来实现对多模态情绪知识图谱的节点、图谱的边、图谱实体属性信息的展示和渲染；在此基础上实现图谱的用户交互功能；同时，通过图形可视化库增加知识图谱的动态效果。

公开(公告)号：CN113190681A

公开(公告)日：2021-07-30

申请号：CN202110656931.7

申请日：2021-06-11

Applicant: 东北大学

Inventor： 张志庆 ,  冯时 ,  张一飞 ,  王大玲

IPC: G06F16/35 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种基于胶囊网络遮罩记忆注意力的细粒度文本分类方法，本方法是根据用户对事物或事物的某一方面发表的主观性评论文本以及该事物或该事物某一方面的关键词或关键短语，对该主观性文本在这个事物或这个事物的某一方面上的情感倾向进行分类的一种方法。本发明所提出一种基于胶囊网络遮罩记忆注意力的细粒度文本分类方法，能够达到提升模型建模复杂文本能力和提高模型对不同复杂度任务的适应能力的目的。

公开(公告)号：CN109840283B

公开(公告)日：2020-09-01

申请号：CN201910154252.2

申请日：2019-03-01

Applicant: 东北大学

Inventor： 王大玲 ,  刘泓辰 ,  冯时 ,  张一飞

IPC: G06F16/36

Abstract: 本发明提出一种基于传递关系的本地自适应知识图谱优化方法，包括：设定训练样本集；设定任意ri和ei初始属于某一分布；归一化；组成新的训练样本集；初始化三元组集合为空集；设定正确的三元组，其对应错误的三元组，用错误的三元组头实体或者尾实体替换正确的三元组，组成错误训练样本集，并且合并到三元组集合中；获得其实体的边缘参数；获得关系的边缘参数；计算边缘参数随实体和关系进行变化的参数；得到新的基于传递关系的损失函数；进行判断并使用随机梯度下降函数SGD对每个实体或者关系向量进行优化；本发明可以弥补数据的不完全性，并能够更好地表达出关系与实体间潜在的不同语义，优化后所构建的新的知识图谱具有更高的准确率。

公开(公告)号：CN110472245A

公开(公告)日：2019-11-19

申请号：CN201910751989.2

申请日：2019-08-15

Applicant: 东北大学

Inventor： 冯时 ,  谢宏亮 ,  王大玲 ,  张一飞

IPC: G06F17/27 ,  G06N3/04 ,  G06N3/08 ,  G06F16/35

Abstract: 本发明提出一种基于层次化卷积神经网络的多标记情绪强度预测方法，包括：将原始多标记社会媒体短文分为训练集及测试集；对训练集中一段原始多标记社会媒体短文本数据进行预处理，得到训练集基本情绪单标记数据；构建基于层次卷积神经网络的单标记情绪分类模型；基于注意力卷积神经网络构建情绪强度值模型；针对多标记社会媒体短文本测试数据，使用层次卷积神经网络的单标记情绪分类模型进行预测，得到优化后的多标记情绪强度向量。采用本发明的基于层次化卷积神经网络的多标记情绪强度预测方法，可以进一步提高社会媒体文本情绪强度预测的准确率，特别适合文本中同时存在多种基本情绪的场景。

公开(公告)号：CN118277548A

公开(公告)日：2024-07-02

申请号：CN202311792987.0

申请日：2023-12-25

Applicant: 东北大学

Inventor： 管伟鸿 ,  冯时 ,  张景晴 ,  王大玲 ,  张一飞

IPC: G06F16/34 ,  G06N3/0499 ,  G06N3/08

Abstract: 本发明提供一种基于对比学习的面向特定角色的对话摘要方法，涉及面向特定角色的对话摘要技术领域。该方法首先获取对话摘要数据集并进行预处理；然后构建面向特定角色的对话摘要模型，生成不同角色的摘要；再构建互动感知的对比学习任务辅助对话摘要模型编码对话；并采用多任务学习的方式，将互动感知任务作为辅助任务和对话摘要任务一起训练，训练对话摘要模型；最后测试对话摘要模型效果。该方法克服了现有的对话摘要方法无法充分捕获不同角色之间互动的问题，利用一个角色间互动感知的对比学习目标辅助对话摘要模型的编码器理解不同角色之间的交互模式，帮助对话摘要模型生成更加准确和简洁的摘要。

公开(公告)号：CN116842150A

公开(公告)日：2023-10-03

申请号：CN202310628301.8

申请日：2023-05-31

Applicant: 东北大学

Inventor： 杨振飞 ,  冯时 ,  于北溟 ,  王大玲 ,  张一飞 ,  张天宝

IPC: G06F16/332 ,  G06F40/30 ,  G06F40/284 ,  G06F40/216 ,  G06F40/58 ,  G06N3/0455 ,  G06N3/0442 ,  G06N3/084

Abstract: 本发明提供一种基于对比学习的变分自编码器回复生成方法，涉及多轮对话生成技术领域。该方法在后验分布计算过程中引入了注意力机制，利用回复语句特征去对多轮对话的历史特征进行查询，选择和回复相关度较高的语句来进行后验分布的建模，来增强后验分布建模整个对话的能力，避免潜变量的退化。给定一个训练样本，通过数据增强构造与真实回复语义匹配度较高的正样本，通过随机采样构造匹配度低的负样本。利用对比学习规范潜变量空间，拉进变分自编码器的潜变量和多个正样本特征向量之间的距离，进而缓解数据集中缺少多样性回复数据的问题。

公开(公告)号：CN113190681B

公开(公告)日：2023-07-25

申请号：CN202110656931.7

申请日：2021-06-11

Applicant: 东北大学

Inventor： 张志庆 ,  冯时 ,  张一飞 ,  王大玲

IPC: G06F16/35 ,  G06F18/2411 ,  G06F18/22 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提供一种基于胶囊网络遮罩记忆注意力的细粒度文本分类方法，本方法是根据用户对事物或事物的某一方面发表的主观性评论文本以及该事物或该事物某一方面的关键词或关键短语，对该主观性文本在这个事物或这个事物的某一方面上的情感倾向进行分类的一种方法。本发明所提出一种基于胶囊网络遮罩记忆注意力的细粒度文本分类方法，能够达到提升模型建模复杂文本能力和提高模型对不同复杂度任务的适应能力的目的。

公开(公告)号：CN113254429B

公开(公告)日：2023-07-21

申请号：CN202110525465.9

申请日：2021-05-13

Applicant: 东北大学

Inventor： 沈铁麟 ,  王大玲 ,  冯时 ,  张一飞

IPC: G06F16/215 ,  G06F16/28 ,  G06F40/211 ,  G06F40/30 ,  G06F16/35 ,  G06F16/36 ,  G06N3/0455

Abstract: 本发明公开了一种用于远程监督关系抽取的基于BERT和MLM的降噪方法，涉及远程监督关系抽取技术领域。将实体对定义为源实体和目标实体；从各类别对应的目标实体中筛选出单子词实体，并根据其对应的句子不是噪声句子的可能性对这些句子排序并构成句子集；从各句子集选取正负样本为各类别建立数据集；基于数据集中句子的实体在BERT模型最后一层编码器输出的隐藏状态，提取句子的MASK‑lhs特征；利用全连接层捕获噪声句子与非噪声句子的MASK‑lhs特征差异来训练二分类器，将训练好的二分类器作为各类别的专用降噪器；将训练集中的所有句子按类别送入对应的降噪器，找出并剔除噪声句子。降噪器是即插即用的，具有实用性。

公开(公告)号：CN107679960B

公开(公告)日：2020-06-09

申请号：CN201710947454.3

申请日：2017-10-12

Applicant: 东北大学

Inventor： 王大玲 ,  沙丹丹 ,  冯时 ,  张一飞 ,  于戈

IPC: G06Q30/06 ,  G06F16/9535

Abstract: 本发明公开了一种基于服装图像和标签文本双模态内容分析的个性化服装的推荐方法，包括以下步骤：S1：通过对购物网站的服装图像中的细节属性进行分析，建立以服装细节部位图像和特征形式描述的服装商品模型和用户喜好模型；S2：通过对购物网站的服装标签文本进行分析，建立以文本形式描述的服装商品模型和用户喜好模型；S3：将所述步骤S1建立的基于服装图像的服装商品模型和所述步骤S2建立的用户喜好模型相结合，产生推荐结果。本发明将服装的图像和文本信息进行结合，基于前述两个模型的融合，为用户进行个性化服装推荐。

公开(公告)号：CN117972019A

公开(公告)日：2024-05-03

申请号：CN202410086131.X

申请日：2024-01-22

Applicant: 东北大学

Inventor： 周俊达 ,  蔡奉彤 ,  郑晓健 ,  王大玲 ,  冯时 ,  张一飞

IPC: G06F16/33 ,  G06F16/332 ,  G06F18/214

Abstract: 本发明提供一种基于提示学习的对话情绪识别方法，涉及人工智能技术领域。该方法在语句表征获取阶段，通过话语在token级别与语句级别的交互，获得包含上下文的语句表征；在对话情绪识别时，通过对对话的持续性和感染性进行建模，同时引入外部的常识知识，使得对话情绪识别模型能更加考虑对话者的情绪特征以及话语中所共有的隐式常识知识。该方法通过引入对话上下文和外部的常识知识，结合提示学习，提出了效果更好的对话情绪识别模型。可以实现对话情绪识别任务，为聊天机器人提供理解人类情绪的能力，在聊天机器人领域具有极其重要的价值。