公开(公告)号：CN113326374A

公开(公告)日：2021-08-31

申请号：CN202110570246.2

申请日：2021-05-25

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  陈涛 ,  靳宇倡 ,  卢晓晓

IPC: G06F16/35 ,  G06F40/242 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征增强的短文本情感分类方法及系统，包括以下步骤：基于TextRank对短文本数据进行情感词提取得到情感词典；获取实验短文本数据集，基于Word2vec模型对所述实验短文本数据集进行训练得到训练文本词向量；对所述情感词典进行加权矩阵运算，得到情感词加权矩阵；基于所述情感词加权矩阵和训练文本词向量进行矩阵乘法获得基于情感词加权的Word2vec词向量矩阵；对所述Word2vec词向量矩阵进行分类。该方法提高了神经网络的情感特征提取能力，最终达到提高了短文本的分类效果。

公开(公告)号：CN113326374B

公开(公告)日：2022-12-20

申请号：CN202110570246.2

申请日：2021-05-25

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  陈涛 ,  靳宇倡 ,  卢晓晓

IPC: G06F16/35 ,  G06F40/242 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于特征增强的短文本情感分类方法及系统，包括以下步骤：基于TextRank对短文本数据进行情感词提取得到情感词典；获取实验短文本数据集，基于Word2vec模型对所述实验短文本数据集进行训练得到训练文本词向量；对所述情感词典进行加权矩阵运算，得到情感词加权矩阵；基于所述情感词加权矩阵和训练文本词向量进行矩阵乘法获得基于情感词加权的Word2vec词向量矩阵；对所述Word2vec词向量矩阵进行分类。该方法提高了神经网络的情感特征提取能力，最终达到提高了短文本的分类效果。

公开(公告)号：CN114548292A

公开(公告)日：2022-05-27

申请号：CN202210172737.6

申请日：2022-02-24

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  陈金鹏 ,  靳宇倡

IPC: G06K9/62

Abstract: 本发明实施例公开了应试能力分析方法、装置、计算机设备及可读存储介质，方法包括：将学生的平时分和考试成绩关联，并以此得到数据集；计算所有数据点对应的第一质心；将每个数据点排序，设置每个数据点的状态数值；从数据集中选取数据点以作为当前点，将当前点的状态数值更新；利用当前点与第一质心构成的直径所对应的圆中的数据点计算第二质心；将第二质心与第一质心对应的圆中的数据点的状态数值更新；若数据集中不存在状态数值为第一数值的点，则将第二质心作为初始聚类中心，根据初始聚类中心执行聚类算法，得到平时分和考试成绩的关系。由此，保证了聚类结果的有效性，并提高了计算机设备的处理效率。

公开(公告)号：CN112948238B

公开(公告)日：2023-05-02

申请号：CN202110136164.7

申请日：2021-02-01

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  孙琛恺 ,  靳宇倡 ,  陈宏松

IPC: G06F11/36 ,  G06Q10/0639 ,  G06F16/906

Abstract: 本发明公开了推荐系统的多样性的量化方法，属于推荐系统技术领域，具体涉及推荐系统的多样性的量化领域，以解决现有的推荐系统缺乏评价指数的问题，包括如下步骤：步骤1、从日志中获取URL及用户信息；步骤2、编写程序，根据类别的信息将URL进行分类并初次筛选；步骤3、将所得的三元组中的值导入MySQL数据库中，再从中筛选重复数据，得到了多个类别的三部图；步骤4、将三部图思想编入程序中并进行计算，计算各类的校准的多样性指数与其在总类别中所占的比例，得到推荐系统的多样性指数。对推荐系统类别受众多样性进行量化，在评价推荐系统时，将本申请的多样性指数纳入评价体系中，将其作为评价标准之一。

公开(公告)号：CN115205566A

公开(公告)日：2022-10-18

申请号：CN202210505924.1

申请日：2022-05-10

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  马振明 ,  靳宇倡

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/74 ,  G06K9/62

Abstract: 本发明公开了一种基于密度峰值的数据聚类方法、装置、介质，利用直接下级描述各个数据点的相对密度，其中数据点是数据集中的图片或者词语特征，设计结合相对密度和绝对密度的混合密度值识别聚类中心，并通过相似性可达定义有效下级，进行非中心点的主要分配，并结合不同簇的k层上级分布，确定剩余点的标签，以此可以有效将数据集中相同类别的数据点聚集在一个类别下，高效准确地完成了对数据集的分类。

公开(公告)号：CN114840667A

公开(公告)日：2022-08-02

申请号：CN202210424320.4

申请日：2022-04-21

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  陶全桧 ,  靳宇倡

IPC: G06F16/35 ,  G06F40/205 ,  G06F40/289 ,  G06N3/04 ,  G06N3/08

Abstract: 本文公开发明了一种情感态度分类方法及装置，针对现有技术中情感分析主要集中于单模态文本数据，忽略多模态数据融合问题，通过结合屏蔽多模态注意力方式，提出跨模态融合ERNIE的情感分析模型(CM‑ERNIE)。通过文本和音频模态的交互作用微调预训练ERNIE模型，屏蔽多模态注意力为CM‑ERNIE的核心单元，通过结合文本和音频模态的信息来动态调整单词权重。实验表明，该模型在CMU‑MOSEI和CMU‑MOSI多模态数据集上分别提高了1.6百分点和3.0百分点，并且比单模态情感分析模型准确度高。

公开(公告)号：CN110569374B

公开(公告)日：2022-03-18

申请号：CN201910771272.4

申请日：2019-08-20

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  刘明月 ,  靳宇倡 ,  陈涛 ,  孙琛恺

IPC: G06F16/435 ,  G06F16/438 ,  G06F16/48

Abstract: 本发明提供了一种基于改进协同过滤算法的电影推荐方法，属于多媒体信息处理技术领域，首先研究了协同过滤算法的分类和应用场合，针对电影领域，选取了ItemCF算法和基于ALS模型的协同过滤算法，对于电影冷启动问题，对基于物品的协同过滤算法进行改进；针对ALS模型推荐精度低的问题，提出了混合模型的思路，在缓解数据稀疏带来的影响下，提高了推荐算法的准确度。

公开(公告)号：CN108846431A

公开(公告)日：2018-11-20

申请号：CN201810570293.5

申请日：2018-06-05

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  王梓懿 ,  靳宇倡 ,  刘敦虎

IPC: G06K9/62

Abstract: 本发明公开了一种基于改进贝叶斯模型的视频弹幕情感分类方法，包括以下步骤：使用聚类算法对视频弹幕进行时段划分，确定参数q、v，其中q为替换率，v为目标矫正率；使用贝叶斯模型对数据集进行初始分类，记录时段类别概率θ和先验概率ω；使用ω+q(θ-ω)替换先验概率ω，对样本重新分类，计算并记录矫正量d与其变化量Δd，更新时段类别概率θ；若Δd≠0，返回第三步；选择矫正率与v最接近的矫正结果作为最后结果。本发明结合视频弹幕的实时性特点，提出一种基于时段划分的矫正贝叶斯算法即改进贝叶斯模型，并将其用于视频弹幕情感分类中，矫正了传统贝叶斯模型错分的样本，具有良好的分类效果，特别适用于情感倾向一致性较高的视频弹幕。

公开(公告)号：CN119181045B

公开(公告)日：2025-04-04

申请号：CN202411291553.7

申请日：2024-09-14

Applicant: 成都信息工程大学

Inventor： 郑文斌 ,  彭君印 ,  安俊秀

IPC: G06V20/40 ,  G06V10/80 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/08 ,  G06F16/901 ,  G06F16/783

Abstract: 本发明公开了一种基于跨模态特征互补和有向图学习的多模态对话情感识别方法，涉及对话情感识别技术领域，所述方法包括：获取视频对话数据，对所述视频对话数据进行特征提取，获得第一特征；对所述第一特征进行编码，获得第二特征；基于所述第二特征构建跨模态异构图，基于所述跨模态异构图获得注意力权重；基于所述注意力权重对所述跨模态异构图进行更新，获得最终跨模态异构图，提取所述最终跨模态异构图的互补特征信息，基于所述互补特征信息，对所述最终跨模态异构图的特征进行融合获得增强特征；基于所述增强特征构建多模态有向图；基于所述多模态有向图获得情感特征，将所述情感特征传输至预训练情感分类器进行预测，获得预测情感结果，可以解决现有ERC方法中多模态数据融合中的冲突和异构性、以及忽略各模态之间的相互作用，导致模态信息丢失、模态融合不充分的问题。

公开(公告)号：CN108846431B

公开(公告)日：2021-09-28

申请号：CN201810570293.5

申请日：2018-06-05

Applicant: 成都信息工程大学

Inventor： 安俊秀 ,  王梓懿 ,  靳宇倡 ,  刘敦虎

IPC: G06K9/62

Abstract: 本发明公开了一种基于改进贝叶斯模型的视频弹幕情感分类方法，包括以下步骤：使用聚类算法对视频弹幕进行时段划分，确定参数q、v，其中q为替换率，v为目标矫正率；使用贝叶斯模型对数据集进行初始分类，记录时段类别概率θ和先验概率ω；使用ω+q(θ‑ω)替换先验概率ω，对样本重新分类，计算并记录矫正量d与其变化量Δd，更新时段类别概率θ；若Δd≠0，返回第三步；选择矫正率与v最接近的矫正结果作为最后结果。本发明结合视频弹幕的实时性特点，提出一种基于时段划分的矫正贝叶斯算法即改进贝叶斯模型，并将其用于视频弹幕情感分类中，矫正了传统贝叶斯模型错分的样本，具有良好的分类效果，特别适用于情感倾向一致性较高的视频弹幕。