基于迭代图注意力网络的用户兴趣预测方法及电子装置

    公开(公告)号:CN112380427B

    公开(公告)日:2022-07-08

    申请号:CN202011159408.5

    申请日:2020-10-27

    Abstract: 本发明公开了一种基于迭代图注意力网络的用户兴趣预测方法及电子装置,通过未知兴趣标签分布与兴趣标签联合依赖概率,将用户特征学习的图注意力网络GATθ与兴趣潜在关系建模的图注意力网络相结合,并引入标签传播机制捕捉兴趣标签的局部依赖关系,对用户网络中的各用户兴趣进行预测。本发明,弥补了目前主流的用户兴趣预测方法对兴趣潜在关系建模的空缺,充分利用用户社交关系数据,预测准确率更高,并且高效快捷。

    一种基于序列化证据抽取的推理阅读理解方法及系统

    公开(公告)号:CN112347756A

    公开(公告)日:2021-02-09

    申请号:CN202011051087.7

    申请日:2020-09-29

    Abstract: 本发明涉及一种基于序列化证据抽取的推理阅读理解方法及系统。该方法训练基于序列化证据抽取的阅读理解模型,该模型包括编码层、推理交互层、证据预测层、答案预测层;利用训练完成的基于序列化证据抽取的阅读理解模型,输入上下文文本和问题文本,输出答案的类型、答案文本以及相关证据句子的集合。本发明通过GRU与注意力机制根据问题句子来序列化抽取证据文档中的句子作为证据句子的预测结果,将证据句子之间的相关关系考虑进去,逐步推理得到相关证据,同时覆盖问题中的重要信息。本发明从原来的独立预测每个证据句子变为序列化抽取证据句子,从而建模证据之间的相关性认证,从而提高了网络的安全可靠性。

    基于随机森林的图文数据融合情感分类方法和装置

    公开(公告)号:CN109934260A

    公开(公告)日:2019-06-25

    申请号:CN201910098349.6

    申请日:2019-01-31

    Abstract: 本发明涉及一种基于随机森林的图文数据融合情感分类方法和装置。该方法的步骤包括:1)提取多模态数据中图片的特征和文本的特征;2)将提取的图片的特征与文本的特征进行合并,得到图文整体特征;3)通过Corruption机制对图文整体特征进行特征选择;4)通过随机森林分类器对进行特征选择后的图文整体特征进行分类,得到情感分类结果。优选地,通过VGG-ISC网络提取多模态数据中图片的特征,通过CNN-TSC网络提取多模态数据中文本的特征。本发明可以有效的获取到单个模态上的特征,并且可以将二者的特征向量合并起来,作为一个整体的特征放入随机森林进行分类学习并进行情感分类。

    基于文本模态对齐的跨模态行人重识别方法及装置

    公开(公告)号:CN118447530A

    公开(公告)日:2024-08-06

    申请号:CN202410300121.1

    申请日:2024-03-15

    Abstract: 本发明公开一种基于文本模态对齐的跨模态行人重识别方法及装置,属于人工智能技术领域。所述方法包括:训练一可学习向量来捕捉红外图像和可见光图像中与身份相关的模态共享信息;结合训练后的可学习向量获取每个行人ID的文本模态表示,并使用图像编码器提取红外图像和可见光图像中该行人ID的红外模态表示和可见光模态表示;基于所述文本模态表示、所述红外模态表示和所述可见光模态表示之间的彼此对齐来训练该图像编码器;基于训练后的图像编码器对目标红外图像或目标可见光图像中的行人进行编码,并通过对编码结果的分类,得到跨模态的行人重识别结果。本发明可以提升跨模态行人重识别模型的精度。

    一种基于注意力机制的联邦学习方法及系统

    公开(公告)号:CN117933367A

    公开(公告)日:2024-04-26

    申请号:CN202410077112.0

    申请日:2024-01-19

    Abstract: 本发明公开了一种基于注意力机制的联邦学习方法及系统,该系统包括:m个本地节点k和一全局节点。每一本地节点k用于:将本地数据不重叠地划分为训练数据集和验证数据集;在所述训练数据集上对全局模型f(t‑1)进行训练,得到本地模型#imgabs0#其中,t表示联邦训练的迭代轮次;将本地模型#imgabs1#划分为特征映射函数和线性学习器,并基于所述特征映射函数得到所述验证数据集对应的映射数据集后,将所述映射数据集和所述本地模型#imgabs2#对应的权重矩阵#imgabs3#发送至全局节点;全局节点用于基于各本地节点k的映射数据集和权重矩阵#imgabs4#生成全局模型f(t)后,将所述全局模型f(t)分发至每一本地节点k。本发明可以缓解数据异质性带来的性能损失问题。

    一种层级对齐结构的问答立场检测方法及装置

    公开(公告)号:CN113127599B

    公开(公告)日:2022-07-12

    申请号:CN202110230676.X

    申请日:2021-03-02

    Abstract: 本发明公开了一种层级对齐结构的问答立场检测方法及装置,包括:分别将问题文本与回答文本转换为问题序列与回答序列;拼接问题序列与回答序列,得到问题回答序列;将问题序列、回答序列及问题回答序列输入层次对齐模型,得到问答立场检测结果。本发明的层次对齐模型,先使用了BERT预训练模型得到粗粒度的立场表示,然后从QA对中的问题和回答两方面进行了概念级别的目标对齐和证据级别的信息对齐,得到了由粗到精的立场表示,从而在问答立场检测任务上可以获得更高的准确率和F1值。

    一种基于多模态词向量的生成式对话系统编码方法及编码器

    公开(公告)号:CN110569499B

    公开(公告)日:2021-10-08

    申请号:CN201910648554.5

    申请日:2019-07-18

    Abstract: 本发明公开了一种基于多模态词向量的生成式对话系统编码方法及编码器。本方法为:1)根据当前语料与单词的上下文语境训练多模态词向量,其中每个单词生成多个词向量;2)使用双向LSTM神经网络与词向量对问句进行编码,然后将每个单词对应的前向神经网络的隐层状态与后向神经网络的隐层状态进行拼接作为该单词的上下文表示;3)将该单词的上下文表示与该单词的每一词向量分别计算相关度得分,取得分最高的词向量作为该单词的词向量;4)使用LSTM与该问句的各单词词向量对该问句进行编码,得到该问句的分布表示;5)对该问句的分布进行随机采样得到该问句的编码。本发明提高了句子编码的精准性。

    一种层级对齐结构的问答立场检测方法及装置

    公开(公告)号:CN113127599A

    公开(公告)日:2021-07-16

    申请号:CN202110230676.X

    申请日:2021-03-02

    Abstract: 本发明公开了一种层级对齐结构的问答立场检测方法及装置,包括:分别将问题文本与回答文本转换为问题序列与回答序列;拼接问题序列与回答序列,得到问题回答序列;将问题序列、回答序列及问题回答序列输入层次对齐模型,得到问答立场检测结果。本发明的层次对齐模型,先使用了BERT预训练模型得到粗粒度的立场表示,然后从QA对中的问题和回答两方面进行了概念级别的目标对齐和证据级别的信息对齐,得到了由粗到精的立场表示,从而在问答立场检测任务上可以获得更高的准确率和F1值。

    基于迭代图注意力网络的用户兴趣预测方法及电子装置

    公开(公告)号:CN112380427A

    公开(公告)日:2021-02-19

    申请号:CN202011159408.5

    申请日:2020-10-27

    Abstract: 本发明公开了一种基于迭代图注意力网络的用户兴趣预测方法及电子装置,通过未知兴趣标签分布与兴趣标签联合依赖概率,将用户特征学习的图注意力网络GATθ与兴趣潜在关系建模的图注意力网络 相结合,并引入标签传播机制捕捉兴趣标签的局部依赖关系,对用户网络中的各用户兴趣进行预测。本发明,弥补了目前主流的用户兴趣预测方法对兴趣潜在关系建模的空缺,充分利用用户社交关系数据,预测准确率更高,并且高效快捷。

Patent Agency Ranking