-
公开(公告)号：CN106991149B
公开(公告)日：2020-11-10
申请号：CN201710192554.X
申请日：2017-03-28
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种融合编码和多版本数据的海量空间对象存储方法，采用“低精度网格编码，高精度空间对象编码”将多维空间数据转换到一维空间，然后采用“字典序定位数据块，低冗余度数据查询”策略来实现查询过程涉及到的冗余数据修剪，有效提升了范围查询性能。在编码精度为8个Base‑32字符时，一个网格单元的覆盖面积约为725m2,查询半径在1000m时，查询响应时间不超过1秒，能有效满足诸如智慧旅游中基于游客位置的旅游资源推荐等数据查询需求。
-
公开(公告)号：CN110956497A
公开(公告)日：2020-04-03
申请号：CN201911181002.4
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote-Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。
-
公开(公告)号：CN105912656B
公开(公告)日：2020-03-17
申请号：CN201610220247.3
申请日：2016-04-07
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种商品知识图谱的构建方法，包括商品知识图谱的客观性商品分类知识的构建和主观性用户观点知识的构建。主观性知识的构建包含采用基于多分类器集成的方法从用户评论中挖掘观点目标和观点词的过程和直接从网站上获取观点持有者、观点发表时间和/或观点的URL信息的过程。客观性知识的构建包含采用基于多源异构分类层次融合的方法获取兼顾深度和广度的商品分类层次的过程和直接从网站上获取商品实例的过程。本发明针对商品所构建的结构化的知识图谱涵盖了客观性商品分类和主观性用户观点两类知识，不仅能够为上层服务提供商品实体的准确解释，而且还能够了解众多用户对商品及其属性的观点描述，从而为用户提供更快速、更精准、更全面的商品知识服务。
-
公开(公告)号：CN107121183A
公开(公告)日：2017-09-01
申请号：CN201710385232.7
申请日：2017-05-26
IPC: G01G19/50
CPC classification number: G01G19/50
Abstract: 本发明公开了一种低功耗身高体重测量装置，包括称重面板、竖杆和控制模块，竖杆的顶端连接有一横杆，称重面板的下方安装有多个支撑柱，控制模块包括主控芯片、称重传感器、超声波测距模块和电源模块，还包括触动开关，电源模块包括二次电源和主电源，二次电源由主电源经升压电路的升压处理后得到；触动开关均与主控芯片和二次电源连接，超声波测距模块和称重传感器的供电端均与二次电源电连接。本发明既可以实现身高与体重同时测量的目的，还可通过触动开关来控制主控芯片和二次电源，使得在非工作状态下，主控芯片处于最低功耗的休眠模式、同时切断超声波测距模块和称重传感器的供电电源。具有结构简单、能耗低的有益特点。
-
公开(公告)号：CN102135991A
公开(公告)日：2011-07-27
申请号：CN201110059701.9
申请日：2011-03-11
Applicant: 桂林电子科技大学
IPC: G06F17/30
Abstract: 本发明为基于后向学习的动态多属性服务选择方法，第一步为基于后向学习的用户偏好学习：初始化服务集合、用户集合、服务评价等级集合、UQEL表。用户多次调用服务并给出评价，用户对服务的评价映射为对相应非功能属性的评价，添加到该用户的UQEL表，最终得到用户偏好表。第二步为基于权重的动态多属性服务选择：根据用户需求生成候选服务集合，获得用户偏好集合，计算各非功能属性权重，生成动态决策矩阵序列，计算用户偏好向量与候选服务非功能属性向量的加权夹角余弦、每个观测时间的权重、每个候选服务在各个观测时间的加权余弦和，选择加权和最大的服务推荐给用户。本法为自适应的服务选择，无需用户过多参与，方便使用，服务选择适应好。
-
Patent Agency Ranking
公开(公告)号：CN118823636A
公开(公告)日：2024-10-22
申请号：CN202410825570.8
申请日：2024-06-25
Applicant: 桂林电子科技大学
IPC: G06V20/40 , G06V20/52 , G06V40/20 , G06V10/44 , G06V10/771 , G06V10/82 , G06N3/045 , G06N3/0464
Abstract: 本发明公开了一种基于动态位置嵌入的课堂完备元动作识别方法，包括：得到单个学生课堂元动作视频、对视频进行关键帧采样；构建由动态位置嵌入的位置编码模块、Video Swin Transformer基本模块、ViT3D基本模块组成的课堂完备元动作识别模型，依次获得动态位置特征表示、多个局部注意力向量、元动作类别概率向量、对课堂完备元动作识别模型进行迭代优化；将预处理后学生课堂元动作视频输入该模型获得课堂学生元动作类别。这种方法不仅使用动态位置嵌入方法进行条件位置编码结合深度卷积网络以提升对元动作空间结构的解析能力，并采用ViT3D的全注意力机制提取动作的潜在空间特征，捕捉元动作的全局时空信息，从而提升课堂视频的学生完备元动作识别准确率。
-
公开(公告)号：CN110956497B
公开(公告)日：2022-11-25
申请号：CN201911181002.4
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote‑Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。
-
公开(公告)号：CN106614440B
公开(公告)日：2022-10-25
申请号：CN201610869820.3
申请日：2016-09-30
Applicant: 桂林电子科技大学 , 广西壮族自治区农业科学院甘蔗研究所
Abstract: 本发明公开一种基于物联网的农作物害虫智能测报系统，包括远程数据中心和至少一个测报装置；每个测报装置包括支架、以及固定在支架上的主控单元、图像采集单元、诱捕单元、喷气单元、环境监测单元和数据传输单元；图像采集单元位于诱捕单元的上方，并朝向诱捕单元；喷气单元位于诱捕单元的的一侧，并朝向诱捕单元；主控单元连接图像采集单元、诱捕单元、喷气单元、环境监测单元和数据传输单元；数据传输单元与远程数据中心连接。本发明不仅实现了无人值守的智能化监控，而且有助于提高农作物害虫发生危害预测预报的智能性和准确性，及时监测和预报其种群动态有助于科学合理采取措施控制该虫的危害，减少农药施用量和环境污染。
-
公开(公告)号：CN109242534B
公开(公告)日：2021-12-28
申请号：CN201810888279.X
申请日：2018-08-07
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于用户评论动态分析的用户评分预测方法，首先，对用户评论进行时间窗口映射和主题分析，采用主题词在每个时间窗口中的概率值变化表示用户偏好的演变；然后，计算主题词层次关系并构建相应的主题词层次树，用不同层次的主题词表征其对用户评分的影响力；最后，将用户评论映射于主题词层次树生成用户偏好向量，根据用户偏好向量对用户的评分进行预测。实验证明，该方法有效刻画了用户偏好的演变以及不同层次的主题词对用户评分的影响，使得评分预测误差得到改善。
-
公开(公告)号：CN111310474A
公开(公告)日：2020-06-19
申请号：CN202010065670.7
申请日：2020-01-20
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于激活-池化增强BERT模型的在线课程评论情感分析方法，涉及在线课程评估技术领域，包括构建在线课程评论情感分析模型来编码评论文本中分句内词语上下文语义和分句间逻辑关系；设计激活函数层和最大-平均池化层解决BERT模型在课程评论情感分析中存在的过拟合问题；通过新增的情感分类层对在线课程评论进行情感正负极性分类。本发明改进了直接应用BERT模型做课程评论情感分析任务时出现过拟合的问题，同时增加了情感分类层对课程评论情感进行分析；相对于传统课程评论情感分析模型，在线课程评论情感分析模型具有精确度高，训练容易的优点，该模型的准确率和AUC值与基准模型相比分别有显著的提升。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.037 seconds)
