-
公开(公告)号：CN118035565B
公开(公告)日：2024-06-11
申请号：CN202410430460.1
申请日：2024-04-11
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06N3/0464 , G06N3/08 , G06F18/241 , G06F18/25 , G06F18/22
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为基于多模态情绪感知的主动服务推荐方法、系统和设备；该服务推荐方法，首先针对不同模态特点进行不同特征提取方式，得到文本特征向量、图像特征向量和音频特征向量；然后，将片段融合向量与视频总融合向量均值进行处理后分类，得到用户情绪向量；最后，基于用户地址、属性和情绪、服务地址和属性、场景等信息，构建用户‑服务‑情景的图结构，基于图卷积处理的方式，得到的目标用户节点传播特征向量，服务节点传播特征向量，情景节点传播特征向量，经推荐值计算，将推荐值大于阈值对应的服务推荐给目标用户，实现对目标用户丰富且准确的服务推荐，提升用户的体验感。
-
公开(公告)号：CN118035565A
公开(公告)日：2024-05-14
申请号：CN202410430460.1
申请日：2024-04-11
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06N3/0464 , G06N3/08 , G06F18/241 , G06F18/25 , G06F18/22
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为基于多模态情绪感知的主动服务推荐方法、系统和设备；该服务推荐方法，首先针对不同模态特点进行不同特征提取方式，得到文本特征向量、图像特征向量和音频特征向量；然后，将片段融合向量与视频总融合向量均值进行处理后分类，得到用户情绪向量；最后，基于用户地址、属性和情绪、服务地址和属性、场景等信息，构建用户‑服务‑情景的图结构，基于图卷积处理的方式，得到的目标用户节点传播特征向量，服务节点传播特征向量，情景节点传播特征向量，经推荐值计算，将推荐值大于阈值对应的服务推荐给目标用户，实现对目标用户丰富且准确的服务推荐，提升用户的体验感。
-
公开(公告)号：CN116484113B
公开(公告)日：2023-09-19
申请号：CN202310412337.2
申请日：2023-04-12
Applicant: 烟台大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提出了一种基于动态信任感知的群体观点预测方法及系统，涉及观点动力学领域，具体方案包括：为社交网络建模，得到初始的社交网络；基于社会相似性、结构相似性和社交关系强度，构建完整信任网络；计算个体间的影响权重，根据不同的影响权重预测群体观点，判断群体观点是否达到稳定，不稳定则利用个体间的观点相似性和个体间的信任度，对社交网络进行演化，得到新的社交网络，进行基于新的社交网络的观点演化过程；本发明将社交关系强度引入到信任传播过程中，考虑个体间的观点相似性和个体间的信任度对观点演化的影响，特别是非邻节点对自身观点演化的影响，提高了观点演化趋势预测的准确性。
-
公开(公告)号：CN115470704B
公开(公告)日：2023-07-21
申请号：CN202211129049.8
申请日：2022-09-16
Applicant: 烟台大学
IPC: G06F30/27 , G06F111/06
Abstract: 本发明公开了一种动态多目标优化方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：获取多目标优化事件的事件信息，包括：环境信息和历史信息；建立多目标优化事件的事件模型；根据环境信息检测多目标优化事件的环境是否变化；若多目标事件的环境发生变化，则根据历史信息和环境信息，基于两种预测策略计算事件模型的原始帕累托最优集；将原始帕累托最优集输入至社会学习优化模型进行学习训练，计算事件模型的目标帕累托最优集，目标帕累托最优集为多目标事件的最优集。本发明实施例公开的技术方案提高了动态多目标优化方法对环境变化的适应能力，在环境变化后仍能准确获得解决方案。
-
公开(公告)号：CN113128671A
公开(公告)日：2021-07-16
申请号：CN202110418142.X
申请日：2021-04-19
Applicant: 烟台大学
Abstract: 本发明公开了一种基于多模态机器学习的服务需求动态预测方法及系统，所述方法包括以下步骤：获取训练数据集，每条训练数据对应一个用户的用户数据、相应服务使用序列数据以及下一时刻的服务需求，所述服务使用序列中每个服务均包括文本数据和图像数据；对于每条训练数据，分别对文本数据和图像数据进行特征提取，并进行特征共享，得到用户使用服务表达向量；然后根据用户使用服务表达向量，基于门控循环单元网络提取用户服务兴趣表达向量；基于各用户对应的用户特征、用户服务兴趣表达向量以及下一时刻的服务需求，训练多模态机器学习模型，用于预测用户的服务需求。本发明能够实现用户下一时刻服务需求的精准预测。
-
Patent Agency Ranking
公开(公告)号：CN116484113A
公开(公告)日：2023-07-25
申请号：CN202310412337.2
申请日：2023-04-12
Applicant: 烟台大学
IPC: G06F16/9536 , G06Q50/00
Abstract: 本发明提出了一种基于动态信任感知的群体观点预测方法及系统，涉及观点动力学领域，具体方案包括：为社交网络建模，得到初始的社交网络；基于社会相似性、结构相似性和社交关系强度，构建完整信任网络；计算个体间的影响权重，根据不同的影响权重预测群体观点，判断群体观点是否达到稳定，不稳定则利用个体间的观点相似性和个体间的信任度，对社交网络进行演化，得到新的社交网络，进行基于新的社交网络的观点演化过程；本发明将社交关系强度引入到信任传播过程中，考虑个体间的观点相似性和个体间的信任度对观点演化的影响，特别是非邻节点对自身观点演化的影响，提高了观点演化趋势预测的准确性。
-
公开(公告)号：CN113128671B
公开(公告)日：2022-08-02
申请号：CN202110418142.X
申请日：2021-04-19
Applicant: 烟台大学
Abstract: 本发明公开了一种基于多模态机器学习的服务需求动态预测方法及系统，所述方法包括以下步骤：获取训练数据集，每条训练数据对应一个用户的用户数据、相应服务使用序列数据以及下一时刻的服务需求，所述服务使用序列中每个服务均包括文本数据和图像数据；对于每条训练数据，分别对文本数据和图像数据进行特征提取，并进行特征共享，得到用户使用服务表达向量；然后根据用户使用服务表达向量，基于门控循环单元网络提取用户服务兴趣表达向量；基于各用户对应的用户特征、用户服务兴趣表达向量以及下一时刻的服务需求，训练多模态机器学习模型，用于预测用户的服务需求。本发明能够实现用户下一时刻服务需求的精准预测。
-
公开(公告)号：CN115470704A
公开(公告)日：2022-12-13
申请号：CN202211129049.8
申请日：2022-09-16
Applicant: 烟台大学
IPC: G06F30/27 , G06F111/06
Abstract: 本发明公开了一种动态多目标优化方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：获取多目标优化事件的事件信息，包括：环境信息和历史信息；建立多目标优化事件的事件模型；根据环境信息检测多目标优化事件的环境是否变化；若多目标事件的环境发生变化，则根据历史信息和环境信息，基于两种预测策略计算事件模型的原始帕累托最优集；将原始帕累托最优集输入至社会学习优化模型进行学习训练，计算事件模型的目标帕累托最优集，目标帕累托最优集为多目标事件的最优集。本发明实施例公开的技术方案提高了动态多目标优化方法对环境变化的适应能力，在环境变化后仍能准确获得解决方案。
-
公开(公告)号：CN114995964A
公开(公告)日：2022-09-02
申请号：CN202210540726.9
申请日：2022-05-17
Applicant: 烟台大学
Abstract: 本发明公开了一种组合服务重构方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：预测组合服务中原始组件服务的一般服务质量以及领域服务质量；将原始组件服务的一般服务质量和领域服务质量分别与原始组件服务对应的一般服务质量约束和领域服务质量约束对比，根据对比结果确定组合服务中失效的原始组件服务；为失效的原始组件服务获取对应的替换组件服务；利用替换组件服务代替失效的原始组件服务，生成重构组合服务。本发明公开的技术方案在进行服务QoS失效判断时，综合预测服务所具有的一般服务质量(GQoS)领域服务质量(DQoS)失效的情况，实现及时对组合服务进行动态重构。
-
公开(公告)号：CN113850346B
公开(公告)日：2022-04-29
申请号：CN202111205166.3
申请日：2021-10-15
Applicant: 烟台大学
IPC: G06V10/762 , G06K9/62
Abstract: 本发明属于边缘服务领域，提供了一种MEC环境下多维属性感知的边缘服务二次聚类方法及系统。该方法包括，将边缘服务所在服务器的地理位置与边缘服务器的硬件配置作为一级聚类指标；将服务质量与信誉度作为二级聚类指标；采用基于密度的最小生成树启发式分段聚类算法，依据一级聚类指标，对边缘服务进行一级聚类，得到地理位置相近、服务器质量相似的服务类簇；采用基于密度峰值的层次聚类算法，依据二级聚类指标，对所述地理位置相近、服务器质量相似的服务类簇进行二级聚类，得到边缘服务聚类结果。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.046 seconds)
