公开(公告)号：CN118568127A

公开(公告)日：2024-08-30

申请号：CN202410624524.1

申请日：2024-05-20

申请人： 广东工业大学

发明人： 蔡瑞初 ,  樊秋杰 ,  许柏炎 ,  郝志峰 ,  蔡裕源 ,  庄子文 ,  黄俊其 ,  施少滨 ,  陈炳丰

IPC分类号： G06F16/2452 ,  G06F16/242

摘要： 本发明提供一种基于高质量上下文样本和自修正的大语言模型SQL生成方法，包括：利用大语言模型分别对待生成SQL的自然语言查询语句和上下文样本集进行实体链接提取；对大语言模型进行结构预测训练，并预测SQL语句的语法结构；检索结构和语义均相似的上下文样本，获取高质量上下文样本集；利用高质量上下文样本集引导大语言模型生成最终的SQL预测语句；最后进行SQL执行检测、语法语义分析和引导自修正，确保SQL语句能正常执行；本发明通过检索更匹配的上下文样本作为高质量样本，能够提高上下文学习对大语言模型的指导能力，从而提高SQL生成的准确率；本发明还能提高大语言模型对SQL中潜藏的错误的识别能力和纠正能力。

公开(公告)号：CN117892719A

公开(公告)日：2024-04-16

申请号：CN202410062045.5

申请日：2024-01-16

申请人： 广东工业大学

发明人： 陈炳丰 ,  许浩然 ,  许柏炎 ,  郝志峰 ,  蔡瑞初 ,  邱辰杰

IPC分类号： G06F40/211 ,  G06F40/289 ,  G06F40/30 ,  G06F18/2415 ,  G06N3/0442 ,  G06N3/048

摘要： 本发明提出一种细粒度情感元素抽取方法及系统，涉及深度学习、方面情感分析的技术领域，将获取的自然语言文本评论序列输入至预训练语言模型编码器进行编码，得到基于上下文的表征，构建不同长度的序列跨度，结合表征及不同长度跨度的跨度表征，所有跨度表征形成原始跨度表征序列，以更好地捕捉上下文信息，并在原始跨度表征序列的前后分别添加含有局部结构信息的隐式方面词标签与观点词标签，为建立隐式层面的方面词与观点词之间的联系打下基础，然后输入至已训练好的方面情感四元组抽取模型中，进行方面情感四元组抽取，通过本发明能够对评论序列信息进行更加细粒度的分析，精准地提取到自然语言文本评论序列对应的方面情感四元组。

公开(公告)号：CN117708692A

公开(公告)日：2024-03-15

申请号：CN202311415606.7

申请日：2023-10-30

申请人： 广东工业大学

发明人： 陈炳丰 ,  欧阳棋瀚 ,  许柏炎 ,  郝志峰 ,  蔡瑞初 ,  廖辉

IPC分类号： G06F18/2415 ,  G06N3/042 ,  G06N3/0464 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/084

摘要： 本发明提出一种基于双通道图卷积神经网络的实体情感分析方法及系统，涉及深度学习、情感分析的技术领域，在实体情感分析过程中，通过构建具有句子结构意识的语义图卷积神经网络和基于隐树诱导的语法图卷积神经网络，分别实现对不同评论语句的句子结构理解及适应表达复杂的评论语句的目的，得到语义单通道隐状态表示和语法单通道隐状态表示，然后构建自适应特征融合模块，融合语义单通道隐状态表示和语法单通道隐状态表示，并训练整体模型，以进行实体情感分析，实现细粒度情感分析，提升情感分析结果的准确性。

公开(公告)号：CN113610707B

公开(公告)日：2024-02-09

申请号：CN202110838280.3

申请日：2021-07-23

申请人： 广东工业大学

发明人： 张庆武 ,  朱鉴 ,  蔡金峰 ,  陈炳丰 ,  蔡瑞初 ,  郝志峰

IPC分类号： G06T3/4053 ,  G06N3/049 ,  G06N3/045 ,  G06N3/044 ,  G06N3/08

摘要： 本发明提出一种基于时间注意力与循环反馈网络的视频超分辨率方法，将与目标帧距离不同的相邻帧所提供的视觉信息对超分重建效果的贡献度不同的特点、人类视觉系统的反馈机制、以及人类学习新知识过程中的循环反馈指导特性运用到视频超分辨率技术中，采用时间注意力模块学习视频序列在时间轴上的注意力图，能有效区分不同时间度的相邻帧对最后重建效果贡献；将视频序列进行重新排列后由循环反馈模块进行循环反馈超分，最终得到超分辨率网络模型，该模型具有着重学习对超分重建贡献度大的信息的特性以及强大的高层特征学习能力，从而提高了视频超分辨率效果。

公开(公告)号：CN116383682A

公开(公告)日：2023-07-04

申请号：CN202310268227.3

申请日：2023-03-17

申请人： 广东工业大学

发明人： 杨易扬 ,  吕鸿章 ,  杨戈平 ,  巩志国 ,  蔡瑞初 ,  郝志峰 ,  陈炳丰

IPC分类号： G06F18/2321 ,  G06F18/23213

摘要： 本发明涉及密度峰值聚类技术领域，公开了一种基于k近邻密度支配域代表团的密度峰值聚类方法，通过使用支配域的密度和支配域间的支配距离快速获得簇心密度支配域，再利用支配关系构建的密度支配树，以K个簇心密度支配域为聚类中心，由上到下实现聚类，实现指定数目为K的聚类，同时以采样中心峰值区域作为密度峰值处产生的代表团，估计边缘节点数量，组成支配域代表团，提升代表点代能力，能够代表一个密度支配域的分布状况，本发明在不失密度支配域的快速聚类特征同时，也保证了聚类质量，更满足指定数目为K的聚类需求，关键参数也只有一个近邻数k，操作方便，对聚类分析工作具有一定的实用性。

公开(公告)号：CN116017071A

公开(公告)日：2023-04-25

申请号：CN202211591800.6

申请日：2022-12-12

申请人： 广东工业大学

发明人： 温雯 ,  王文萃 ,  郝志峰 ,  蔡瑞初 ,  陈炳峰

IPC分类号： H04N21/466

摘要： 本发明公开了一种面向互联网电视的分时段推荐节目的方法和系统，涉及智能电视节目推荐的技术领域，包括获取用户观看电视节目的历史记录，按时段进行划分，构建用户行为序列；提取用户个性化兴趣特征向量、历史节目时间相关特征向量、候选节目时间相关特征向量和候选节目一般特征向量；基于上述特征向量计算短期兴趣特征向量，并进一步计算用户对候选节目的长期偏好得分和短期偏好得分，融合计算获得最终候选节目预测概率；构建并优化推荐损失函数，获得优化后的分时段节目推荐模型，输出分时段电视节目推荐列表，实现电视节目分时段推荐。本发明考虑了不同客户在不同时段下存在不同兴趣的情况，为客户实现更精准化、个性化的节目推荐。

公开(公告)号：CN115595634A

公开(公告)日：2023-01-13

申请号：CN202211149476.2

申请日：2022-09-21

申请人： 广东工业大学(CN)

发明人： 郝志峰 ,  曾铭 ,  陈相 ,  吴博 ,  罗继业 ,  李海欣 ,  黄翔 ,  何骏涛 ,  罗锦逸

IPC分类号： C25D3/48 ,  C25D5/00

摘要： 本发明公开一种含Ru配位化合物的无氰镀金液及镀金方法，该无氰镀金液包括Ru配位化合物、亚硫酸金盐、缓冲溶液和复合络合剂；不含有强毒或高毒的化学物质；可在中性或者弱酸性条件下使用，化学稳定性良好，可耐受加热‑冷却循环；使用本发明的无氰镀金液得到的镀金层为致密光亮的纯金镀层，不含有O、S、P等杂质原子；且镀金层结晶平整、致密，镀层外观金黄光亮，耐腐蚀性以及与基材的结合力良好；在电镀过程中随着镀层厚度的增加，不会出现镀层发红、有浮灰等问题。本发明的无氰镀金液及电镀金方法符合绿色环保的理念，可降低生产、使用过程及镀后镀液处理存在的安全风险，在高端电子电镀、半导体电镀等方面有广阔的应用前景。

公开(公告)号：CN115170843A

公开(公告)日：2022-10-11

申请号：CN202210827709.3

申请日：2022-07-14

申请人： 广东工业大学

发明人： 王丽娟 ,  陈俊雄 ,  尹明 ,  郝志峰 ,  蔡瑞初 ,  陈炳丰 ,  温雯

IPC分类号： G06V10/74 ,  G06F17/16 ,  G06V10/762 ,  G06V10/774

摘要： 本发明提出一种基于嵌入特征提取的多视图一致性图像聚类方法及系统，涉及多视图图像数据聚类处理的技术领域，通过对原始多视图数据的数据矩阵进行处理，获取每个视图的样本嵌入和特征嵌入，对每个视图的特征嵌入进行群稀疏约束，实现对原始多视图数据特征嵌入的降噪，再通过二部图将原始多视图数据的特征嵌入和样本嵌入相连接进行特征提取，嵌入知识通过二部图在特征嵌入和样本嵌入之间传递，相互促进充分学习视图内的信息，包含在数据特征中的冗余信息和噪声的影响被有效消除，以最大限度提高模型对多视图数据的一致性学习，从而使得最终学习的一致性图能够更加准确，在最后的一致性图对应的拉普拉斯矩阵上加上秩约束从而直接的到聚类结果。

公开(公告)号：CN114330724A

公开(公告)日：2022-04-12

申请号：CN202111615970.9

申请日：2021-12-27

申请人： 广东工业大学

发明人： 蔡瑞初 ,  黄莉婷 ,  郝志峰 ,  陈炳丰

IPC分类号： G06N5/04 ,  G06N3/08

摘要： 本发明公开一种基于时序非稳态的因果机制发现方法，包括以下步骤：S1：获取时序非稳态因果机制已知的数据集，并对数据集进行处理；S2：构建用于发现时序非稳态因果机制的模型；S3：利用所述数据集对所述用于发现时序非稳态因果机制的模型进行训练，得到训练好的用于发现时序非稳态因果机制的模型；S4：利用所述训练好的用于发现时序非稳态因果机制的模型对未知时序非稳态因果机制的数据进行因果机制发现。本发明利用从状态空间和高斯过程从包含非稳态因果机制的时序数据中检测并发现因果机制，实现了非稳态因果关系发现。

公开(公告)号：CN112163623B

公开(公告)日：2022-03-04

申请号：CN202011060417.9

申请日：2020-09-30

申请人： 广东工业大学

发明人： 杨易扬 ,  郑喜臣 ,  任成森 ,  巩志国 ,  蔡瑞初 ,  郝志峰 ,  陈炳丰

IPC分类号： G06K9/62

摘要： 本发明涉及机器学习技术领域，为克服上述现有技术所述的不能确定簇的质心、计算成本大、在聚类过程中出现过分割的缺陷，提出一种基于密度子图估计的快速聚类方法、计算机设备及存储介质，其中，基于密度子图估计的快速聚类方法包括以下步骤：获取样本，对样本进行预处理后组成数据集；对数据集中各个样本进行密度值估计，构建密度子图集合；从密度子图集合中找出每个密度子图的密度最高点作为该密度子图的代表点，把代表点对应的样本组成候选集；计算候选集中每个样本的重要值；将候选集根据重要值进行降序排序，选择前K个样本作为K个簇的质心；对候选集中非质心的样本进行归类，输出得到聚类结果。