公开(公告)号：CN116089600A

公开(公告)日：2023-05-09

申请号：CN202211434965.2

申请日：2022-11-16

Applicant: 湖南大学

Inventor： 王梦圆

IPC: G06F16/34 ,  G06F16/35 ,  G06F40/151 ,  G06F40/211 ,  G06F40/216 ,  G06F40/30 ,  G06F18/214 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及一种文本摘要生成方法、装置及计算机设备，方法包括：获取待生成摘要的源文档并对所述源文档进行预处理，得到目标源文档；对所述目标源文档中各个单词进行计算，得到各单词的词频逆文档频率值；根据预设训练词向量将所述目标源文档中各个单词转换为单词特征向量；根据CNN模型和LSTM模型对所述目标源文档进行特征提取和向量拼接，得到所述目标源文档的句子特征向量；根据所述目标源文档构建词袋向量，并将所述词袋向量输入至获取的目标NTM模型，得到主题特征向量；将所述单词特征向量、所述句子特征向量、所述主题特征向量及各单词的词频逆文档频率值输入到获取的目标文本摘要生成模型，生成目标文本摘要。

公开(公告)号：CN113268675B

公开(公告)日：2022-07-08

申请号：CN202110542802.5

申请日：2021-05-19

Applicant: 湖南大学

Inventor： 陈宇 ,  肖正 ,  聂振宇 ,  王梦圆 ,  郭修远

IPC: G06F16/9536 ,  G06F16/35 ,  G06F16/33 ,  G06F40/284 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明公开了一种基于图注意力网络的社交媒体谣言检测方法，其首先获取待检测的谣言事件，对待检测的谣言事件对应的文本进行预处理，以得到预处理后的文本，并使用BERT‑Large‑Cased预训练词向量模型将预处理后的文本转换成文本向量矩阵，然后根据待检测的谣言事件对应的用户之间的转发、评论或回复关系构建用户关系结构图表示为G＝(V,E)，并根据该用户关系结构图构建邻接矩阵，最后将文本向量矩阵、以及邻接矩阵，输入预先训练好的谣言检测模型中，以得到最终的谣言检测结果。本发明能够解决现有基于深度学习的谣言检测方法由于不能高效的提取谣言传播结构特征和聚合邻接节点特征,导致影响谣言检测准确度的技术问题。

公开(公告)号：CN114591111A

公开(公告)日：2022-06-07

申请号：CN202011389380.4

申请日：2020-12-02

Applicant: 中南林业科技大学 ,  湖南大学

Inventor： 冯冲凌 ,  叶强 ,  王梦圆 ,  范慧欣

IPC: C05G3/00 ,  C05G3/80 ,  C05F17/20 ,  A01C21/00 ,  A01B79/02 ,  A01G17/00 ,  A01G22/00 ,  C12N1/14 ,  C12N1/20 ,  C12N1/36 ,  C12R1/22 ,  C12R1/80 ,  C12R1/685 ,  C12R1/125

Abstract: 本发明公开了一种复合功能有机菌肥及其制备方法和应用，该复合功能有机菌肥包括96份～98份蘑菇渣有机肥和2份～4份复合功能微生物菌剂，其中复合功能微生物菌剂按质量百分含量计包括30％～45％的克雷伯菌菌剂、20％～25％的青霉菌菌剂、15％～25％的黑曲霉菌菌剂和5％～20％的枯草芽孢杆菌菌剂。其制备方法包括将蘑菇渣有机肥与复合功能微生物菌剂混合，发酵，得到复合功能有机菌肥。本发明复合功能有机菌肥，具有适用于乔‑灌‑草微生态植物群、能够降低土壤环境中重金属浓度、能够促进植物生长、可以有效提高植物修复重金属污染土壤效率等优点，能够促进植物对重金属污染土壤的有效修复，有着很好的应用价值和应用前景。

公开(公告)号：CN113268675A

公开(公告)日：2021-08-17

申请号：CN202110542802.5

申请日：2021-05-19

Applicant: 湖南大学

Inventor： 陈宇 ,  肖正 ,  聂振宇 ,  王梦圆 ,  郭修远

IPC: G06F16/9536 ,  G06F16/35 ,  G06F16/33 ,  G06F40/284 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明公开了一种基于图注意力网络的社交媒体谣言检测方法，其首先获取待检测的谣言事件，对待检测的谣言事件对应的文本进行预处理，以得到预处理后的文本，并使用BERT‑Large‑Cased预训练词向量模型将预处理后的文本转换成文本向量矩阵，然后根据待检测的谣言事件对应的用户之间的转发、评论或回复关系构建用户关系结构图表示为G＝(V,E)，并根据该用户关系结构图构建邻接矩阵，最后将文本向量矩阵、以及邻接矩阵，输入预先训练好的谣言检测模型中，以得到最终的谣言检测结果。本发明能够解决现有基于深度学习的谣言检测方法由于不能高效的提取谣言传播结构特征和聚合邻接节点特征,导致影响谣言检测准确度的技术问题。