基于特征融合的机器生成文本溯源方法及系统

    公开(公告)号:CN119577129A

    公开(公告)日:2025-03-07

    申请号:CN202410854416.3

    申请日:2024-06-28

    Abstract: 针对现有机器生成文本溯源技术中单一特征难以准确追溯机器生成文本来源的问题,本发明提出了一种基于特征融合的机器生成文本溯源方法和系统,构建了一种新的机器生成文本溯源模型,通过结合文本的统计特征和语义特征,为模型提供了更丰富的特征表示。首先利用词嵌入技术将输入文本转换为语义向量,同时使用GPT‑2模型计算文本的预测概率、累积概率和信息熵,作为文本的统计向量。接着,通过GRU、Transformer编码器进一步提取特征,并通过线性层对其进行线性变换,以获取文本的语义特征和统计特征,再通过特征融合策略对其进行整合。最后,融合后的特征向量经分类器分析后,输出文本具体来源。

    基于区块链与生成式对抗网络的机器生成文本检测方法及系统

    公开(公告)号:CN117371049A

    公开(公告)日:2024-01-09

    申请号:CN202311166903.2

    申请日:2023-09-08

    Abstract: 本发明提供一种基于区块链与生成式对抗网络的机器生成文本检测方法及系统,该方法通过获取包括文本训练数据和相应的类别标签的文本分类数据集;训练基于生成式对抗网络的机器生成文本检测模型;将训练后的基于生成式对抗网络的机器生成文本检测模型部署到区块链系统中;将接收的待分类文本作为输入,训练后的基于生成式对抗网络的机器生成文本检测模型进行分类预测,获得分类结果;区块链系统将记录分类结果到区块链上;区块链系统返回分类结果给用户;本发明能够实现对真实文本与对抗性文本进行高准确性的分类,并通过区块链技术保证数据的安全性与可信度。

    一种自动化智能活动图生成方法
    3.
    发明公开

    公开(公告)号:CN116483314A

    公开(公告)日:2023-07-25

    申请号:CN202310018314.3

    申请日:2023-01-06

    Abstract: 本发明公开一种自动化智能活动图生成方法,包括:步骤1,利用语法规则以及神经网络技术对预先获取的需求文本进行规范化,获得规范化后的需求文本;步骤2,使用预先训练获得的AT‑SRnn模型以及依存句法分析的方法对规范化后的需求文本进行处理,获得活动对象以及需求文本词语之间的依存关系;步骤3,利用需求文本词语之间的依存关系和活动图元素识别规则,从需求文本中提取UML元素;步骤4,利用UML元素和活动对象,生成活动图。本发明提出了一种名为GASR的模型做同义词替换,提高了活动图生成的准确性,同时引入AT‑SRnn模型识别活动对象;本发明先对需求文本进行规范化处理,然后根据处理过的需求文本生成活动图,可以提高活动图生成的准确性。

Patent Agency Ranking