-
公开(公告)号：CN111694878B
公开(公告)日：2023-08-11
申请号：CN202010391288.5
申请日：2020-05-11
Applicant: 电子科技大学 , 中电科大数据研究院有限公司
IPC: G06F16/2458 , G06F16/248 , G06F16/28
Abstract: 本发明提供一种基于事项关联网络的政务主题事项联办方法，包括：1)构建政务事项知识库；2)构建部门关联网络；3)划分部门虚拟社团；4)构建事项关联网络；5)挖掘主题事项；6)主题事项联办优化。本发明充分考虑了政府部门与部门之间的关联关系的强弱，对政府部门进行关联性聚类，提高部门间的合作联系，并为部门联合办理提供了理论依据。在关联关系紧密的部门虚拟社团内挖掘主题事项，并生成主题事项输出，有效提升政府部门的办事效率。
-
公开(公告)号：CN113936680B
公开(公告)日：2023-08-08
申请号：CN202111171118.7
申请日：2021-10-08
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于多尺度信息感知卷积神经网络的单通道语音增强方法，包括编码步骤、非局部信息提取步骤、跳跃连接步骤和解码步骤；在编码和解码步骤中采用一种基于不同感受野的多尺度特征选择卷积模块，在编码过程中根据邻近甚至全局信息提取特征，克服了固定感受野的特征提取局限性，显著提升了模型性能，为单通道语音增强提供了一种新思路。本发明通过膨胀卷积大尺度感受野提取相邻信息来实现局部特征的有效编码，并通过全局信息缓解了语音失真和加强了语音增强效果。将膨胀卷积和全局信息提取应用在编码步骤与解码步骤，合理的利用感受野编码临近信息和全局信息，克服了传统卷积模块固定感受野带来的特征提取的局限性问题。
-
公开(公告)号：CN113936680A
公开(公告)日：2022-01-14
申请号：CN202111171118.7
申请日：2021-10-08
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于多尺度信息感知卷积神经网络的单通道语音增强方法，包括编码步骤、非局部信息提取步骤、跳跃连接步骤和解码步骤；在编码和解码步骤中采用一种基于不同感受野的多尺度特征选择卷积模块，在编码过程中根据邻近甚至全局信息提取特征，克服了固定感受野的特征提取局限性，显著提升了模型性能，为单通道语音增强提供了一种新思路。本发明通过膨胀卷积大尺度感受野提取相邻信息来实现局部特征的有效编码，并通过全局信息缓解了语音失真和加强了语音增强效果。将膨胀卷积和全局信息提取应用在编码步骤与解码步骤，合理的利用感受野编码临近信息和全局信息，克服了传统卷积模块固定感受野带来的特征提取的局限性问题。
-
公开(公告)号：CN111694963B
公开(公告)日：2023-04-18
申请号：CN202010391273.9
申请日：2020-05-11
Applicant: 电子科技大学 , 中电科大数据研究院有限公司 , 中国电子科技集团公司第二十八研究所
IPC: G06F16/36 , G06F16/903 , G06Q10/0631 , G06Q10/10 , G06Q50/26
Abstract: 本发明提供一种基于事项关联网络的关键政务流程识别方法与装置。方法包括：1)政务数据获取步骤；2)数据预处理步骤；3)政务流程图谱构建步骤；4)关键路径计算步骤。另外，提供一套实现上述方法的系统装置。本发明通过构建政务流程图谱有效管理大量政务流程数据，有助于减少人工梳理政务流程工作量，并基于该图谱得到关键办理路径，为办理人推荐快速的办事流程，缩短办理时间，从而间接提高整个政务部门的办事效率；也为政府部门之间协同优化、实现业务办理环节的整合优化提供了理论依据。
-
Patent Agency Ranking
公开(公告)号：CN113160839B
公开(公告)日：2022-10-14
申请号：CN202110408874.0
申请日：2021-04-16
Applicant: 电子科技大学
IPC: G10L21/02 , G10L21/0208 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明属于语音增强技术领域，具体提供一种基于自适应注意力机制和渐进式学习的单声道语音增强方法，用以解决现有基于CNN的语音增强模型因固定感受野导致泛化能力差的问题。本发明根据注意力机制构建得到自适应卷积模块(AACB)，模块中并行构建多个感受野的卷积层，并根据输入特征信息为每个卷积层提取的特征分配权重，经过加权拼接实现模块的感受野的自适应调节，有效克服传统卷积模块固定感受野带来的特征提取的局限性问题；同时，本发明基于所述自适应卷积模块构建得到语音增强模型，并采用渐进式学习框架实现的复用，减小模型复杂度。综上，本发明能够适应不同环境下的语音特征提取，显著提升语音增强的泛化性和鲁棒性。
-
公开(公告)号：CN111694963A
公开(公告)日：2020-09-22
申请号：CN202010391273.9
申请日：2020-05-11
Applicant: 电子科技大学 , 中电科大数据研究院有限公司 , 中国电子科技集团公司第二十八研究所
IPC: G06F16/36 , G06F16/903 , G06Q10/06 , G06Q10/10 , G06Q50/26
Abstract: 本发明提供一种基于事项关联网络的关键政务流程识别方法与装置。方法包括：1)政务数据获取步骤；2)数据预处理步骤；3)政务流程图谱构建步骤；4)关键路径计算步骤。另外，提供一套实现上述方法的系统装置。本发明通过构建政务流程图谱有效管理大量政务流程数据，有助于减少人工梳理政务流程工作量，并基于该图谱得到关键办理路径，为办理人推荐快速的办事流程，缩短办理时间，从而间接提高整个政务部门的办事效率；也为政府部门之间协同优化、实现业务办理环节的整合优化提供了理论依据。
-
公开(公告)号：CN113160839A
公开(公告)日：2021-07-23
申请号：CN202110408874.0
申请日：2021-04-16
Applicant: 电子科技大学
IPC: G10L21/02 , G10L21/0208 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明属于语音增强技术领域，具体提供一种基于自适应注意力机制和渐进式学习的单声道语音增强方法，用以解决现有基于CNN的语音增强模型因固定感受野导致泛化能力差的问题。本发明根据注意力机制构建得到自适应卷积模块(AACB)，模块中并行构建多个感受野的卷积层，并根据输入特征信息为每个卷积层提取的特征分配权重，经过加权拼接实现模块的感受野的自适应调节，有效克服传统卷积模块固定感受野带来的特征提取的局限性问题；同时，本发明基于所述自适应卷积模块构建得到语音增强模型，并采用渐进式学习框架实现的复用，减小模型复杂度。综上，本发明能够适应不同环境下的语音特征提取，显著提升语音增强的泛化性和鲁棒性。
-
公开(公告)号：CN111694878A
公开(公告)日：2020-09-22
申请号：CN202010391288.5
申请日：2020-05-11
Applicant: 电子科技大学 , 中电科大数据研究院有限公司
IPC: G06F16/2458 , G06F16/248 , G06F16/28
Abstract: 本发明提供一种基于事项关联网络的政务主题事项联办方法，包括：1)构建政务事项知识库；2)构建部门关联网络；3)划分部门虚拟社团；4)构建事项关联网络；5)挖掘主题事项；6)主题事项联办优化。本发明充分考虑了政府部门与部门之间的关联关系的强弱，对政府部门进行关联性聚类，提高部门间的合作联系，并为部门联合办理提供了理论依据。在关联关系紧密的部门虚拟社团内挖掘主题事项，并生成主题事项输出，有效提升政府部门的办事效率。
-
公开(公告)号：CN110866405A
公开(公告)日：2020-03-06
申请号：CN201911113011.X
申请日：2019-11-14
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于语句信息的方面级情感分类方法，本发明基于语句信息的注意力机制结合句子的整体语义信息捕获给定方面的重要信息，并将整个语句信息加入输出向量表达中，提高了模型处理复杂句子的能力；同时本发明采用基于上下文的注意力机制，与基于位置的注意力机制相比，不仅考虑到了句子的语序信息，还考虑到了单词与方面之间的交互信息，因此能为给定方面构建更合理的定制记忆，使得本发明的分类准确率更高。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.023 seconds)
