“偏见”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1874个，建议您升级VIP下载更多相关专利

[发明专利]向服务指派偏见评级-CN201910409372.2有效
发明人： B·斯里瓦斯塔瓦;F·罗西 -专利权人：国际商业机器公司
申请日： 2019-05-16 - 公布日： 2023-06-13 - 主分类号： G06Q10/0639 文献下载
摘要：本公开涉及向服务指派偏见评级。提供了用于基于偏见和/或反偏见测试向服务指派偏见评级的技术。例如，可以将无偏见数据输入到服务，以例如确定服务是否引入偏见的元素。作为另一个示例，可以将有偏见数据输入到服务，以确定服务是否提供反偏见的元素。在一个示例中，计算机实现的方法包括由可操作地耦合到处理器的设备选择根据偏见规范配置的源数据，所述偏见规范指示定义偏见的标准。计算机实现的方法可以包括确定服务的输出数据是否存在中偏见，并基于确定输出数据中是否存在偏见来确定偏见评级。计算机实现的方法还可以包括向服务指派偏见评级。
服务指派偏见评级

[发明专利]一种软件自动修复评估偏见发现及验证方法-CN202210258487.8在审
发明人：毛晓光;杨德亨;陈立前;何枷瑜;易昕 -专利权人：中国人民解放军国防科技大学
申请日： 2022-03-16 - 公布日： 2022-07-05 - 主分类号： G06F11/36 文献下载
摘要：本发明公开了一种软件自动修复评估偏见发现及验证方法，包括：步骤S1：收集相关文献；步骤S2：筛选文献；步骤S3：获取已发现的偏见：从步骤S2获取到的偏见研究文献中提取出已发现的偏见；步骤S4：构建树状分类：提出面向自动修复技术评估偏见的树状分类；步骤S5：映射现有偏见：将步骤S3获取到的偏见映射到步骤S4提出的树状中；步骤S6：发现新的偏见：基于步骤S5得到的树状分类偏见映射，发现新的偏见；步骤S7：实现评估软件平台；步骤S8：消除现有偏见：基于软件平台，对现有偏见进行消除；步骤S9：验证新的偏见：在对现有偏见进行消除后，在评估软件平台上对新的偏见进行验证。
一种软件自动修复评估偏见发现验证方法

[发明专利]基于偏见注意力的视频推荐系统历史偏见缓解方法-CN202211325574.7在审
发明人：郑海斌;曹志骐;陈晋音;刘嘉威;郑雅羽 -专利权人：浙江工业大学
申请日： 2022-10-27 - 公布日： 2023-01-31 - 主分类号： G06V10/25 文献下载
摘要：基于偏见注意力的视频推荐历史偏见缓解方法，包括：(1)数据预处理；(2)查找偏见神经元；(3)计算偏见掩模；(4)计算偏见注意力掩模；(5)输出添加偏见注意力掩模；(6)对每一层都重复步骤(2)、(3)本发明避免了海量数据造成的高计算复杂度问题；偏见注意力在不改变正常神经元激活值的前提下，抑制了偏见神经元的激活输出，能够有效抵消偏见神经元造成的偏见行为。
基于偏见注意力视频推荐系统历史缓解方法

[发明专利]基于偏见样本对生成的深度学习模型去偏方法-CN202111568959.1在审
发明人：徐禹昕;齐婉婷;单沛婷;邢航;陶沁哲 -专利权人：浙江工业大学
申请日： 2021-12-21 - 公布日： 2022-04-08 - 主分类号： G06K9/62 文献下载
摘要：一种基于偏见样本对生成的深度学习模型去偏方法，包括以下步骤：1)深度学习模型偏见的定义；2)数据预处理；3)定义偏见指标函数；4)：构建的深度学习模型包括第一特征提取器和第一分类器两部分，利用数据集对模型进行训练，使模型达到预设精度；5)对模型进行偏见程度检测：利用模型对测试集的输出和偏见指标函数F测试模型的偏见程度并记录；6)数据增强：利用偏见指标函数对偏见样本进行初步划分，通过模糊样本划分法排除假性偏见样本，通过FLIP方法完成数据增强的过程；7)利用FLIP样本对对有偏见的深度学习模型进行微调训练去偏，对训练后的模型进行检验，判断其偏见程度是否达到要求。
基于偏见样本生成深度学习模型偏方

[发明专利]对图像数据进行无偏见分类的方法-CN201911099709.0有效
发明人：张翼;桑基韬;黄遵锜;于剑;周中元;李泽松 -专利权人：北京交通大学;中国电子科技集团公司第二十八研究所;中电科大数据研究院有限公司
申请日： 2019-11-12 - 公布日： 2021-10-08 - 主分类号： G06F16/55 文献下载
摘要：本发明提供了一种对图像数据进行无偏见分类的方法。该方法包括：根据分类标签和偏见属性对训练图像数据进行标注；构建用于图像分类的深度卷积神经网络，将训练图像数据输入到深度卷积神经网络，将深度卷积神经网络中的卷积层输出的图像特征划分为无偏见分类信息和偏见信息；通过偏见分类器对偏见信息进行分类，通过特征分类器对无偏见分类信息进行分类，利用损失函数对偏见分类器和特征分类器进行迭代优化；利用优化完成后的特征分类器对需要分类的图像数据进行去偏见分类。本发明通过利用完全的数据进行训练，这样能够保证在去偏见的同时，仍然能够提取到充分的分类信息，实现在去偏见的同时，保证模型仍有较高的分类准确率。
图像数据进行偏见分类方法

[发明专利]基于数据样本增强的深度学习模型去偏方法和装置-CN202110777118.5在审
发明人：陈晋音;李秦峰 -专利权人：浙江工业大学
申请日： 2021-07-09 - 公布日： 2021-09-07 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了基于数据样本增强的深度学习模型去偏方法，包括：获得数据集，并分为特权样本集和非特权样本集；通过多个偏见指标构建偏见指标函数，对偏见指标函数进行训练，得到增强样本集，获得最终偏见指标函数；构建预测收入模型；利用强化样本集，采用损失函数训练收入预测模型；每训练一阶段，将收入预测模型输出的收入预测结果和强化样本集通过最终偏见指标函数进行测算，当最终偏见指标函数计算结果满足偏见阈值，则获得最终收入预测模型。该方法该方法能够有效去除社会偏见，精准预测收入。
基于数据样本增强深度学习模型偏方装置

[发明专利]一种基于迁移学习生成无偏见深度学习模型的方法-CN202010750897.5在审
发明人：陈晋音;陈治清;徐国宁;徐思雨;缪盛欢;郑海斌 -专利权人：浙江工业大学
申请日： 2020-07-30 - 公布日： 2020-12-22 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于迁移学习生成无偏见深度学习模型的方法，包括以下步骤：(1)构建带有样本图像的任务标签和偏见标签的原始数据集；(2)利用原始数据集对有偏见深度学习模型进行训练；(3)构建并训练对抗攻击网络，利用训练好的对抗网络对原始数据集进行攻击，无偏见数据集；(4)利用无偏见数据集训练与有偏见深度学习模型结构相同的初始无偏见深度学习模型；(5)准备第三特征提取器，基于迁移学习策略对第三特征提取器参数，参数确定的第三特征提取器与训练好的初始无偏见深度学习模型包含的第二分类器组成无偏见深度学习模型，以保证深度学习模型在根据输入图像自动决策时的公平性，以提升图像识别的准确性。
一种基于迁移学习生成偏见深度模型方法

[发明专利]一种众包任务中的数据偏见处理方法-CN202110612266.1在审
发明人：王崇骏;刘振东;钱树伟;赵乐;谢俊元 -专利权人：南京大学
申请日： 2021-06-02 - 公布日： 2021-09-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明提出了众包任务中的数据偏见处理方法。在众包数据收集阶段，需要获取足够多的数据，并且需要保证数据质量。但是在利用众包获取大量的标签数据可能会存在偏见。该方法利用可解释机器学习方法对众包数据收集的结果进行诊断，分析可能存在的机器学习方法中前处理，后处理对众包数据可能存在的偏见进行处理。数据偏见分析和诊断阶段，对数据中可能存在的偏见和模型漏洞进行分析；前处理阶段，通过前处理，包括盲点法，因果歧视法改善数据偏见，提升模型公平性；后处理阶段，通过均等机会，均等PPV等方法改善模型偏见。本发明可以比较有效地诊断数据收集过程中可能存在的偏见，并可以较为有效地消除后续可能使用数据的机器学习模型偏见。
一种任务中的数据偏见处理方法

[发明专利]基于协同对抗训练的档案问答系统优化方法和装置-CN202210828777.1有效
发明人：王玲丽;吴存锋;陈平刚;郑望献;楼新园 -专利权人：浙江星汉信息技术股份有限公司
申请日： 2022-07-15 - 公布日： 2022-11-08 - 主分类号： G06F16/332 文献下载
摘要：本发明提供了一种基于协同对抗训练的档案问答系统优化方法和装置，涉及计算机技术领域，包括：根据预先获取的档案数据集和档案特征向量生成等价档案问答系统；生成针对等价档案问答系统的G型偏见档案样本和O型偏见档案样本；根据样本的相似性构建多个G型‑O型偏见档案样本对，得到用于协同对抗训练的多个偏见档案样本对集合；利用偏见档案样本对集合进行协同对抗训练，以消除原始档案问答系统的偏见，得到公平的档案问答系统。该方法解决了现有档案问答系统易受偏见因素影响、稳定性低、决策结果不够公平的问题，达到了消除原始档案问答系统的偏见，提高问答系统返回结果准确性的技术效果。
基于协同对抗训练档案问答系统优化方法装置

[发明专利]一种联邦机器学习环境下的边缘端偏见检测方法-CN202011073004.4在审
发明人：陈晋音;陈一鸣;郑海斌;陈奕芃 -专利权人：浙江工业大学
申请日： 2020-10-09 - 公布日： 2021-01-05 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种联邦机器学习环境下的边缘端偏见检测方法，包括以下步骤：通过筛选获得歧视实例，并增加歧视实例在数据集中的比例来构建新数据集，利用新数据集对模型进行分布式训练，以获得每个模型对敏感属性(偏见信息)的偏见程度，并通过根据偏见程度为每个模型赋予不同注意力权重的方式去除偏见，在消除偏见后，再进行模型聚合，从而保证联邦机器学习环境下边缘端的公平性。
一种联邦机器学习环境边缘偏见检测方法

[发明专利]一种基于多模态多去偏见的对话情感识别方法-CN202210435577.X在审
发明人：宋大为;王婧琳;马放;戎璐 -专利权人：北京理工大学
申请日： 2022-04-24 - 公布日： 2022-09-06 - 主分类号： G06F40/289 文献下载
摘要：本发明涉及一种基于多模态多去偏见的对话情感识别方法，属于自然语言处理技术领域。对于文本模态，本发明提出了去除五种类型的偏见，包括词向量表示中的性别、年龄、种族、宗教和性少数群体偏见。同时，本发明将文本去偏方法扩展到视觉模态，并着重去除两类最为典型的视觉偏见：性别和种族偏见。本发明进一步提出了一种基于子空间投影的去偏方法，该方法为每种类型的视觉偏见构建一个子空间，并通过将每个视觉信息对象的特征向量表示投影到相应的子空间来代表视觉表示中的所存在的该种类型的偏见，进而将其去除。相比传统多模态对话情感识别方法，本方法更加注重特殊群体的感受，减少了社会偏见。相比现有的大多去偏方法只去除一种偏见，本发明一次去除了五种，关注的特殊群体更多更广泛。
一种基于多模态多去偏见对话情感识别方法

[发明专利]价格偏见因素确定方法和装置-CN202310231576.8在审
发明人：杨颖一;刘翔宇;张荣;薛晖 -专利权人：阿里巴巴（中国）有限公司
申请日： 2023-03-03 - 公布日： 2023-07-07 - 主分类号： G06Q30/0201 文献下载
摘要：本申请公开了价格偏见因素确定方法和装置，位置偏见因素确定方法和装置，偏见因素确定方法和装置，以及电子设备。其中，价格偏见因素确定方法通过为目标数据对象构建与价格确定系统相拟合的价格计算模型，设计可解释的用户特征，利用价格计算模型获取用户特征数据对价格确定系统输出的目标数据对象的第一价格数据的边际贡献，以量化在用户特征上存在的目标数据对象的第一价格数据差异采用这种处理方式，可以有效提升价格偏见原因的定位效率和定位准确性，并提供可解释的偏见原因，辅助人类对价格偏见问题的多方位洞察，流程中人类可干预可决策。
价格偏见因素确定方法装置

[发明专利]一种面向深度学习的数据去偏方法-CN202111479738.7在审
发明人：陈晋音;陈一鸣;陈奕芃 -专利权人：浙江工业大学
申请日： 2021-12-06 - 公布日： 2022-05-10 - 主分类号： G06K9/62 文献下载
摘要：再构建并训练用于消除偏见的对抗式生成网络模型，并计算对抗网络模型的损失函数。然后训练对抗网络模型，学习原始样本数据集中与敏感性相关的偏见信息。再构建权重矩阵，利用权重矩阵针对学习到的偏见信息相关程度赋予不同的权重以消除偏见信息，得到已经经过偏见消除的数据集，并且将该已经消除偏见的数据集用于后续的训练过程，以提高后续深度学习模型分类的准确性。本发明方法使得输入的原始样本数据集中与敏感属性有关的偏见信息被消除以提高分类结果的公平性，同时也保证了分类主任务的精度不会受到显著影响。
一种面向深度学习数据偏方

[发明专利]基于模糊样本分析的深度学习模型去偏方法-CN202211191728.8在审
发明人：陈晋音;李秦峰;郑海斌 -专利权人：浙江工业大学
申请日： 2022-09-28 - 公布日： 2022-12-23 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于模糊样本分析的深度学习模型去偏方法，包括：选取原始数据集，并对原始数据集中的敏感属性进行one‑hot编码扩充，对其他属性进行保留，构建并训练第一深度学习模型，所述第一深度学习模型记为偏见模型；使用偏见指标函数对偏见模型的偏见程度进行检测；对原始数据集基于模糊样本分析进行数据增强：构建第二深度学习模型，利用数据增强后的数据对第二深度学习模型进行训练，通过偏见指标函数对第二深度学习模型的偏见程度进行检测
基于模糊样本分析深度学习模型偏方

[发明专利]一种数据处理方法、装置、存储介质和电子设备-CN202310521368.1在审
发明人：吴秉哲 -专利权人：腾讯科技（深圳）有限公司
申请日： 2023-05-09 - 公布日： 2023-10-27 - 主分类号： G06F40/186 文献下载
摘要：本申请公开一种数据处理方法、装置、存储介质和电子设备，涉及人工智能技术领域，该方法提供一种基于偏见评估值获得目标提示模板的方式，基于待预测的对话数据表征的场景意图，获取与对话数据关联的至少一个候选提示模板，并且获取对生成偏见数据具有增益作用的至少一个指定属性，再基于至少一个指定属性，然后分别获取至少一个候选提示模板各自对应的偏见评估值，每个偏见评估值表征：受至少一个指定属性的影响，基于相应的候选提示模板，生成包含偏见数据的对话预测结果的可能性，再基于该目标提示模板，获得对话数据对应的目标对话预测结果，降低对至少一种指定属性的偏见性预测，减少偏见数据生成，提高目标对话预测结果的公平性。
一种数据处理方法装置存储介质电子设备

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
下一页»
尾页
共 1874 条