-
公开(公告)号：CN115900723A
公开(公告)日：2023-04-04
申请号：CN202211699876.0
申请日：2022-12-28
Applicant: 北京邮电大学
IPC: G01C21/20
Abstract: 本申请公开了一种多智能体交互模型的训练方法、多智能体交互方法及设备，其中训练方法包括：被导航的目标智能体需要获取下一跳路径时，导航智能体利用模型的定位网络，根据目标智能体观测到的物体特征定位其位置；并利用模型的路径规划网络，根据该位置和目标位置确定两者间的最短路径；利用模型的导航网络对目标智能体导航，包括：根据最短路径为目标智能体生成下一跳路径的路径导航语言并发送给目标智能体，以触发目标智能体根据路径导航语言预测下一跳移动路径；到达目标位置后，基于导航智能体和目标智能体在定位网络和导航网络中对应模块的输出结果，计算损失函数值并利用其优化模型。采用本申请可以高效地完成导航任务且成本低、泛化性强。
-
公开(公告)号：CN115795008A
公开(公告)日：2023-03-14
申请号：CN202211464999.6
申请日：2022-11-22
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F40/232 , G06F16/33 , G06N3/0455 , G06N3/0499 , G06N3/08
Abstract: 本申请公开了一种口语对话状态追踪模型训练方法及口语对话状态追踪方法，其中训练方法包括：获取预设的样本数据；样本数据包括正确的对话过程文本数据、经过噪声融合处理的对话过程文本数据和目标槽值标签；利用口语对话状态追踪模型，基于经过噪声融合处理的所述对话过程文本数据，进行文本纠错和槽值提取，并基于文本纠错和槽值提取的结果、正确的对话过程文本数据和目标槽值标签，计算总损失函数值，利用总损失函数值，对口语对话状态追踪模型的参数进行优化调整；其中，基于对话过程文本数据在文本纠错前后分别对应的语义向量的拼接结果，利用对话状态追踪解码器，进行槽值提取。采用本申请，可以提高口语对话状态追踪的准确度。
-
公开(公告)号：CN112860862B
公开(公告)日：2022-11-11
申请号：CN202110133448.0
申请日：2021-02-01
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06F16/35
Abstract: 本申请公开了一种人机对话中智能体对话语句的生成方法和装置，其中方法包括：利用预先训练的自然语言理解模型，从当前人机对话的对话历史数据中，提取预设知识库中的属性值和场景类别；其中，所述知识库由知识三元组构成；基于所述属性值和所述场景类别，从所述知识库中筛选出相关的知识三元组，得到候选知识子集；基于所述对话历史数据和所述候选知识子集，利用预先训练的对话生成模型，为智能体生成当前的响应语句并输出。采用本发明，可以支持多任务场景的人机对话。
-
公开(公告)号：CN114942976A
公开(公告)日：2022-08-26
申请号：CN202210599136.3
申请日：2022-05-30
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于掩码上下文机器阅读理解的方面情感三元组抽取方法，在推理时，应用先推理方面词再掩码无关方面词推理意见词，可以有效减少其他方面词干扰问题；在训练时，应用上下文数据增强，有效地扩充了语料并为推理打下基础；在模型结构方面，设计了四个模块协同工作，这四个模块包括方面词提取模块、意见词提取模块、情感分类模块以及方面词存在探测模块，通过以上三个要素，有效解决了以往MRC方法面临的方面词干扰问题。
-
公开(公告)号：CN114706947A
公开(公告)日：2022-07-05
申请号：CN202210314017.9
申请日：2022-03-28
Applicant: 北京邮电大学
IPC: G06F16/33 , G06F16/332 , G06F40/30 , G06K9/62
Abstract: 本申请公开了一种文本问答模型的训练方法和装置及文本问答方法，其中训练方法包括：获取样本数据集合；样本数据集合包括主任务的样本数据和辅任务的样本数据，主任务的样本数据包括文本、问题和答案，辅任务的样本数据包括文本、问题和答案证据；基于每个样本数据，利用文本问答模型，执行相应任务，并利用任务执行结果，对所述文本问答模型的参数进行优化调整；其中，当样本数据为主任务的样本数据时，利用文本问答模型，采用答案证据感知方式，对样本数据中的问题进行答案预测；当样本数据为辅任务的样本数据时，利用文本问答模型，对样本数据中的问题进行答案证据预测。采用本申请，可以提高答案预测的准确性，且具有可解释性。
-
Patent Agency Ranking
公开(公告)号：CN114186568A
公开(公告)日：2022-03-15
申请号：CN202111541714.X
申请日：2021-12-16
Applicant: 北京邮电大学
Abstract: 本发明公开了一种基于关系编码和层次注意力机制的图像段落描述方法，方法模型由关系编码模块和层次注意解码模块组成。关系编码模块通过两个编码器捕获编码空间关系信息和语义关系信息，其中语义关系编码时通过训练有监督的语义分类器来学习语义关系的先验知识。层次注意解码模块的层次注意力使用带有关系门和视觉门的层次注意力来动态的融合关系信息和物体区域特征，关系门用于在空间关系信息和语义关系信息之间切换，视觉门用于决定是否嵌入使用视觉信息，模型采用从粗粒度区域到细粒度的空间和语义关系的策略在段落生成过程中融合视觉信息。通过在斯坦福段落描述数据集上的大量实验表明，本发明方法在本领域的多个评价指标上显著优于现有方法。
-
公开(公告)号：CN113378545B
公开(公告)日：2022-02-11
申请号：CN202110635760.X
申请日：2021-06-08
Applicant: 北京邮电大学
IPC: G06F40/211 , G06F40/242 , G06F40/253 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种方面级情感分析方法、装置、电子设备及存储介质，所述方法包括：获取待进行方面级情感分析的目标句子，以及该目标句子中的方面词；基于相似结构数据集，对目标句子以及方面词进行聚合特征处理，得到目标句子对应的融合特征信息；利用双向长短期记忆网络，对融合特征信息进行特征转换，得到目标句子对应的隐藏状态特征；对目标句子以及方面词进行预处理，得到目标句子对应的依赖关系图，以及该目标句子中各个词对应的位置编码特征；将隐藏状态特征、依赖关系图以及位置编码特征，输入预先训练好的图卷积神经网络中，得到方面词对应的情感分析结果。本发明实施例，能够提高情感分析结果的准确性。
-
公开(公告)号：CN113378545A
公开(公告)日：2021-09-10
申请号：CN202110635760.X
申请日：2021-06-08
Applicant: 北京邮电大学
IPC: G06F40/211 , G06F40/242 , G06F40/253 , G06K9/46 , G06N3/04 , G06N3/08
Abstract: 本发明实施例提供了一种方面级情感分析方法、装置、电子设备及存储介质，所述方法包括：获取待进行方面级情感分析的目标句子，以及该目标句子中的方面词；基于相似结构数据集，对目标句子以及方面词进行聚合特征处理，得到目标句子对应的融合特征信息；利用双向长短期记忆网络，对融合特征信息进行特征转换，得到目标句子对应的隐藏状态特征；对目标句子以及方面词进行预处理，得到目标句子对应的依赖关系图，以及该目标句子中各个词对应的位置编码特征；将隐藏状态特征、依赖关系图以及位置编码特征，输入预先训练好的图卷积神经网络中，得到方面词对应的情感分析结果。本发明实施例，能够提高情感分析结果的准确性。
-
公开(公告)号：CN112579759A
公开(公告)日：2021-03-30
申请号：CN202011574828.X
申请日：2020-12-28
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/35 , G06F40/35 , G06N3/04
Abstract: 本申请公开了一种模型训练方法及任务型视觉对话问题的生成方法和装置，其中，模型训练方法包括：获取人类对话数据和相应图像的特征数据，确定其中每轮问答数据的问句类别，并生成问句类别标签；按照对话顺序遍历每轮问答数据，利用该轮问答数据、相应的所述问句类别标签和图像的特征数据，对预设的任务型视觉对话问题生成模型进行训练；该训练包括：基于当前输入至所述模型的一轮问答数据和图像的特征数据，生成上下文向量和具有文本引导的图像特征；基于上下文向量和图像特征，预测下一轮问答数据的问句类别，并在该类别范围内预测下一轮问答数据的问句，基于预测结果，调整模型的网络参数。采用本申请，可以减少对话交互轮次，提高任务成功率。
-
公开(公告)号：CN112183655A
公开(公告)日：2021-01-05
申请号：CN202011077236.7
申请日：2020-10-10
Applicant: 北京邮电大学
IPC: G06K9/62 , G06F40/30 , G06F40/216 , G06F16/35
Abstract: 本申请公开了一种文档多标签分类方法和装置，包括：当需要对文档进行多标签分类时，对于每个标签，利用多标签分类模型中该标签对应的第一标签相关编码器和第二标签相关编码器，分别对文档采用注意力加权的方式进行编码，并将该标签对应的编码结果进行拼接；其中，所述第一标签相关编码器和所述第二标签相关编码器预先利用基于标签对比机制构建的样本集合训练得到；拼接所有标签的所述拼接的结果，得到所述文档的编码向量；利用所述多标签分类模型的全连接层和逻辑斯蒂函数，根据所述编码向量，对所述文档进行多标签分类，并利用多标签分类结果，对所述多标签分类模型进行参数调整。采用本发明，可以提高对文档进行多标签分类的效率和准确性。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.027 seconds)
