公开(公告)号：CN119293730A

公开(公告)日：2025-01-10

申请号：CN202411434542.X

申请日：2024-10-15

Applicant: 桂林电子科技大学

Inventor： 刘平山 ,  刘江莉 ,  王朝阳 ,  玉色树

IPC: G06F18/25 ,  G06F18/213 ,  G06N3/0442 ,  G06N3/0985

Abstract: 本发明公开了一种基于文本驱动跨模态融合和互信息估计的多模态情感分析模型构建方法，包括：提取待分析视频的文本特征、音频特征和视频特征，构建具有上下文时序信息的特征提取模块；基于跨模态注意力机制使其他模态特征能够感知文本情感信息，构建堆叠文本驱动跨模态融合模块；为尽可能保留任务相关信息并滤除与任务无关的噪声信息，构建对融合特征向量进行互信息上下界估计的互信息估计模块；结合互信息估计模块与主任务损失函数构建损失函数模块；构建将融合特征向量输入到激活函数进行情感极性判断的预测模块。本发明构建的多模态情感分析模型在两个公开可用的数据集进行了全面实验，实验结果表明该模型的情感分析性能有显著提升。

公开(公告)号：CN117763287A

公开(公告)日：2024-03-26

申请号：CN202311786976.1

申请日：2023-12-25

Applicant: 桂林电子科技大学

Inventor： 刘平山 ,  方维平 ,  孙飞 ,  陆国信 ,  王朝阳 ,  赵丽亚

IPC: G06F18/15 ,  G06F18/214 ,  G06N20/20

Abstract: 本发明公开了一种联邦推荐中基于自训练双网络的交互数据去噪方法，该方法先预热训练5~15个轮次；各个客户端的本地模型和本轮次的全局模型构成当前客户端的双网络，由双网络对本地数据集预测；预测结果满足阈值条件的样本构成初始自训练数据集，不满足阈值条件的样本构成无标签数据集；自训练数据集代替原本客户端上噪声率较高的本地数据集以支持后续训练；后续轮次中，当本地模型训练结束时，双网络对本地无标签数据集预测，满足阈值条件的样本被移入自训练数据集；去噪达一定轮次后无标签数据重新被贴上标签1。本发明适用于任何基于矩阵分解的联邦推荐模型以去除客户端上交互数据中的噪声样本，从而提高联邦推荐模型的准确性和可靠性。