-
公开(公告)号：CN116541617B
公开(公告)日：2023-09-19
申请号：CN202310777988.1
申请日：2023-06-29
Applicant: 安徽大学
IPC: G06F16/9537 , G06F16/9536 , G06F16/29
Abstract: 本发明提供参会用户及地点推荐方法及系统，方法包括：从活动举办方获得核心用户集合，从位置社交网络中得到每个用户的轨迹序列；利用局部社区检测算法挖掘核心用户集合所在的社区，从而获得参会用户；利用简单加权偏好融合策略，计算核心用户集合中每个轨迹点的评分，以生成轨迹点推荐列表；根据以上步骤得到参会用户名单和轨迹点，提供给活动举办方。（1）本发明从活动举办方角度出发，将生活轨迹上相似且社交关系联系密切的用户作为参加活动的潜在用户。再根据这些用户的轨迹数据，确定举办活动的地点。（2）本发明采用局部社区发现算法来获得参会用户。相比于访问整个数据集的传统推荐技术，具有更低的时间开销。本发明更适用于大数据集。
-
公开(公告)号：CN118296477A
公开(公告)日：2024-07-05
申请号：CN202410429039.9
申请日：2024-04-10
Applicant: 安徽大学
IPC: G06F18/2411 , G06F18/2415 , G06F18/213 , G06F40/284
Abstract: 一种科研合作伙伴推荐方法、系统及存储介质，属于计算机信息技术领域，解决现有技术的合作伙伴推荐算法是在表示两个实体之间的二元关系的传统图的基础上设计的，忽视了论文数据集本身具有的高阶网络结构，导致难以识别网络中的复杂结构的问题；本发明利用超图对论文合作关系进行建模，考虑到同一个社区的研究者往往联系紧密，设计适用于超图的局部社区检测算法，从而找到具有相似研究方向和兴趣的合作者；本发明考虑到论文数据集本身具有的高阶网络结构；使用局部社区检测技术，而不需要遍历整个论文合作网络，提高了推荐效率；同时考虑到论文合作者共同研究方向、兴趣和论文合作者之间的网络结构特点，提高了推荐准确性。
-
公开(公告)号：CN103338265A
公开(公告)日：2013-10-02
申请号：CN201310290388.9
申请日：2013-07-10
Applicant: 安徽大学
IPC: H04L29/08 , H04W84/18 , A61B5/0496 , A61B5/0476
Abstract: 本发明公开了一种结合脑电和眼电的信息交互系统及信息交互方法，信息交互系统的无线通信模块包括多个Zigbee通信终端，且以其中一个Zigbee通信终端作为网络协调器；每个信息交互子终端包括信息融合模块和串口通信模块；每个信息交互子终端通过各自的串口通信模块与多个Zigbee通信终端之一相连接；每个信息交互子终端上连接有一个眼电与脑电信号采集模块；眼电与脑电信号采集模块采集用户的眼电信号与脑电信号并将所采集的眼电信号与脑电信号放大处理后发送至信息融合模块。本发明实现了一种结合脑电和眼电的信息交互系统及方法，提供了一种非言语与肢体的全新信息交互方式，具有应用范围广、扩展性强、使用舒适、交互性好、鲁棒性强等优点。
-
公开(公告)号：CN120067462A
公开(公告)日：2025-05-30
申请号：CN202510030756.9
申请日：2025-01-08
Applicant: 安徽大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明公开一种基于局部多网络社区发现方法的学术推荐方法和系统，方法包括：S1、在dblp中，收集文献中的共同作者信息，文献引用信息，构建作者网络G0和文献网络G1，以及两个网络之间的层间链接P，表示为作者‑文献网络G＝{G0,G1,P}；S2、根据步骤S1构建的作者网络G0和文献网络G1，基于节点隶属度的局部多网络社区发现方法从目标作者或目标文献逐渐向外扩展，得到作者社区C0和文献社区C1，表示为C＝{C0,C1}；S3、给定任一作者或文献，将该作者或文献对应节点设置为种子节点并执行步骤S2得到社区C＝{C0,C1}，并向用户推荐目标作者或文献联系更加紧密的作者群体以及文献。本发明充分考虑了作者网络，文献网络以及两个网络之间的联系，仅利用局部信息能够最大限度地提高作者网络和文献网络中社区结构的质量，同时确保跨网络的一致性，从而为用户推荐目标作者或目标文献联系更加紧密的作者群体以及文献。
-
公开(公告)号：CN118505312A
公开(公告)日：2024-08-16
申请号：CN202410633671.5
申请日：2024-05-21
Applicant: 安徽大学 , 安徽乐萌科技有限公司
IPC: G06Q30/0251 , G06Q30/0241 , G06Q50/00
Abstract: 本发明提供线下商家广告投放方法及系统，方法包括：获得种子集合VS。对于给出的商家v0,从位置社交网络G＝ 中获得v0所在的多个社区的种子节点VS；利用Naive OCS算法获得社区集合OCset；获得空间感知社区集合CLUSTERset；明确线上广告的目标用户；确定线下广告的具体投放位置。本发明解决了潜在顾客群体发掘困难、社区结构凝聚性及空间凝聚性较差的技术问题。
-
Patent Agency Ranking
公开(公告)号：CN116541617A
公开(公告)日：2023-08-04
申请号：CN202310777988.1
申请日：2023-06-29
Applicant: 安徽大学
IPC: G06F16/9537 , G06F16/9536 , G06F16/29
Abstract: 本发明提供参会用户及地点推荐方法及系统，方法包括：从活动举办方获得核心用户集合，从位置社交网络中得到每个用户的轨迹序列；利用局部社区检测算法挖掘核心用户集合所在的社区，从而获得参会用户；利用简单加权偏好融合策略，计算核心用户集合中每个轨迹点的评分，以生成轨迹点推荐列表；根据以上步骤得到参会用户名单和轨迹点，提供给活动举办方。（1）本发明从活动举办方角度出发，将生活轨迹上相似且社交关系联系密切的用户作为参加活动的潜在用户。再根据这些用户的轨迹数据，确定举办活动的地点。（2）本发明采用局部社区发现算法来获得参会用户。相比于访问整个数据集的传统推荐技术，具有更低的时间开销。本发明更适用于大数据集。
-
公开(公告)号：CN117829916B
公开(公告)日：2025-02-07
申请号：CN202311205751.2
申请日：2023-09-18
Applicant: 安徽大学 , 安徽乐汇信息科技有限公司
IPC: G06Q30/0251 , G06Q30/0241 , G06F16/9535 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种App广告投放方法及系统，包括：获取App用户数据和对App用户数据进行补充的社交数据；提取用户社交特征向量；提取用户信息特征向量和内容特征向量；获得用户特征向量；基于提取的用户特征向量，计算App用户和社交用户的相似程度，为每个App用户选择与之相似度高的前预设数量的社交用户，并将对应的数据补充给该App用户；将App用户点击过的历史广告信息作为App用户的补充信息并计算App用户和候选广告匹配程度，将匹配程度高的前预设数量的广告推荐给App用户；本发明的优点在于：在缺少用户数据、社交信息的场景下，达到理想的推荐效果。
-
公开(公告)号：CN118711674A
公开(公告)日：2024-09-27
申请号：CN202410879628.7
申请日：2024-07-02
Applicant: 安徽大学
Abstract: 本发明公开了一种蛋白质复合物检测方法及系统，包括：提取特定蛋白质的局部结构；为提取的局部结构选择相似性最高的一组蛋白质复合物作为参考蛋白质复合物；利用整体相似性获取与参考蛋白质复合物相似的蛋白质复合物结构；基于整体相似性扩展蛋白质的过程完成之后，利用局部相似性获取与参考蛋白质复合物结构更加相似的蛋白质复合物；对于给定蛋白质复合物，将给定蛋白质复合物作为参考蛋白质复合物，执行上述方法，寻找与给定蛋白质复合物相似功能的前k个蛋白质复合物；本发明的优点在于：从蛋白质相互作用网络中找到与特定蛋白质关联的蛋白质复合物以及寻找相似的蛋白质复合物，准确挖掘蛋白质复合物。
-
公开(公告)号：CN117829916A
公开(公告)日：2024-04-05
申请号：CN202311205751.2
申请日：2023-09-18
Applicant: 安徽大学 , 安徽乐汇信息科技有限公司
IPC: G06Q30/0251 , G06Q30/0241 , G06F16/9535 , G06F16/9536 , G06Q50/00
Abstract: 本发明公开了一种App广告投放方法及系统，包括：获取App用户数据和对App用户数据进行补充的社交数据；提取用户社交特征向量；提取用户信息特征向量和内容特征向量；获得用户特征向量；基于提取的用户特征向量，计算App用户和社交用户的相似程度，为每个App用户选择与之相似度高的前预设数量的社交用户，并将对应的数据补充给该App用户；将App用户点击过的历史广告信息作为App用户的补充信息并计算App用户和候选广告匹配程度，将匹配程度高的前预设数量的广告推荐给App用户；本发明的优点在于：在缺少用户数据、社交信息的场景下，达到理想的推荐效果。
-
公开(公告)号：CN115600060A
公开(公告)日：2023-01-13
申请号：CN202211317107.X
申请日：2022-10-26
Applicant: 安徽大学(CN)
IPC: G06F17/16 , G06F18/214 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种自适应特征学习的服务质量预测方法及装置，所述方法包括：获取用户和服务的上下文信息、用户和服务的交互矩阵，得到模型的输入特征；基于输入特征提取用户和服务的多源特征；对多源特征进行编码，得到用户和服务的交互特征；将交互特征输入深度神经网络，得到预测的服务质量值；计算对比损失；修改深度神经网络的各参数，重复上述步骤，直到对比损失不再减小，保存深度神经网络的参数得到训练好的模型；将实时获取的输入特征输入到训练好的模型中，得到服务质量的预测结果；本发明的优点在于：服务质量预测较为准确。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.036 seconds)
