|
钻瓜专利网为您找到相关结果 156个,建议您 升级VIP下载更多相关专利
- [发明专利]一种基于用户长短期兴趣的个性化音乐推荐方法-CN202310728618.9在审
-
苏子杰;韩立新
-
河海大学
-
2023-06-19
-
2023-10-24
-
G06F16/9535
- 本项发明揭示了一种以用户的长短期行为兴趣为基础的个性化音乐推荐方法。该方法包括以下步骤:首先,对用户的行为序列进行预处理,将其根据时间划分为长期和短期行为。接下来,我们进行用户行为特征提取。对长期行为,采用自注意力块来学习用户的长期兴趣,包括项目级和特征级的用户兴趣。对短期行为,使用LSTM和多头自注意力块来处理误操作引起的噪声行为,并结合用户特征来捕捉用户的短期兴趣。随后,引入门控机制来融合用户的长短期兴趣,网络自适应地学习融合权重。最后,我们将融合后的用户信息与音乐向量进行相似度计算,实现个性化音乐推荐。这一音乐推荐方法解决了用户在不同时间段可能拥有不同兴趣,能够智能地预测用户的音乐喜好并推荐。
- 一种基于用户短期兴趣个性化音乐推荐方法
- [发明专利]一种基于零次学习的短视频分类方法-CN202110785398.4有效
-
陶珺;韩立新
-
河海大学
-
2021-07-12
-
2023-10-13
-
G06V20/40
- 本发明提供一种基于零次学习的短视频分类方法,包括以下步骤:a)构建训练数据集,对原始短视频提取剪辑片段;b)引入经典的Ken Burns效果进行数据增强;c)采用深度神经网络进行视觉特征提取;d)构造语义空间,对标签类别Y构造其类别描述A;将每类别都表示成语义向量的形式,每个语义向量的任一维度均表示一种高级属性;e)目标视频的类别相似性计算,消除与视频训练集距离过小的目标类;f)目标视频分类决策,采用Triplet Ranking Loss损失函数使得分类模型类内相聚、类间分离;本发明充分利用短视频的视频特征和标签特征,有效解决短视频的标签分类问题,并提高了对不可见短视频的分类准确性。
- 一种基于学习视频分类方法
- [发明专利]一种基于深度学习的短视频背景音乐剪辑方法-CN202310728489.3在审
-
朱玉聪;韩立新
-
河海大学
-
2023-06-19
-
2023-10-03
-
G10L25/03
- 本发明公开了一种基于深度学习的短视频背景音乐剪辑方法,可以从情感和视频剪辑内容等方面进行视频与音频剪辑,该方法包含以下步骤:处理用户上传的短视频,获取短视频的特征;视频情感计算,通过Transformer特征模型计算视频的情感VA值;处理音乐库中的音乐,获取音乐的特征;通过CNN模型计算音乐的情感VA值;匹配相近的视频和音乐;音频协调性匹配,将视频和音乐通过音频协调算法进行匹配;通过用户视频的情感和内容向用户推荐最佳短视频与背景音乐的剪辑。该方法结合了视频与音乐的情感契合度与画面契合度,同时考虑了视频剪辑后期处理的音频和谐度与用户观看短视频时的视觉观感,根据不同角度为用户上传的短视频提供剪辑。
- 一种基于深度学习视频背景音乐剪辑方法
- [发明专利]一种基于长短期记忆网络的电网舆情情感分类方法-CN202310727830.3在审
-
李明忠;韩立新
-
河海大学
-
2023-06-19
-
2023-09-29
-
G06F16/35
- 本发明属于在舆情情感分类应用领域,公开了一种基于长短期记忆网络的电网舆情情感分类方法。主要是提出了XLNet‑SABiLSTM模型。该方法运用XLNet预训练模型,解决BERT使用Mask导致预训练‑微调不一致问题,增强词向量表达能力。同时引入自我注意力机制,弥补XLNet随机采样造成序列均匀化问题,获取词单词相邻相关性。并且运用双层BiLSTM进行特征提取与融合,减少特征稀疏性。该方法主要包含以下步骤:步骤1:数据预处理:对电网电力舆情数据进行预处理,以便后续模型的使用,包括以下步骤:(1)文本清洗:清除无效数据,对于数据中的字母、数字、标签、表情图片等无意义的内容进行清除。(2)文本分词:将中文文本语句分割为一个个词元。(3)文本清洗:清除语气词和一些无实意的词。步骤2:数据预训练:用预训练模型XLNet进行预训练获得动态词向量。步骤3:特征提取:将Self‑Attention和BiLSTM进行结合,运用双层甬道提取特征,进行特征融合。步骤4:电网舆情情感分类:经Droput层和Softmax层后,实现对电网电力舆情的情感分类。本发明提出的模型,主要针对BERT模型训练和测试时数据有差异,微调不准确的问题,以及现在情感分类主要分为两类:积极和消极,情感结果判断较为粗糙。XLNet‑SABiLSTM模型中训练和测试数据无差异,可以分析文本富含的情感,并且有效提高情感预测的准确度。
- 一种基于短期记忆网络电网舆情情感分类方法
- [发明专利]一种基于多模态融合与度量学习的logo识别方法-CN202310727786.6在审
-
魏晶晶;韩立新
-
河海大学
-
2023-06-19
-
2023-09-19
-
G06V10/764
- 本发明公开了一种基于多模态融合与度量学习的logo识别方法,该方法主要包含以下步骤:数据预处理,利用训练好的二分类通用logo检测器定位图片中的潜在logo区域并裁剪和标注,构建logo识别数据集;特征提取,构建不同的神经网络模型分别提取logo图像的视觉特征与文本特征;多模态融合,将两种不同模态的特征进行加权级联早融合,从而建立logo图像更全面的特征表示;嵌入学习,引入结合了三元组损失与代理损失思想的代理锚损失函数训练模型,将多模态特征视为一个整体嵌入到低维语义特征空间;最近邻分类,通过计算目标logo特征与候选集logo特征的相似度来完成logo的分类。本发明的logo识别方法,提供了一种多模态特征加权联合学习的开放集方法,可以有效地解决目前主流的封闭集单模态模型方法存在泛化能力差或判别性信息缺失的不足,增加logo识别的准确性和稳定性。
- 一种基于多模态融合度量学习logo识别方法
|