-
公开(公告)号：CN117351246B
公开(公告)日：2024-04-09
申请号：CN202311355526.7
申请日：2023-10-18
Applicant: 暨南大学
IPC: G06V10/75 , G06V10/80 , G06V10/84 , G06V10/762 , G06V10/82
Abstract: 本发明涉及图像匹配领域，尤其涉及一种误匹配对去除方法、系统及可读介质。一种误匹配对去除方法，包括：获取初始匹配对集；基于注意力机制针对所述初始匹配对集进行特征提取得到多层次深度特征；对所述多层次深度特征执行特征融合操作，得到所述初始匹配集的综合特征表示；基于所述综合特征表示获取每个匹配对的匹配概率，进而基于所述匹配概率对去除错误匹配对。针对初始匹配对集基于注意力机制针对所述初始匹配对集进行特征提取得到多层次深度特征；对所述多层次深度特征进行逐层融合操作得到所述初始匹配集中每个匹配对的匹配概率，进而基于所述匹配概率对去除错误匹配对。可以有效去除离群点信息的干扰，增强模型的准确性和稳定性，在各种应用场景中表现更好。
-
Patent Agency Ranking
公开(公告)号：CN115422169B
公开(公告)日：2023-07-14
申请号：CN202211372840.1
申请日：2022-11-04
Applicant: 暨南大学
IPC: G06F16/21 , G06F16/28 , G06F16/22 , G06Q30/0251
Abstract: 本发明实施例公开了一种基于商业广告场景的数据仓库构建方法，包括：对目标业务进行调研以获取不同目标业务所分别对应的业务流程；根据所述业务流程确定每一个目标业务中的业务事件或者业务动作，以获取对应的业务过程；建立目标业务的数据仓库，所述数据仓库至少包括维表、明细表和汇总表，所述维表用于统一目标业务的计算算法以及确定目标业务的关联表格，所述明细表用于记录每一个目标业务对应的业务过程，所述汇总表用于记录目标业务的主题域和数据域。充分考虑移动商业广告数据杂乱、数据量大、格式混乱等特点，通过获取业务流程，并据此获取对应的业务过程，然后建立数据仓库，可以高效管理广告业务数据。
-
公开(公告)号：CN115423050A
公开(公告)日：2022-12-02
申请号：CN202211372839.9
申请日：2022-11-04
Applicant: 暨南大学
Abstract: 本发明实施例涉及信息检测技术领域，公开了一种虚假新闻检测方法、装置、电子设备及存储介质，一种虚假新闻检测方法，其特征在于，包括：提取新闻中的图像和文本的特征，形成图像特征序列和文本特征序列；对图像特征序列进行判别，得到图像预测值；对文本特征序列进行判别，得到文本预测值；融合图像特征序列和文本特征序列，得到多模态特征序列；对多模态特征序列进行判别，得到多模态预测值；融合图像特征预测值、文本特征预测值和多模态特征预测值，得到最终的预测值；通过对图像特征序列与文本特征序列进行计算，得到相似度；优化特征提取参数。本发明能检测同时含有图像与文本的虚假新闻。
-
公开(公告)号：CN115422169A
公开(公告)日：2022-12-02
申请号：CN202211372840.1
申请日：2022-11-04
Applicant: 暨南大学
Abstract: 本发明实施例公开了一种基于商业广告场景的数据仓库构建方法，包括：对目标业务进行调研以获取不同目标业务所分别对应的业务流程；根据所述业务流程确定每一个目标业务中的业务事件或者业务动作，以获取对应的业务过程；建立目标业务的数据仓库，所述数据仓库至少包括维表、明细表和汇总表，所述维表用于统一目标业务的计算算法以及确定目标业务的关联表格，所述明细表用于记录每一个目标业务对应的业务过程，所述汇总表用于记录目标业务的主题域和数据域。充分考虑移动商业广告数据杂乱、数据量大、格式混乱等特点，通过获取业务流程，并据此获取对应的业务过程，然后建立数据仓库，可以高效管理广告业务数据。
-
公开(公告)号：CN115392259A
公开(公告)日：2022-11-25
申请号：CN202211321734.0
申请日：2022-10-27
Applicant: 暨南大学
IPC: G06F40/30 , G06N3/04 , G06F16/35 , G06F40/289
Abstract: 本发明涉及自然语言处理的情感分析技术领域，公开了一种基于对抗训练融合BERT的微博文本情感分析方法及系统，包括：S1文本预处理步骤：读取原始微博文本数据集，进行数据扩充，得到预处理文本数据；S2预训练步骤：将预处理文本数据输入增量BERT模型中进行训练，得到增量预训练模型；S3下游微调步骤：将增量预训练模型结合预处理文本数据集进行微调，并结合对抗训练的方法，对Embeddings的权重矩阵进行扰动，输出保存为情感分类预测模型；通过所述情感分类预测模型执行目标任务，输出目标微博文本数据情感分析结果。本发明融合对抗训练和增加外部数据，提升了模型预测的精确性与鲁棒性，可以使BERT在微博情感分类领域的发挥更好的作用。
-
公开(公告)号：CN115391710A
公开(公告)日：2022-11-25
申请号：CN202211321735.5
申请日：2022-10-27
Applicant: 暨南大学
IPC: G06F16/958 , G06N3/04 , G06F16/35 , G06F16/36 , G06Q50/00
Abstract: 本发明实施例公开了一种基于图神经网络的社交媒体账号影响力评估方法及装置，该方法构建先构建知识图谱知识图谱和图神经网络，将图神经网络中的节点的特征向量替换为知识图谱的重要指数，并将节点聚合为聚合节点，采用注意力机制以及基于节点的重要指数计算节点对应的邻居的权重；计算图神经网络中每一个节点的中心性指数，并根据所述节点的中心性指数和重要指数计算该节点的最终预测分数。实施例将图神经网络和知识图谱进行关联，用知识图谱的节点重要性问题表示社交媒体账户的影响力，用知识图谱的节点重要性替代图神经网络的特征向量，能够灵活的利用知识图谱中包含的社交媒体信息，从已知的节点重要性学习到准确率高的评估方法。
-
-
-
-
-
Search Results
26
records
(took 0.021 seconds)
