-
公开(公告)号：CN110135441A
公开(公告)日：2019-08-16
申请号：CN201910414090.1
申请日：2019-05-17
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种图像的文本描述方法及装置，方法包括：获取待描述图像，提取待描述图像的多个区域特征和一个全局特征；将区域特征、全局特征输入预先训练的文本描述神经网络中的句子级子网络，得到针对每个待生成句子的句子指导向量；将句子指导向量输入文本描述神经网络中的词汇子网络，得到描述文本；由于采用句子级子网络和词汇级子网络的分层结构，能够捕捉段落中句子之间的连贯性，提高了生成的文本段落中句子之间的连贯性，此外，相较于现有的基于循环神经网络的方案，降低了训练过程的计算复杂度。
-
公开(公告)号：CN105468920B
公开(公告)日：2019-03-12
申请号：CN201510890524.7
申请日：2015-12-07
Applicant: 国家电网公司信息通信分公司 , 北京邮电大学 , 国家电网公司
IPC: G06F17/50
Abstract: 本发明公开了一种评价查新报告质量的模型建立方法，包括：抽取多篇查新报告对应的检索式、相关文献和查新结论；根据各检索式、相关文献和查新结论获取查新报告对应的特征参数；获取专家对查新报告的打分信息；采用线性回归模型的方式建立所述特征参数与所述打分信息的关系；采用梯度下降法对使用所述特征参数和所述打分信息建立的线性回归模型进行训练得到所述评价查新报告质量的模型。由此可见，上述过程中，只需要专家对选取的有限数量的查新报告进行打分，并且该模型可以应用到其它待评价的查新报告中，因此，节约人力成本。此外，本发明还提供一种评价查新报告质量的模型应用方法。
-
公开(公告)号：CN103793507B
公开(公告)日：2016-10-05
申请号：CN201410039222.4
申请日：2014-01-26
Applicant: 北京邮电大学
Abstract: 本发明提出了一种使用深层结构获取双模态相似性测度的方法，该方法包括：第一模态原始数据使用经典特征提取方法获取第一模态的低级表达P1，第二模态原始数据使用经典特征提取方法获取第二模态的低级表达T1，P1为n维向量，T1为l维向量；第一模态的低级表达P1通过堆叠的两层受限波尔兹曼机获得中级表达P3；第二模态的低级表达T1通过堆叠的两层受限波尔兹曼机获得中级表达T3；所述第一模态的中级表达P3与第二模态的中级表达T3分别使用自动编码器进行编码，编码后第一模态表示为P4，第二模态表示为T4，所述P4与T4为相同维数的向量，计算P4与T4的相似性测度。
-
公开(公告)号：CN104462489A
公开(公告)日：2015-03-25
申请号：CN201410800393.4
申请日：2014-12-18
Applicant: 北京邮电大学
CPC classification number: G06F17/30864 , G06F17/30675 , G06N3/08
Abstract: 本发明提出了一种基于深层模型的跨模态检索方法，该方法包括：利用特征提取方法分别获得目标检索模态与检索库中每一个被检索模态的低级表达向量；目标检索模态的低级表达向量分别与检索库中每一个被检索模态的低级表达向量，通过堆叠对应的受限波尔兹曼机Corr-RBMs深层模型获得目标检索模态的高级表达向量和检索库中每一个被检索模态的高级表达向量；利用目标检索模态的高级表达向量和检索库中每一个被检索模态的高级表达向量计算目标检索模态与检索库中每一个被检索模态的距离；将检索库中与目标检索模态距离最近的至少一个被检索模态确定为与目标检索模态匹配的对象。
-
公开(公告)号：CN116306684A
公开(公告)日：2023-06-23
申请号：CN202310318392.5
申请日：2023-03-28
Applicant: 北京邮电大学
IPC: G06F40/35 , H04L41/0803 , G06N3/092 , G06N3/0442 , G06F40/126
Abstract: 本申请公开了一种基于自然语言的网络管控交互方法和装置，其中方法包括：第一智能体利用预训练的自然语言生成模型，将当前的网络管控意图转换为自然语言指令并发送给第二智能体；所述第二智能体利用预训练的自然语言解析模型，对接收到的所述自然语言指令进行网络管控意图和相应槽信息的提取，得到相应的网络配置参数。采用本申请，可以提升网络管控交互的扩展性和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN115858754A
公开(公告)日：2023-03-28
申请号：CN202211602707.0
申请日：2022-12-13
Applicant: 北京邮电大学
IPC: G06F16/332 , G06F16/33 , G06N3/0455 , G06N3/0475 , G06N3/08
Abstract: 本申请公开了一种任务型人机对话模型的训练及人机对话的方法和设备，其中模型训练方法包括：获取预设样本数据；样本数据包括对话过程文本数据和每轮对话的目标汉字标签；利用人机对话模型，基于样本数据，为相应对话过程中的每一轮对话，生成系统回复语句；在生成系统回复语句时，利用汉字识别模型，确定用户在当前轮对话中用户语句描述的汉字，基于所述汉字，生成系统回复语句；汉字识别模型预先训练得到，能够基于汉字的结构特征信息识别出相应汉字；基于所述系统回复语句以及所述生成的过程中对用户语句所描述汉字的预测结果，计算总损失函数值并利用其对人机对话模型的参数进行优化调整。采用本申请，可以提高对话回复的准确性和智能性。
-
公开(公告)号：CN114357156B
公开(公告)日：2023-02-28
申请号：CN202111473889.1
申请日：2021-12-02
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/211 , G06F40/268 , G06F40/284 , G06N3/042 , G06N3/0464 , G06N3/047 , G06N3/048 , G06N3/08
Abstract: 本发明提供一种多特征多通道图卷积网络模型训练方法及属性情感三元组抽取方法，多特征多通道图卷积网络模型训练方法包括步骤：将第一语句输入预设的第一模型中，将第一语句划分为单词，编码得到第一词向量，得到隐藏状态序列，生成第一邻接张量；根据单词词性生成第二邻接张量，根据句法依存类型生成第三邻接张量，根据基于树的词对距离生成第四邻接张量，根据单词的相对距离生成第五邻接张量；隐藏状态序列分别与邻接张量图卷积，并平均池化，得到联合特征序列；将邻接张量进行拼接得到联合张量；根据联合张量和联合特征序列为每个词对生成第一词对向量，基于分类函数得到概率分布张量；计算总损失函数，根据总损失函数对第一模型进行训练。
-
公开(公告)号：CN114357156A
公开(公告)日：2022-04-15
申请号：CN202111473889.1
申请日：2021-12-02
Applicant: 北京邮电大学
IPC: G06F16/35 , G06F40/211 , G06F40/268 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明提供一种多特征多通道图卷积网络模型训练方法及属性情感三元组抽取方法，多特征多通道图卷积网络模型训练方法包括步骤：将第一语句输入预设的第一模型中，将第一语句划分为单词，编码得到第一词向量，得到隐藏状态序列，生成第一邻接张量；根据单词词性生成第二邻接张量，根据句法依存类型生成第三邻接张量，根据基于树的词对距离生成第四邻接张量，根据单词的相对距离生成第五邻接张量；隐藏状态序列分别与邻接张量图卷积，并平均池化，得到联合特征序列；将邻接张量进行拼接得到联合张量；根据联合张量和联合特征序列为每个词对生成第一词对向量，基于分类函数得到概率分布张量；计算总损失函数，根据总损失函数对第一模型进行训练。
-
公开(公告)号：CN108492294B
公开(公告)日：2022-04-12
申请号：CN201810247248.6
申请日：2018-03-23
Applicant: 北京邮电大学
IPC: G06T7/00
Abstract: 本发明实施例提供了一种图像色彩和谐程度的评估方法及装置，其中方法包括：通过预设的无向图建立初始条件随机场；根据预设样本图像和预设训练算法，对初始神经网络进行训练；利用训练后的神经网络确定初始条件随机场的关联势函数及交互势函数；根据关联势函数和所述交互势函数，确定初始条件随机场对应的条件随机场模型；当获取到待评估图像时，将待评估图像切分为多个图像块并输入至条件随机场模型，计算得到待评估图像的色彩和谐评估值。本发明实施例提供的图像色彩和谐程度的评估方法，无需人工评估即可计算得到对应的色彩和谐评估值，从而实现自动对图像的色彩和谐程度进行评估。
-
公开(公告)号：CN112528672B
公开(公告)日：2021-07-30
申请号：CN202011463822.5
申请日：2020-12-14
Applicant: 北京邮电大学
IPC: G06F40/30 , G06F40/211 , G06F40/216 , G06F40/284 , G06N3/04
Abstract: 本发明实施例提供了一种基于图卷积神经网络的方面级情感分析方法及装置，所述方法包括：获取待进行方面情感分析的句子，以及该待进行方面情感分析句子中的方面词；对待进行方面情感分析的句子以及方面词进行预处理，得到待进行方面情感分析的句子对应的输入向量序列以及句法加权图；将输入向量序列和句法加权图，输入预先训练的双重图卷积神经网络中，得到方面词对应的情感分析结果。本发明实施例，使用双重图卷积神经网络不仅关注句子的句法特征，还关注句子的语义特征，提取句子对应的语义相关特征，弥补了对句法不敏感的句子提取句法特征不准确的缺陷，提高情感分析结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
65
records
(took 0.026 seconds)
