-
公开(公告)号：CN114090890A
公开(公告)日：2022-02-25
申请号：CN202111396495.0
申请日：2021-11-23
Applicant: 电子科技大学
IPC: G06F16/9535 , G06Q30/06 , G06F16/45 , G06F16/483 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图卷积网络的反事实项目推荐方法，本发明通过对图卷积网络GCN引入满意度，且满意度与项目曝光特征、项目内容特征、用户项目曝光特征偏好和项目内容特征偏好均有关，使得本发明提出的方法充分考虑了数据间的因果关系，从而达到通过本方法生成的项目推荐列表更符合用户期望，大大减少“点击欺骗”的概率；本发明解决了传统的推荐方法得到的推荐列表与用户期望存在较大差距的问题。
-
公开(公告)号：CN111259264A
公开(公告)日：2020-06-09
申请号：CN202010041608.4
申请日：2020-01-15
Applicant: 电子科技大学
IPC: G06F16/9536 , G06N20/00
Abstract: 本发明公开了一种基于生成对抗网络的时序评分预测方法，其包括以下步骤：S1、样本抽取以及时间特征提取；S2、构建生成对抗网络模型中的生成模型和鉴别模型；S3、基于时序的奇异值分解，得到加入时序信息的生成对抗网络模型；S4、基于生成对抗网络模型进行时序评分预测。本发明结合了时间序列信息以及生成对抗网络，将得到的新的时序评分预测方法应用到推荐系统中，实现长期有效的推荐，使得推荐精度有所提高。
-
公开(公告)号：CN114998653B
公开(公告)日：2024-04-26
申请号：CN202210587274.X
申请日：2022-05-24
Applicant: 电子科技大学
IPC: G06V10/764 , G06V10/77 , G06V10/80 , G06V20/13
Abstract: 本发明属于图像分类技术领域，具体涉及一种基于ViT网络的小样本遥感图像分类方法。本发明基于ViT的小样本SAR图像分类方法将多模态特征融合机制引入到Transformers编码器中，通过将图像特征进行融合，解决了因为数据集量小而导致模型获取信息量变少的情况。此外，由于序列模型难以对层次信息进行有效表达，因此将多头自注意力机制引入到Transformers编码器中，在可以并行计算的同时，还提高了对长距离依赖关系的捕捉能力。采用本发明技术方案后，利用多模态特征融合技术以及多头自注意力机制解决ViT网络模型参数冗杂且训练时间过长难以落地的问题。
-
公开(公告)号：CN116071119A
公开(公告)日：2023-05-05
申请号：CN202210983716.2
申请日：2022-08-16
Applicant: 电子科技大学
IPC: G06Q30/0601
Abstract: 本发明涉及互联网领域，具体涉及一种基于多行为推荐模型的模型不可知反事实解释方法，S1、确定要进行解释的模型；S2、交互物品项的各行为类型重要性排序；S3、过滤行为类型子集；S4、过滤候选解释；S5、确定待定解释；S6、获得更多候选解释；S7、决定最终解释，通过对单行为与多行为推荐系统中交互历史、偏好、结果的因果分析，以及对行为类型间关系的分析，明确了在指定被解释项、指定交互物品的情况下，各行为类型的重要性分数，以及行为类型子集的过滤与重要性分数，实现了依据行为类型对候选解释搜索空间的过滤；解决了传统模型不可知解释方法不能对多行为推荐模型进行真实而有操作性的解释的问题。
-
公开(公告)号：CN114818665A
公开(公告)日：2022-07-29
申请号：CN202210432349.7
申请日：2022-04-22
Applicant: 电子科技大学
IPC: G06F40/216 , G06F40/284 , G06F40/30 , G06K9/62
Abstract: 本发明属于自然语言理解领域技术，具体涉及一种基于bert+bilstm+crf与xgboost模型的多意图识别方法和系统；本技术方案中，使用bert处理预处理完成的数据集，得到动态的词向量，不同于以往的使用word2vec或glove模型获取的词向量。Bert模型输出的词向量具有动态特性，能够解决一词多义的问题。词向量再经过bi l stm+crf转换为句向量，bi l stm+crf模型能够同时处理距离较远的上下文文本信息，通过近邻标签的关系得到最优的句向量预测序列。在主意图识别方面使用Xgboost模型，该模型的识别精度较高且更加灵活，因此用在主意图。得到所有的主意图过后，我们利用TF‑I DF模型选取标准意图，以此为意图判断依据。将经由bert+bi l stm+crf模型处理过后的句向量输入到新的bert模型当中，最终输出子意图。
-
Patent Agency Ranking
公开(公告)号：CN114817423A
公开(公告)日：2022-07-29
申请号：CN202210447417.7
申请日：2022-04-26
Applicant: 电子科技大学
IPC: G06F16/28 , G06F16/23 , G06F16/951 , G06N5/02 , G06Q40/00
Abstract: 本发明属于数据处理技术领域，尤其涉及一种面向金融行业的知识图谱更新系统；本发明为知识图谱数据层中的部分实体属性设置改变周期：基于需变换的实体属性的变换周期及当前时间，确定实体属性的下次更新时间，并基于所获取的需变换实体属性值修改对应的实体属性值。所采用的局部更新实体属性的方法能有效减少因全量更新实体属性所消耗的大量资源和时间。
-
公开(公告)号：CN112784173B
公开(公告)日：2022-06-10
申请号：CN202110217932.1
申请日：2021-02-26
Applicant: 电子科技大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于自注意力对抗神经网络的推荐系统评分预测方法，包括以下步骤：S1：采集用户信息、项目信息和用户对项目评分数据，构建高维稀疏评分矩阵和对应的掩矩阵；S2：生成关于高维稀疏评分矩阵的分布信息；S3：利用自注意力对抗神经网络搭建推荐系统的评分预测模型，并对评分预测模型进行训练；S4：评估高维稀疏评分矩阵，完成用户对项目的评分预测。本发明将自注意力机制和判别自动编码器结合，并给出了应用于推荐系统中的具体方法。利用自注意力判别自编码器从高维稀疏矩阵的掩矩阵中提取评分数据的分布信息，为后续的学习评分数据特征和预测评分数据提供更多的分布信息。
-
公开(公告)号：CN111259264B
公开(公告)日：2021-11-16
申请号：CN202010041608.4
申请日：2020-01-15
Applicant: 电子科技大学
IPC: G06F16/9536 , G06N20/00
Abstract: 本发明公开了一种基于生成对抗网络的时序评分预测方法，其包括以下步骤：S1、样本抽取以及时间特征提取；S2、构建生成对抗网络模型中的生成模型和鉴别模型；S3、基于时序的奇异值分解，得到加入时序信息的生成对抗网络模型；S4、基于生成对抗网络模型进行时序评分预测。本发明结合了时间序列信息以及生成对抗网络，将得到的新的时序评分预测方法应用到推荐系统中，实现长期有效的推荐，使得推荐精度有所提高。
-
公开(公告)号：CN110309321A
公开(公告)日：2019-10-08
申请号：CN201910618041.X
申请日：2019-07-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于图谱表示学习的知识表示学习方法，其包括以下步骤：S1、基于知识图谱三元组和谓词获取标准图；S2、根据标准图获取知识图谱实体与关系的向量表示；S3、将深度学习分类任务的标签作为目标实体，根据知识图谱实体与关系的向量表示，基于相似性度量计算目标实体间的相似度，得到目标实体的图关联矩阵。本方法结合了实体之间的关系本身包含的信息，并将推理规则融合进来，因此容纳了大量的关联信息，使得学习得到的表示质量更佳。
-
公开(公告)号：CN106021498A
公开(公告)日：2016-10-12
申请号：CN201610341334.4
申请日：2016-05-20
Applicant: 电子科技大学
IPC: G06F17/30
CPC classification number: G06F17/30654
Abstract: 本发明属于自然语言理解及信息自动提取技术领域，具体公开一种基于问题求解过程的动态键盘信息生成方法及系统。该方法包括：输入所求解问题的属性信息，得到Latex形式的问题信息；解析Latex形式的问题信息，生成相对应的学科符号信息及学科符号混淆项信息，并添加至动态键盘数据中；筛选动态键盘数据，进行比较去重，最终生成基于问题求解过程的动态键盘信息。本发明的动态键盘信息生成方法使得在开展现代化信息教育的过程中避免了学生及教师输入的麻烦，从而快速输入公式及特殊符号，十分方便快捷，节约输入及答题时间，大大提高教学效率。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.029 seconds)
