-
公开(公告)号：CN114238752A
公开(公告)日：2022-03-25
申请号：CN202111439526.6
申请日：2021-11-30
Applicant: 湖南大学
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本申请提供一种物品推荐方法及相关设备，可以提高冷启动的准确性。该方法包括：确定冷启动对象集合中每个冷启动对象的多模态信息以及暖对象集合中每个暖对象的多模态信息，多模态信息包括标识信息、视觉信息特征、音频信息特征以及文本信息特征中的至少两个；根据每个冷启动对象的多模态信息与每个暖对象的多模态信息进行层次聚类，得到多个聚类结果；根据多个聚类结果构建每个冷启动对象与暖对象之间的补充交互图，暖对象与暖对象集合相对应；根据补充交互图确定每个冷启动对象的第一最终表示以及与每个冷启动对象所对应暖对象的第二最终表示；根据第一最终表示以及第二最终表示对每个冷启动对象进行推荐。
-
Patent Agency Ranking
公开(公告)号：CN113435216A
公开(公告)日：2021-09-24
申请号：CN202110704424.6
申请日：2021-06-24
Applicant: 湖南大学
Abstract: 本发明提供一种神经网络机器翻译模型的训练方法。所述方法包括如下步骤：获取训练样本集，训练样本集包括训练视频、与训练视频对应的源语言文本向量及与源语言文本向量对应的目标语言文本向量；从训练视频中提取多个动作概念特征向量及多个目标概念标签；将多个动作概念特征向量及源语言文本向量输入到神经网络机器翻译模型中，得到预测文本向量及正译预测概念标签；将多个动作概念特征向量及回译输入向量输入到神经网络机器翻译模型中，得到回译文本向量及回译预测概念标签；根据各个向量及标签之间的比较结果，对神经网络机器翻译模型的模型参数进行迭代调整，直到满足收敛条件，能够提升机器翻译的精度。
-
公开(公告)号：CN113065496A
公开(公告)日：2021-07-02
申请号：CN202110395391.1
申请日：2021-04-13
Applicant: 湖南大学
Abstract: 本发明提供一种神经网络机器翻译模型训练方法、机器翻译方法和装置。所述神经网络机器翻译模型训练方法通过从训练视频中提取场景视觉图，再根据场景视觉图得到细腻度更高的视频特征向量序列，再将视频特征向量序列与第一文本特征向量序列进行对齐融合得到更准确的视频引导的第一文本特征向量序列，然后通过视频引导的第一文本特征向量序列和第二文本特征向量序列得到预测文本向量序列，最后根据预测文本向量序列与标准文本特征向量序列的比对结果，对所述神经网络机器翻译模型的模型参数进行迭代调整，直到满足收敛条件，完成所述神经网络机器翻译模型的训练，能够提升训练得到的神经网络机器翻译模型对视频引导的机器翻译的精度。
-
公开(公告)号：CN114238752B
公开(公告)日：2024-06-28
申请号：CN202111439526.6
申请日：2021-11-30
Applicant: 湖南大学
IPC: G06Q30/0601 , G06F18/231 , G06F18/2323
Abstract: 本申请提供一种物品推荐方法及相关设备，可以提高冷启动的准确性。该方法包括：确定冷启动对象集合中每个冷启动对象的多模态信息以及暖对象集合中每个暖对象的多模态信息，多模态信息包括标识信息、视觉信息特征、音频信息特征以及文本信息特征中的至少两个；根据每个冷启动对象的多模态信息与每个暖对象的多模态信息进行层次聚类，得到多个聚类结果；根据多个聚类结果构建每个冷启动对象与暖对象之间的补充交互图，暖对象与暖对象集合相对应；根据补充交互图确定每个冷启动对象的第一最终表示以及与每个冷启动对象所对应暖对象的第二最终表示；根据第一最终表示以及第二最终表示对每个冷启动对象进行推荐。
-
公开(公告)号：CN113435216B
公开(公告)日：2023-06-23
申请号：CN202110704424.6
申请日：2021-06-24
Applicant: 湖南大学
IPC: G06F40/58 , G06N3/047 , G06N3/0464 , G06N3/08
Abstract: 本发明提供一种神经网络机器翻译模型的训练方法。所述方法包括如下步骤：获取训练样本集，训练样本集包括训练视频、与训练视频对应的源语言文本向量及与源语言文本向量对应的目标语言文本向量；从训练视频中提取多个动作概念特征向量及多个目标概念标签；将多个动作概念特征向量及源语言文本向量输入到神经网络机器翻译模型中，得到预测文本向量及正译预测概念标签；将多个动作概念特征向量及回译输入向量输入到神经网络机器翻译模型中，得到回译文本向量及回译预测概念标签；根据各个向量及标签之间的比较结果，对神经网络机器翻译模型的模型参数进行迭代调整，直到满足收敛条件，能够提升机器翻译的精度。
-
公开(公告)号：CN113065496B
公开(公告)日：2022-06-28
申请号：CN202110395391.1
申请日：2021-04-13
Applicant: 湖南大学
Abstract: 本发明提供一种神经网络机器翻译模型训练方法、机器翻译方法和装置。所述神经网络机器翻译模型训练方法通过从训练视频中提取场景视觉图，再根据场景视觉图得到细腻度更高的视频特征向量序列，再将视频特征向量序列与第一文本特征向量序列进行对齐融合得到更准确的视频引导的第一文本特征向量序列，然后通过视频引导的第一文本特征向量序列和第二文本特征向量序列得到预测文本向量序列，最后根据预测文本向量序列与标准文本特征向量序列的比对结果，对所述神经网络机器翻译模型的模型参数进行迭代调整，直到满足收敛条件，完成所述神经网络机器翻译模型的训练，能够提升训练得到的神经网络机器翻译模型对视频引导的机器翻译的精度。
-
-
-
-
-
Search Results
6
records
(took 0.024 seconds)
