-
公开(公告)号：CN119961728A
公开(公告)日：2025-05-09
申请号：CN202510054379.2
申请日：2025-01-14
Abstract: 本发明公开了一种针对中文大语言模型毒性和偏见的评估方法，包括：获取中文毒性语言数据集；采用中文毒性API进行判断毒性和偏见；确定评估模型的指标，其中，所述指标包括：毒性，偏见和回避率；利用所述中文毒性语言数据集对中文大语言模型进行毒性,偏见和回避程度的评估，从而获取评估结果。该方法提出了一个与测评数据集和模型无关通用评估框架TisEval，可应用于广泛的数据集和模型，该框架来评估大语言模型的毒性和偏见，是首个从毒性和偏见的角度对中文大语言模型进行了全面、系统的研究评估。
-
公开(公告)号：CN119961529A
公开(公告)日：2025-05-09
申请号：CN202510054695.X
申请日：2025-01-14
IPC: G06F16/9536 , G06F16/9535 , G06N5/04 , G06F18/22
Abstract: 本发明公开了一种针对大语言模型推荐系统场景的双边公平方法，涉及机器学习技术领域，包括：收集用户行为数据与项目数据；对用户行为数据与项目数据进行数据处理，分别生成用户的初步嵌入、项目的初步嵌入以及相似用户嵌入；利用大语言模型生成用户的增强嵌入和项目的增强嵌入；将初步嵌入、与增强嵌入进行融合，获得融合用户嵌入、融合项目嵌入；对融合用户嵌入和融合项目嵌入进行点积运算，获得推荐得分，引入交互次数惩罚因子对推荐得分进行处理，获得加权后的推荐得分；通过双边公平性优化策略对加权后的推荐得分进行处理，生成最终的推荐列表。本方法能够精准识别并调节不公平现象。
-
公开(公告)号：CN115457643A
公开(公告)日：2022-12-09
申请号：CN202211394678.3
申请日：2022-11-09
Applicant: 暨南大学
Abstract: 本发明提供了一种基于增量技术和注意力机制的公平人脸表情识别方法，包括：构建并训练表情平衡模型，所述表情平衡模型包括：骨干模块、注意力特征融合模块和表情平衡微调模块；将人脸表情图像输入所述骨干模块，提取所述人脸表情图像的表情特征；将所述表情特征输入所述注意力特征融合模块，获取不同表情类别；将所述不同表情类别输入所述表情平衡微调模块，对所述不同表情类别进行调节，输出公平人脸表情识别结果。本发明采用增量技术和注意力机制结合的方式处理表情图像，能够提取代表性不足的表情类别中更细微的特征，从而缓解人脸表情识别中的表情类别偏差，达到公平人脸表情识别的目的。
-
Patent Agency Ranking
公开(公告)号：CN114385824A
公开(公告)日：2022-04-22
申请号：CN202111512041.5
申请日：2021-12-07
IPC: G06F16/36 , G06F16/951 , G06N5/02 , G06N20/00 , G06F40/289
Abstract: 本发明涉及人工智能伦理技术领域，尤其涉及一种基于预训练模型的伦理行为抽取方法，首先以涵盖伦理道德和人类行为的社会新闻为数据源，构建社会新闻数据集，并使用众包方法对数据集进行标注，再利用具有双向Transformer结构的中文预训练语言模型ERNIE，经过微调的模型编码了实体知识信息，从大量的社会新闻数据中准确的抽取伦理行为，此外预训练模型在标记数据稀缺时准确提取数据的重要特征，能够提高任务的整体性能，解决了中文语境下单词边界和组成成分的不确定性。
-
公开(公告)号：CN113157913A
公开(公告)日：2021-07-23
申请号：CN202110131238.8
申请日：2021-01-30
Applicant: 暨南大学
Abstract: 本发明基于包含具体行为的社会新闻进行伦理行为判别研究，提出了基于社会新闻数据集的伦理行为判别方法。基于社会新闻构建了社会新闻数据集，并将新闻文本中包含的行为分类为道德行为、不道德行为和违法行为。基于使用信息实体的增强语言表示(ERNIE)和卷积神经网络(CNN)构建了伦理行为判别模型，其中，ERNIE通过捕获新闻文本的多维语义特征获得词向量；CNN通过对文本语义特征进行提取、筛选、拼接等操作，构成文本句子的向量表示，并通过概率计算及归一化处理得到分类结果。经过训练的模型编码了知识信息，可理解行为背后的伦理内涵，从而进行伦理行为判别。
-
公开(公告)号：CN115457643B
公开(公告)日：2023-04-07
申请号：CN202211394678.3
申请日：2022-11-09
Applicant: 暨南大学
IPC: G06V40/16 , G06N3/08 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464
Abstract: 本发明提供了一种基于增量技术和注意力机制的公平人脸表情识别方法，包括：构建并训练表情平衡模型，所述表情平衡模型包括：骨干模块、注意力特征融合模块和表情平衡微调模块；将人脸表情图像输入所述骨干模块，提取所述人脸表情图像的表情特征；将所述表情特征输入所述注意力特征融合模块，获取不同表情类别；将所述不同表情类别输入所述表情平衡微调模块，对所述不同表情类别进行调节，输出公平人脸表情识别结果。本发明采用增量技术和注意力机制结合的方式处理表情图像，能够提取代表性不足的表情类别中更细微的特征，从而缓解人脸表情识别中的表情类别偏差，达到公平人脸表情识别的目的。
-
公开(公告)号：CN114443808A
公开(公告)日：2022-05-06
申请号：CN202111451106.X
申请日：2021-12-01
IPC: G06F16/33
Abstract: 本发明涉及人工智能伦理技术领域，尤其涉及一种基于行为目的关系的伦理极性判别方法，使用众包方法对开源数据集FG‑News进行再标注，为数据集增添更多细粒度的属性，也可以为模型的训练提供更多特征，再利用具有双向Transformer结构的预训练语言模型BERT，经过维基百科语料的与训练过程编码知识信息，同时对于下游任务，经过微调的模型可以快速适应当前任务，对特定的行为词进行目的关系推理和极性判别，以行为词为中心，捕捉目标词、词间关系与其上下文之间的联系，有效提高系统的准确率和查全率，提供了更完整、更深入的分析结果。
-
公开(公告)号：CN117725215A
公开(公告)日：2024-03-19
申请号：CN202311755794.8
申请日：2023-12-19
Applicant: 暨南大学
IPC: G06F16/35 , G06F16/33 , G06N3/0455 , G06N3/0464 , G06N3/048 , G06N3/0499 , G06N3/096
Abstract: 本发明公开一种公平多领域虚假新闻检测方法和装置，包括以下步骤：步骤S1、获取历史新闻数据训练集；步骤S2、根据历史新闻数据训练集，构建双教师知识蒸馏框架；步骤S3、构建双教师知识蒸馏框架整体损失；步骤S4、对双教师知识蒸馏框架整体损失进行基于动量的动态权重调整；步骤S5、根据学生模型和动态权重调整后双教师蒸馏损失，在真实世界新闻数据集上对其进行训练以得到公平假新闻检测模型，同时根据公平假新闻检测模型进行在线或离线检测。采用本发明的技术方案，以解决虚假新闻的领域之间存在偏差的问题，有效地缩小了不同领域之间的性能差距，减缓虚假新闻检测中的领域偏差，并提升了整体性能。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
