-
公开(公告)号：CN109977212A
公开(公告)日：2019-07-05
申请号：CN201910244935.7
申请日：2019-03-28
Applicant: 清华大学深圳研究生院
IPC: G06F16/332 , G06F17/27 , G06F17/22
Abstract: 本发明提供一种对话机器人的回复内容生成方法和终端设备，方法包括：获取对话文本并进行数据预处理得到神经网络生成模型的训练样本；选取基于编码器‑解码器结构的神经网络生成模型；在解码器中引入词预测网络并在词预测网络添加损失函数，进而修正原始负对数似然损失函数；在修正的原始负对数似然损失函数中增加最大熵正则项，得到最终损失函数；对神经网络生成模型进行模型训练得到最优参数；训练好的所述神经网络生成模型接收用户的输入并生成相应的回复。具有良好的泛化能力：不限于特定结构的编码器‑解码器模型，可以与任何端到端模型相结合。显著提高回复多样性的同时，又能兼顾回复的质量，令用户拥有更好的交互体验。
-
公开(公告)号：CN109410254B
公开(公告)日：2020-07-28
申请号：CN201811307972.X
申请日：2018-11-05
Applicant: 清华大学深圳研究生院
IPC: G06T7/277
Abstract: 本发明公开了一种基于目标和相机运动建模的目标跟踪方法，包括以下步骤：S1：通过滤波器算法来预测当前时刻目标的真实速度；S2：预测当前时刻相机的速度；S3：将步骤S1预测的目标的真实速度和步骤S2预测的相机的速度进行合成，得到当前时刻目标在像素平面的合速度的预测值，并依据目标在像素平面的合速度的预测值来选择目标搜索区域；S4：在步骤S3选择的所述目标搜索区域内进行目标跟踪算法，求得当前时刻目标在像素平面的位置。本发明提出的基于目标和相机运动建模的目标跟踪方法，有效地提高了目标跟踪的精确程度和鲁棒性。
-
公开(公告)号：CN106227884A
公开(公告)日：2016-12-14
申请号：CN201610643458.8
申请日：2016-08-08
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
Abstract: 本发明公开一种基于协同过滤的在线打车推荐方法，包括以下步骤：1)原始数据预处理，现实GPS数据需要预处理过程，主要是载客起点与终点的提取；2)网格化，包括区域过滤、网格化分割、用户过滤；3)推荐算法，将协同过滤算法引入，利用taxi-based算法和潜在因子模型给出推荐结果，构造出合理的打分矩阵；4)评价与结果应用：利用传统推荐的topN推荐进行检验，指标为准确率和召回率。本发明的目的是实时分析出租车的GPS数据，通过运行状态的分析，构造刻画出租车行为的打分矩阵，给出租车提供个性化的空载寻客地点推荐。本发明的优点在于传统协同过滤方法的引入，推荐具有个性化，并基于移动特性的模型，更符合实际。
-
公开(公告)号：CN105893582A
公开(公告)日：2016-08-24
申请号：CN201610204531.1
申请日：2016-04-01
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
CPC classification number: G06F16/3344 , G06F16/374 , G06Q50/00
Abstract: 本发明公开了一种社交网络用户情绪判别方法，包括如下步骤：用户数据采集、用户数据预处理、构建情感词典、构建中性词典、计算独立记录的情感生成概率、利用贝叶斯生成模型对用户情感进行建模、利用最大期望算法(EM算法)对用户情感隐含变量进行求解。发明将视角集中在用户身上，通过挖掘用户在一段连续时间内发布的消息内容的情感，来反映用户在此阶段内在的情感及情感变化。
-
公开(公告)号：CN106227884B
公开(公告)日：2019-12-03
申请号：CN201610643458.8
申请日：2016-08-08
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC: G06F16/9535 , G06Q10/04
Abstract: 本发明公开一种基于协同过滤的在线打车推荐方法，包括以下步骤：1)原始数据预处理，现实GPS数据需要预处理过程，主要是载客起点与终点的提取；2)网格化，包括区域过滤、网格化分割、用户过滤；3)推荐算法，将协同过滤算法引入，利用taxi‑based算法和潜在因子模型给出推荐结果，构造出合理的打分矩阵；4)评价与结果应用：利用传统推荐的topN推荐进行检验，指标为准确率和召回率。本发明的目的是实时分析出租车的GPS数据，通过运行状态的分析，构造刻画出租车行为的打分矩阵，给出租车提供个性化的空载寻客地点推荐。本发明的优点在于传统协同过滤方法的引入，推荐具有个性化，并基于移动特性的模型，更符合实际。
-
Patent Agency Ranking
公开(公告)号：CN109754404A
公开(公告)日：2019-05-14
申请号：CN201910002630.5
申请日：2019-01-02
Applicant: 清华大学深圳研究生院
Abstract: 本发明涉及一种基于多注意力机制的端到端的肿瘤分割方法，该方法主要包括主干网络部分和注意力模块部分，其中主干网络包括三个子网络，由改进的3D Residual U-net构成；注意力模块由特殊设计的双分支结构构成。该方法能够弥补现有技术的训练效率低，分割精度差的不足，将对多个肿瘤子区域多类分割问题转化成多个二类分割任务，注意力机制将对肿瘤外周水肿区域的分割结果作为一种软注意力添加到进一步对于肿瘤核部分的分割子任务中，同样将肿瘤核部分的分割结果通过注意力机制添加到对于肿瘤核内部的增强区域的分割子任务中。该方法适用于包括脑瘤在内的具有类似层次结构的肿瘤病变组织的3D影像的分割，包括MRI，CT图像等，能够提供更加精确的分割结果。
-
公开(公告)号：CN105243129B
公开(公告)日：2018-10-30
申请号：CN201510638459.9
申请日：2015-09-30
Applicant: 清华大学深圳研究生院
Abstract: 本发明涉及一种商品属性特征词聚类方法，包括如下步骤：所述方法包括，A1：从相关电商网站获取目标商品的评论文本，进行数据预处理；A2：选取含有商品属性特征词语的评论文本，对商品属性特征词进行人工标注，作为获取词性模板的训练样本；A3：根据A2中人工标注的数据进行词性模板训练；A4：利用A1中得到的数据训练语言模型，获得词语的向量表示；A5：利用A4中得到的词语向量，对A3中得到的商品属性特征词进行聚类，得到目标商品的最终属性特征词集合。本发明的方法可以于应用在基于商品评论文本的商品推荐系统，通过聚类可以减少商品属性特征词数目，从而降低特征维度以及特征稀疏性，使所设计的推荐系统具有更加快速和准确的性能。
-
公开(公告)号：CN105243129A
公开(公告)日：2016-01-13
申请号：CN201510638459.9
申请日：2015-09-30
Applicant: 清华大学深圳研究生院
CPC classification number: G06F17/30705 , G06F17/2705 , G06F17/2785
Abstract: 本发明涉及一种商品属性特征词聚类方法，包括如下步骤：所述方法包括，A1：从相关电商网站获取目标商品的评论文本，进行数据预处理；A2：选取含有商品属性特征词语的评论文本，对商品属性特征词进行人工标注，作为获取词性模板的训练样本；A3：根据A2中人工标注的数据进行词性模板训练；A4：利用A1中得到的数据训练语言模型，获得词语的向量表示；A5：利用A4中得到的词语向量，对A3中得到的商品属性特征词进行聚类，得到目标商品的最终属性特征词集合。本发明的方法可以于应用在基于商品评论文本的商品推荐系统，通过聚类可以减少商品属性特征词数目，从而降低特征维度以及特征稀疏性，使所设计的推荐系统具有更加快速和准确的性能。
-
公开(公告)号：CN105809474B
公开(公告)日：2020-11-17
申请号：CN201610112904.2
申请日：2016-02-29
Applicant: 深圳市未来媒体技术研究院 , 清华大学深圳研究生院
IPC: G06Q30/06
Abstract: 本发明涉及一种层次化商品信息过滤推荐方法，包括如下步骤：对于推荐系统，构造一种分层泊松模型；对每一组有效用户商品对构造长度为K的向量，评分大小为对应用户偏好向量与商品属性向量的内积；采用变分推断的方法进行逼近后验分布，利用坐标上升法多次迭代直至收敛，推导出所有隐变量的近似分布；预测每组用户商品对评分，根据得分大小排序可对用户进行最终的推荐。本发明的优点在于：1、可以生成对商品用户的稀疏表示；准确拟合了用户商品的长尾效应；3、对未评分用户商品对有降权效果；4、对稀疏评分矩阵可作出快速推断；5、良好的拓展性，适用于大规模评分集。
-
公开(公告)号：CN105718903A
公开(公告)日：2016-06-29
申请号：CN201610047601.7
申请日：2016-01-22
Applicant: 清华大学深圳研究生院 , 深圳市未来媒体技术研究院
CPC classification number: G06K9/00771 , G06K9/6268 , H04N7/173
Abstract: 本发明公开无人机救援系统及其救援方法，系统包括无人机、用于采集现场视频的环境信息采集模块、救援执行模块、控制处理模块和救援方案存储模块；控制处理模块包括用于从采集的现场视频中通过二次级联模型进行图像场景识别以搜索伤员的场景识别单元、从救援方案存储模块中寻找与场景判断结果匹配的救援方案的匹配单元以及控制救援执行模块对伤员进行救助的控制单元。救援方法包括对前述救援系统的各个模块进行控制的步骤。本发明能够自主、快速、准确、高效地进行受难场景识别，即搜寻伤员，并给予相应的医疗救助。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.024 seconds)
