-
公开(公告)号：CN118536610A
公开(公告)日：2024-08-23
申请号：CN202410643263.8
申请日：2024-05-23
Applicant: 华侨大学
IPC: G06N5/048 , G06N5/04 , G06F40/216 , G06F40/284 , G06Q50/00
Abstract: 本发明公开了一种基于模糊综合评判技术的社交网络用户认知脆弱性分析方法及装置，包括：构建认知脆弱性三级评估指标体系，获取用户在社交网络上发表的文本内容，根据文本内容分别分析用户在人格维度、兴趣维度和情感维度所对应的三级指标的分值；采用层次分析法分别确定二级指标和三级指标对应的权重系数；对三级指标进行认知脆弱性等级模糊化，确定三级指标对应的隶属函数，根据三级指标对应的隶属函数和权重系数以及二级指标对应的权重系数利用模糊综合评判计算用户的认知脆弱性等级的隶属函数，根据三级指标的分值和用户的认知脆弱性等级的隶属函数计算得到用户认知脆弱性指数，从而实现用户认知脆弱性分析。
-
公开(公告)号：CN118212475A
公开(公告)日：2024-06-18
申请号：CN202410468662.5
申请日：2024-04-18
Applicant: 华侨大学
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08 , G06F16/35 , G06F40/30
Abstract: 一种基于多模态融合的图像主题分类方法和系统，包括：通过数据预处理构建图像对应的叙事文本和概念文本；将图像及其对应的叙事文本和概念文本输入预训练的特征提取模型得到图像特征、图像概念文本特征和图像叙事文本特征；采用标签注意力融合机制将所述图像特征和概念文本特征进行融合得到第一融合特征，利用多模态交叉注意力融合机制将所述图像特征和所述叙事文本特征进行融合得到第二融合特征；对所述第一融合特征和所述第二融合特征进行拼接融合和标签预测，实现图像主题分类。本发明融合文本信息辅助图像的新闻主题分类，提升模型的可解释性和泛化性。
-
公开(公告)号：CN118036728A
公开(公告)日：2024-05-14
申请号：CN202410220176.1
申请日：2024-02-28
Applicant: 华侨大学
Abstract: 本发明提供的自监督学习的知识图谱实体对齐方法、装置、设备及介质，首先分别将两个异构的标准术语知识图谱连接后送入初始嵌入模块进行嵌入向量表达，获得实体初始嵌入向量和属性值初始嵌入向量；接着，将实体初始嵌入向量与属性值初始嵌入向量送入关系聚合嵌入模块与属性聚合嵌入模块进行嵌入更新,经图卷积网络后，获得实体图嵌入向量集合；最后，将实体图嵌入向量集合送入交互对比学习模块，生成正实体对集合，通过损失函数的迭代优化训练得到知识图谱实体对齐模型。本发明充分考虑知识图谱的多视图信息，在自监督的实体对齐框架中，充分利用与整合图结构信息进行高效融合，提高了知识图谱中实体对齐的准确度通用性，具有极高的应用价值。
-
公开(公告)号：CN117725433A
公开(公告)日：2024-03-19
申请号：CN202311793721.8
申请日：2023-12-25
Applicant: 华侨大学
IPC: G06F18/22 , G06N3/0464 , G06N3/042 , G06N3/045 , G06N3/0895 , G06F18/241 , G06Q50/00 , G06F18/25
Abstract: 本发明公开了一种基于相似性增强传播结构图的谣言检测方法，包括以下步骤：基于公开数据集提取新闻内容特征和用户特征；基于公开数据集构建传播结构图及邻接矩阵；利用用户特征的相似性增强传播结构图；利用图卷积网络获得统一传播结构图特征；对齐统一传播结构图特征和新闻内容特征；增强新闻内容特征和传播结构图特征；基于增强传播结构图特征获得增强统一传播结构图特征，将增强新闻内容特征、增强统一传播结构图特征以及对齐的统一传播结构图特征和新闻内容特征送入分类器，判断新闻是否属于谣言。本发明深入研究社交网络中用户偏好相似性的影响，同时考虑社交网络中的传播结构图以及用户之间的潜在关系，更全面地揭示了谣言传播的特征。
-
公开(公告)号：CN117576237A
公开(公告)日：2024-02-20
申请号：CN202311510148.5
申请日：2023-11-13
Applicant: 华侨大学
IPC: G06T11/00 , G06F40/253
Abstract: 本发明提供了一种基于国际中文词汇的图像生成方法、装置、设备及介质，通过先将多标准等级词典加载到数组中，并基于词性信息进行词性标记和实词虚词分析，同时生成释义和例句，以形成国际中文等级词汇的多标签标记，接着，遍历实词虚词的分析结果，将实词存入实词数组，并结合主体、修饰词、画质自动生成图像信息，并基于对所述图片信息读取和相似度比较，对所述图像信息进行优化和自动筛选，生成实词词汇的图像；最后，遍历实词虚词的分析结果，将虚词存入虚词数组，并结合释义、例句、近义词、反义词对背景和文本进行设置和合并，以生成抽象词汇的图像，解决现有技术中无法形象生动的描绘出中文词汇的问题。
-
Patent Agency Ranking
公开(公告)号：CN117475999A
公开(公告)日：2024-01-30
申请号：CN202311434355.7
申请日：2023-10-31
Applicant: 华侨大学
Abstract: 本发明提供了一种中文口音识别方法、装置、设备及介质，涉及口音识别技术领域，能够识别非母语人群的口音。首先，语音信号输入Wave2vec2.0预训练模型抽取编码器的深层隐藏层进行拼接，得到层次化聚合向量。然后，将层次化聚合向量输入到注意力统计池化网络，根据注意力权重计算统计特征均值和统计特征方差，两者拼接得到紧凑的聚合口音特征。最后，聚合口音特征输入到LSTM网络中学习语音序列的长期依赖关系，获得口音依赖特征，将口音依赖特征输入全连接分类器实现口音分类。利用语音预训练模型提取更高层次的语义信息，并利用注意力统计池化捕捉语音特征在时间上的变化和分布，有效地提取口音特征并增强口音特征的判别性。
-
公开(公告)号：CN117437096A
公开(公告)日：2024-01-23
申请号：CN202311485469.4
申请日：2023-11-09
Applicant: 华侨大学
IPC: G06Q50/20 , G06F40/205 , G06F40/242 , G06F40/247 , G06F40/284 , G06F40/30
Abstract: 本发明提供了一种完型填空智能出题方法、装置、设备及介质，首先是出题算法筛选，即基于HSK中文水平等级对文本进行篇章语义解析，以筛选出符合要求的文本作为出题语料；然后是考点词挖空，即基于HSK中文水平等级对出题语料进行考点词挖空；最后基于多维复杂知识约束完成干扰项生成。所述完型填空智能出题方法针对能为国际中文教师，提供一系列的题目，实现教学资源的高兴率生成。
-
公开(公告)号：CN117171353A
公开(公告)日：2023-12-05
申请号：CN202310891745.0
申请日：2023-07-20
Applicant: 华侨大学
IPC: G06F16/36 , G06N3/045 , G06N3/0464 , G06N3/0499 , G06N3/08 , G06N3/042 , G06F40/205
Abstract: 本发明提供了一种事件共指的消解方法、装置、设备及可读存储介质。以依存句法关系、事件元素信息为基础构建图结构数据，通过图注意力网络学习到句子中元素的相互依赖性。通过Pai rCNN模块提取事件对中事件句的上下文交互信息，该模型可以有效的解决事件共指消解问题。
-
公开(公告)号：CN116630458A
公开(公告)日：2023-08-22
申请号：CN202310611537.0
申请日：2023-05-26
Applicant: 华侨大学
IPC: G06T11/00 , G06N3/0475 , G06N3/045 , G06N3/0442 , G06F40/126
Abstract: 本发明提供基于注意力机制和金字塔池化的多模态图像合成方法，包括步骤S1、利用生成对抗网络的生成器获取特征图gn；步骤S2、利用生成器的金字塔池化模块根据该特征图gn生成合成图像X；步骤S3、生成对抗网络还包括判别器，利用匹配感知梯度惩罚和合页损失函数完成生成器与判别器的训练。本发明增加了不同通道件的信息交互，生成包含更多细节的特征图，并引入金字塔池化，进一步合成细节更加真实的合成图像。
-
公开(公告)号：CN116562263A
公开(公告)日：2023-08-08
申请号：CN202310511318.5
申请日：2023-05-08
Applicant: 华侨大学
IPC: G06F40/205
Abstract: 本发明提供了一种文档衔接连贯性的评测方法、装置、设备及存储介质，通过先调用预训练语言模型并以掩码预测的方式将事件论元逐个进行填充，将事件实例还原为事件描述语句，接着，将两个事件描述语句之间的事件关系映射为关联词集合，选取置信度最高的关联词作为事件关系预测结果，事件关系预测结果包括事件论元连贯性与事件关系衔接性，最后，根据事件论元连贯性与事件关系衔接性的度量和融合，生成文档衔接连贯性的评测结果，通过文档衔接连贯性评测，拓宽自动作文评测的适用题型与应用场景。
-
-
-
-
-
-
-
-
-
Search Results
163
records
(took 0.03 seconds)
