“古东宏”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果10个，建议您升级VIP下载更多相关专利

[发明专利]问题模板生成方法、问答方法、装置与电子设备-CN202111433687.4在审
发明人：王永康;古东宏;杜倩云;段纪丁 -专利权人：科大讯飞华南人工智能研究院（广州）有限公司
申请日： 2021-11-29 - 公布日： 2022-04-05 - 主分类号： G06F16/332 文献下载
摘要：本发明提供一种问题模板生成方法、问答方法、装置与电子设备，包括：确定三元组信息，所述三元组信息的形式包括文本形式和/或三元组形式；将所述三元组信息输入至模板生成模型，得到所述模板生成模型输出的问题模板；其中，所述模板生成模型是基于样本三元组信息以及所述样本三元组信息对应的样本问题模板训练得到的，所述样本三元组信息的形式包括所述文本形式和所述三元组形式。本发明提供的生成方法、问答方法、装置与电子设备，通过应用模板生成模型基于输入的三元组信息进行模板生成，从而极大地提高了问题模板的生成效率，节省了人力成本，并且，保证了问题模板的高质量，提高了模板生成方法的普适性和实用性。
问题模板生成方法问答装置电子设备

[发明专利]多模态情感分类方法、装置以及电子设备-CN202111026202.X有效
发明人：宋正新;薛云;古东宏 -专利权人：华南师范大学
申请日： 2021-09-02 - 公布日： 2021-11-26 - 主分类号： G06F16/33 文献下载
摘要：本发明涉及一种多模态情感分类方法、装置以及电子设备，该方法包括：获取社交媒体的评论数据，包括文本和图像，获得上下文语义表示，将目标词向量和预设的主题词向量输入至双向门控循环单元进行编码，获得隐藏层状态表示，将图像输入至残差网络和单层胶囊网络，获得图像的位置表示，将文本输入至LDA主题模型，获得主题嵌入表示，将上下文语义表示、隐藏层状态表示、图像的位置表示、以及主题嵌入表示输入至多头交互注意力机制，获得融合信息，输入至多模态融合层，获得多模态信息的特征表示，输入至softmax分类器获得情感分类结果，通过门控机制对各模态进行选择，引入主题信息对文本进行增强表示，从而提高了多模态情感分类的精度。
多模态情感分类方法装置以及电子设备

[发明专利]情感检测方法、装置、设备以及存储介质-CN202110539524.8有效
发明人：肖路巍;薛云;古东宏;胡晓晖 -专利权人：华南师范大学
申请日： 2021-05-18 - 公布日： 2021-08-13 - 主分类号： G06F40/30 文献下载
摘要：本申请涉及一种情感检测方法、装置、设备以及存储介质。本申请所述的情感检测方法包括：获取携带有属性词的目标语句；使用句法分析工具获取所述目标语句对应的句法树；根据所述句法树，生成所述目标语句对应的句法距离矩阵；确定所述目标语句的语句编码向量；将所述句法距离矩阵以及所述语句编码向量输入至预先训练好的多头注意力引导模型中，获得邻接矩阵；将所述邻接矩阵输入至预先训练好的稠密连接图卷积层，获得所述属性词的情感特征；根据所述情感特征，生成所述属性词的情感检测结果。本申请所述的情感检测方法具有提高情感检测结果的准确性的优点。
情感检测方法装置设备以及存储介质

[发明专利]基于双通道图神经网络的特定目标情感分类方法-CN202110472126.9有效
发明人：肖路巍;薛云;胡晓晖;古东宏 -专利权人：华南师范大学
申请日： 2021-04-29 - 公布日： 2021-07-27 - 主分类号： G06F40/30 文献下载
摘要：本发明提供一种基于双通道图神经网络的特定目标情感分类方法，包括：将目标句子对应的表示向量输入隐藏状态提取网络，得到隐藏状态向量；将隐藏状态向量、邻接矩阵和依存关系对应的依存关系向量输入句法特征提取图神经网络得到初始句法特征表示；获取与特定目标相关的初始句法特征表示，再进行平均池化得到句法特征表示；将隐藏状态向量输入语义特征提取图神经网络，得到语义特征表示；拼接语义特征表示和句法特征表示得到特定目标对应的特征表示；根据特定目标对应的特征表示和情感分类函数得到情感分类结果。相对于现有技术，本发明充分地考虑了单词之间的依存关系和邻接关系，充分捕捉了单词之间语义联系，提高了情感分类的准确性。
基于双通道神经网络特定目标情感分类方法

[发明专利]一种情感分类方法、装置及设备-CN202110301281.4有效
发明人：赵浩梁;薛云;古东宏;陈建颖 -专利权人：华南师范大学
申请日： 2021-03-22 - 公布日： 2021-07-13 - 主分类号： G06F40/284 文献下载
摘要：本发明提供一种情感分类方法、装置及设备，该方法包括：获取文本内的目标句子；其中，该目标句子包括目标属性词；将目标句子对应的词向量和目标属性词对应的词向量输入特征提取模型，得到与目标属性词语义相关的特征向量和与目标属性词位置相关的特征向量；将上述特征向量输入特征融合模型，得到目标特征向量；获取邻接属性词对应的情感极性向量和连词的类别对应的连词向量；将情感极性向量和连词向量输入辅助特征融合模型，得到辅助特征向量；根据拼接后的目标特征向量和辅助特征向量以及情感极性分类函数，得到目标属性词的情感分类结果。相对于现有技术，本发明考虑了邻接属性词的情感极性以及连词对情感分类的影响，提高了情感分类的准确性。
一种情感分类方法装置设备

[发明专利]一种多模态情感分类方法、装置及设备-CN202110304264.6有效
发明人：杨驰;蔡倩华;古东宏;宋正新;薛云 -专利权人：华南师范大学
申请日： 2021-03-22 - 公布日： 2021-06-18 - 主分类号： G06K9/62 文献下载
摘要：本发明提供一种多模态情感分类方法、装置及设备，该方法包括：获取图像的特征向量表示和文本的词向量表示；将两种表示输入语义特征提取模型得到上下文的语义表示、目标词的语义表示、图像的第一特征表示和第二特征表示；将上述输出结果输入多通道交互模型得到目标词增强的上下文的语义表示和目标词增强的图像的第一特征表示；将上述输出结果再输入多模态融合模型得到多模态数据表示；拼接平均池化的上下文的语义表示、平均池化的多模态数据表示和图像的第二特征表示得到目标多模态数据表示；根据目标多模态数据表示和归一化分类模型得到目标词在各属性上的情感分类结果。相对于现有技术，本申请能够充分地捕捉情感分类线索，提高情感分类准确性。
一种多模态情感分类方法装置设备

[发明专利]一种属性词提取方法-CN202011033739.4有效
发明人： 古东宏;蔡倩华;张方昊;薛云;梁展扬;林威霖;胡晓晖 -专利权人：华南师范大学
申请日： 2020-09-27 - 公布日： 2020-12-29 - 主分类号： G06F40/284 文献下载
摘要：本发明公开了一种属性词提取方法，该方法提出了双编码器的神经网主题模型结构，使用预设的属性编码器和辅助编码器进行评论文档的编码，解决了无法编码评论文档中情感表达偏差的问题，同时引入弱监督的种子词信息，提升双编码器神经网主题模型的学习效果，并且还引入了知识蒸馏思想，将属性编码器和辅助编码器作为知识蒸馏的教师模型和学生模型，实现双编码器的联合学习，完成迭代训练。相对于现有技术，本发明能够精准地提取评论文本中的属性词，在细粒度情感分析任务总提升情感分析的准确性。
一种属性提取方法

[发明专利]基于注意力编码和图卷积网络的特定目标情感分类方法-CN202010036470.9有效
发明人：肖路巍;胡晓晖;刘一凡;薛云;古东宏;陈秉良 -专利权人：华南师范大学
申请日： 2020-01-14 - 公布日： 2020-12-25 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种基于注意力编码和图卷积网络的特定目标情感分类方法，包括：通过预设双向循环神经网络模型，得到上下文和特定目标对应的隐藏状态向量，并对其分别进行多头自注意编码；再通过结合逐点卷积的图卷积神经网络，提取所述上下文对应的句法依存树中的句法向量，对句法向量进行多头自注意力编码；之后，使用多头交互注意力分别对句法信息编码和上下文语义信息编码、句法信息编码和特定目标语义信息编码进行交互融合，将融合后的结果与上下文语义信息编码拼接，获取最终的特征表示，基于特征表示得到特定目标的情感分类结果。相对于现有技术，本发明充分考虑了上下文和特定目标与句法信息之间的联系，提高了情感分类的准确性。
基于注意力编码图卷网络特定目标情感分类方法

[发明专利]一种情感分析方法、系统、存储介质及设备-CN201910758724.5有效
发明人：黎海辉;薛云;赵洪雅;古东宏 -专利权人：华南师范大学;深圳职业技术学院
申请日： 2019-08-16 - 公布日： 2020-12-08 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种情感分析方法及系统，通过将所述上下文嵌入矩阵和目标词嵌入矩阵的隐藏层输出作为计算参数，基于注意力机制计算上下文和目标词的注意力机制系数，根据所述注意力机制系数对上下文向量和目标词向量进行加权求和，获取新的上下文向量和目标词向量。相对于现有技术，本发明利用注意力机制计算目标词和上下文之间的影响系数，区分了目标词中不同词的重要性，实现目标词情绪的精准分析。
一种情感分析方法系统存储介质设备

[发明专利]一种窃电检测方法及系统-CN201810194723.8有效
发明人：吴海明;薛云;金茜;胡晓晖;王慧敏;雷宝鑫;周曦文;古东宏;黄于晏 -专利权人：华南师范大学
申请日： 2018-03-09 - 公布日： 2019-04-16 - 主分类号： G01R31/00 文献下载
摘要：本发明公开了一种窃电检测方法及系统，包括：获取用户历史的用电因子和窃电标签；根据用户历史的用电因子和窃电标签，建立用于窃电检测的CBOW模型；获取用户当前的用电因子；将用户当前的用电因子输入到该用于窃电检测的CBOW模型中，获取该用户出现窃电和不窃电的条件概率；根据该用户窃电和不窃电出现的条件概率计算窃电嫌疑概率，进而判断出窃电行为。本发明的CBOW模型可适用于大批量的数据处理，而且根据大批量的历史用电因子和窃电标签建立的CBOW模型，大大提高了检测的准确率，提高了数据的处理能力。
窃电窃电检测条件概率用户历史标签标签建立窃电嫌疑窃电行为用户窃电数据处理准确率概率检测

1
共 10 条