-
公开(公告)号：CN118862901A
公开(公告)日：2024-10-29
申请号：CN202410847010.2
申请日：2024-06-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本申请公开了一种情绪识别方法和相关装置，该方法包括：获取当前语句及其对应的关联语句，确定当前语句与多个参考模态匹配的模态特征；获取关联语句匹配第一识别任务的第一参考特征，以及匹配第二识别任务的第二参考特征，基于当前语句的模态特征、第一参考特征和第二参考特征，获取当前语句匹配第一识别任务的第一识别特征，以及匹配第二识别任务的第二识别特征；其中，第一参考特征为关联语句的第一识别特征，第二参考特征为关联语句的第二识别特征；基于第一识别特征，获取当前语句对应的情绪类别，基于第二识别特征，获取当前语句对应的情绪转换信息。通过上述方式，本申请能够提高情绪识别的准确性。
-
公开(公告)号：CN118674039A
公开(公告)日：2024-09-20
申请号：CN202410573530.9
申请日：2024-05-09
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06N5/04 , G06F16/332 , G06F16/35 , G06N3/096
Abstract: 本申请公开了一种文本回复方法、电子设备和计算机可读存储介质，该方法包括：获取用户选择的目标模型；目标模型对应有教师模型，且均属于对话生成模型，教师模型是利用历史对话文本训练得到的，多个历史对话文本的预测难度相互区别，预测难度与历史对话文本的文本长度和词汇出现频率中的至少一者相关，训练后的教师模型用于指导待训练学生模型对历史对话文本进行回复预测，且在迭代过程中教师模型基于待训练学生模型的预测损失，选择相应预测难度的历史对话文本，直至得到训练后的待训练学生模型作为目标模型；获取用户输入的待回复文本，将待回复文本输入目标模型，得到回复文本。上述方案，能够增强对话生成模型的性能以提高文本回复的准确率。
-
公开(公告)号：CN117034922A
公开(公告)日：2023-11-10
申请号：CN202310974278.8
申请日：2023-08-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F40/289 , G06F18/241 , G06F18/22 , G06F40/30 , G06F3/01
Abstract: 本申请公开了一种文本分类方法、设备及存储介质。该文本分类方法包括：获取待分类文本；确定待分类文本中每个单词对应的眼动信息，眼动信息用于表示各单词在待分类文本中的阅读特征；利用眼动信息对待分类文本进行分类，得到文本分类结果。上述方案，能够提高文本分类结果的准确度。
-
公开(公告)号：CN118569255A
公开(公告)日：2024-08-30
申请号：CN202410399107.1
申请日：2024-04-01
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F40/289 , G06F40/30 , G06N3/0464 , G06N3/09
Abstract: 本申请公开了一种情感抽取方法、装置、电子设备以及存储介质。该情感抽取方法包括：获取待抽取文本；利用情感抽取模型对待抽取文本进行词特征提取，得到待抽取文本中各词表示之间的上下文表示；基于各词表示以及上下文表示，确定待抽取文本的目标特征表示，目标特征表示表征能够指示情感抽取模型对待抽取文本生成抽取结果的关系信息；对目标特征表示和各词表示进行情感抽取，得到待抽取文本对应的目标抽取结果，目标抽取结果包括情感三元组序列或情感四元组序列。上述方案，能够提高待抽取文本对应的目标抽取结果的准确度。
-
公开(公告)号：CN116935410A
公开(公告)日：2023-10-24
申请号：CN202311022704.4
申请日：2023-08-11
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V30/19 , G06V30/18 , G06N3/0464
Abstract: 本申请公开了一种数据分类方法、设备及存储介质。该数据分类方法包括：获取待分类的目标图像和目标图像内的文本数据；对目标图像以及文本数据分别进行特征提取，得到图像特征和文本特征；利用第一注意力模型对图像特征和文本特征进行处理，得到目标特征；利用目标特征对目标图像进行分类处理，得到目标图像的分类结果。上述方案，能够提高目标图像的分类结果的准确度。
-
Patent Agency Ranking
公开(公告)号：CN118626967A
公开(公告)日：2024-09-10
申请号：CN202410501555.8
申请日：2024-04-24
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/2431 , G10L25/63 , G10L25/30 , G06F18/23 , G06V20/40 , G06V10/40 , G06V10/764 , G06V10/762 , G06V10/82 , G06N3/0499 , G06N3/08
Abstract: 本申请公开了一种情绪类别的识别方法和相关装置，该方法包括：从多个参考类别对应的候选集合中获取每个所述参考类别对应的参考提示数据；其中，多个所述候选集合是基于多个参考数据及其对应的参考评论数据聚类后得到的；获取待识别数据，基于所述待识别数据和所述参考提示数据，获取与每个所述参考类别对应的预测评论数据；基于所述预测评论数据，获取所述待识别数据对应的目标情绪类别。通过上述方式，本申请能够提高对待识别数据进行情绪识别的准确性。
-
公开(公告)号：CN117037177A
公开(公告)日：2023-11-10
申请号：CN202310978020.5
申请日：2023-08-03
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06V30/18 , G06V30/146 , G06V10/82 , G06N3/0464
Abstract: 本申请公开了一种图像的文本描述信息生成方法，该图像的文本描述信息生成方法包括获取目标图像的图像特征、目标图像中目标物体的物体特征以及目标图像中目标区域的区域特征，目标区域基于目标图像中的目标物体确定；基于自适应注意机制对目标图像的图像特征进行处理，得到目标图像的全局表示；对目标物体的物体特征以及目标区域的区域特征进行局部感知处理，得到目标图像的局部表示；基于全局表示和局部表示进行解码处理，得到目标图像的目标文本描述信息。上述方案，能够提高文本描述信息生成的准确性。
-
公开(公告)号：CN111475615B
公开(公告)日：2023-06-20
申请号：CN202010168893.6
申请日：2020-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F16/33 , G06F18/214 , G06Q50/00
Abstract: 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。
-
公开(公告)号：CN111475615A
公开(公告)日：2020-07-31
申请号：CN202010168893.6
申请日：2020-03-12
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
Abstract: 本发明提供了一种情感增强的细粒度情感预测方法，包括执行以下步骤：步骤1：根据方面词语或属性的特性对数据进行扩建；步骤2：结合对抗训练构造细粒度情感分析对抗网络模型，并且通过共享特征提取器提取所有训练样本的共通情感特征；步骤3：将提取到的共通情感特征和特定方面的情感特征相结合来构造对抗训练多任务学习网络框架，协助模型对数据样本缺乏文本进行细粒度情感识别。本发明的有益效果是：1.本发明所提出的对抗训练多任务学习框架能通过特征提取器和判别器共同学习提取到的共享特征来协助细粒度情感分类模型对输入文本进行细粒度情感预测；2.本发明基于这种对抗训练和多任务学习方法，可以增强数据集不同方面的情感特征表示。
-
公开(公告)号：CN118626914A
公开(公告)日：2024-09-10
申请号：CN202410843716.1
申请日：2024-06-26
Applicant: 哈尔滨工业大学(深圳)(哈尔滨工业大学深圳科技创新研究院)
IPC: G06F18/24 , G06F18/214 , G06N20/00 , G06F40/35
Abstract: 本申请公开了一种对话情感分析模型的训练方法以及相关装置，该训练方法包括：获取当前轮次的训练样本；利用多种数据屏蔽方式对训练样本进行调整，得到多种调整样本，并将训练样本及其对应的调整样本输入对话情感分析模型，得到多种情感下训练样本中每个对话段对应的第一预测分布，以及每个调整样本中每个对话段对应的第二预测分布；其中，数据屏蔽方式与数据的模态和生成对象中的至少一者相关；基于训练标签、第一预测分布和第二预测分布，调整对话情感分析模型的参数，直至满足预设收敛条件，得到训练后的对话情感分析模型。本申请的训练方法能够提升模型对不确定性样本的理解和处理。
-
-
-
-
-
-
-
-
-
Search Results
69
records
(took 0.031 seconds)
