-
公开(公告)号：CN115328972B
公开(公告)日：2023-05-23
申请号：CN202211024149.4
申请日：2022-08-24
Applicant: 桂林电子科技大学
IPC: G06F16/2458 , G06F16/2453 , G06F16/28
Abstract: 本发明涉及数据库系统查询优化的基数估计技术领域，具体地说，涉及一种平滑自回归基数估计方法，包括：S1、将数据库表格数据编码后得到编码数据x；S2、对x进行平滑，期间复制x来引入不同程度的噪声得到平滑数据xrs和微弱平滑数据xcls，拼接所有平滑数据后得到输入xin；S3、将xin喂给平滑自回归模型，并进行训练；S4、通过训练好的模型进行基数估计。本发明能够达到目前最先进的基数估计准确度，能较出色地完成基数估计任务。
-
公开(公告)号：CN115422331A
公开(公告)日：2022-12-02
申请号：CN202210827359.0
申请日：2022-07-13
Applicant: 桂林电子科技大学
IPC: G06F16/332 , G06F40/35
Abstract: 本发明公开了一种基于全局Item长短期转换信息权重图的会话推荐方法，包括如下步骤：将会话数据集中的会话所点击的Item按时间顺序处理成会话对应的Item序列形式；根据会话序列建模局部长短期Item转换信息权重图L‑Graph；由局部长短期Item转换信息权重图L‑Graph叠加构造全局长短期Item转换信息图权重图G‑Graph，并得到相应的全局权重图矩阵M；由全局权重图M对会话进行下一个Item推荐。本发明方法能够全面考虑每一个会话中Item的长短期转换信息进行下一个Item点击预测，既单独考虑了单一会话里Item转换信息又将全局Item转换信息结合起来，能够为稀疏交互矩阵提供更多的信息，对于稀疏交互能很好地利用全局权重图信息来进行Item推荐。
-
公开(公告)号：CN114817360A
公开(公告)日：2022-07-29
申请号：CN202210363854.0
申请日：2022-04-07
Applicant: 桂林电子科技大学
IPC: G06F16/2458 , G06F16/215 , G06F16/29 , G06K9/62
Abstract: 本发明涉及轨迹伴随模式挖掘技术领域，涉及一种校准轨迹数据以提高轨迹伴随挖掘时效性的方法，包括：一、从出租车轨迹数据库获取近期历史数据；二、提取数据中经纬度、车辆标识以及时间戳；将原始数据进行预处理，清洗噪声数据以及填补空缺值；三、挖掘轨迹点的额外属性；四、结合车辆移动特征，过滤出具有强特征的移动特征轨迹点，将过滤出的点添加网格索引生成以网格为索引的车辆轨迹参考系统；五、基于生成的参考系统，根据轨迹流数据中的轨迹点索引以基于欧式距离实时校准到参考系统中距离最小的移动特征点；步骤六、将被校准后的特征点进行实时通用伴随模式挖掘。本发明能较佳地提高轨迹伴随挖掘时效性。
-
公开(公告)号：CN111599252B
公开(公告)日：2021-09-17
申请号：CN202010399012.1
申请日：2020-05-12
Applicant: 桂林电子科技大学
IPC: G09B19/00
Abstract: 本发明公开了一种基于游戏机制的可编程示教机器人，包括主体，所述主体前端设有障碍物感知模块，障碍物感知模块上方设有视觉模块，视觉模块的两侧设有障碍物避让模块，主体四周设有发光模块，主体的后端设有攻击模块，主体两侧设有变身模块；本发明采用模块化设计，能够进行灵活组合，增加了机器人的趣味性；采用功能模块与基体卡槽连接，拆卸方便；使本发明射击模块采用水弹枪进行设计，能够进行角度自由调控，水弹采用通用干水子弹，吸水后可膨胀成型，安全无毒，威力小，射程远，增加真实性；本发明采用一体控制，通过蓝牙模块与外部连接，能够进行实时控制，实用性、推广性强。
-
公开(公告)号：CN112948709A
公开(公告)日：2021-06-11
申请号：CN202110246458.5
申请日：2021-03-05
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9537 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明涉及兴趣点推荐技术领域，涉及一种影响力感知驱动的连续兴趣点实时推荐方法，包括：一、获取用户打卡历史信息，将打卡数据组成序列；二、将打卡数据组成序列组；三、将序列组推送给模型进行训练；通过门控循环单元加注意力机制得到一段序列中每一个兴趣点所占影响力向量，将得到的向量输入全连接神经网络拟合，经过管道搜索的方式学习出适应该区域的最优超参数；四、将训练模型部署在多个服务器中；五、记录用户下一打卡地点以及对兴趣点的评分。本发明能实现精确、实时的对用户下一兴趣点的推荐。
-
Patent Agency Ranking
公开(公告)号：CN112269844A
公开(公告)日：2021-01-26
申请号：CN202011019669.7
申请日：2020-09-24
Applicant: 桂林电子科技大学
IPC: G06F16/29 , G06K9/62 , G06F16/2458
Abstract: 本发明涉及轨迹数据处理技术领域，具体地说，涉及一种基于大规模轨迹数据的通用伴随模式分布式挖掘方法，其以下步骤：一、建立轨迹数据集；二、对轨迹数据集进行分布式聚类：通过DBSCANCD算法进行密度聚类；三、TCB算法以密度聚类结果作为输入，通过计算集合成员间的相似度，对边界点进行合理划分；四、对轨迹数据集进行分布式挖掘：GSPR算法对通用伴随模式挖掘的输入进行分割和重划分，然后通过SAE算法进行挖掘。本发明能够较佳地挖掘通用伴随模式。
-
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：CN108334638B
公开(公告)日：2020-07-28
申请号：CN201810229979.8
申请日：2018-03-20
Applicant: 桂林电子科技大学
IPC: G06F16/9032 , G06N3/08
Abstract: 本发明公开一种基于长短期记忆神经网络与兴趣迁移的项目评分预测方法，该方法结合用户的评分记录和项目的类别分别构建用户‑项目访问时间表和用户‑评分表，进而为每一个用户建立了兴趣‑评分关联表。根据推荐的个性化需求，基于上述数据为每一个用户训练LSTM模型，在综合考虑用户的历史行为和兴趣变化的情况下实现了用户对指定项目的评分预测。该方法将LSTM模型运用到推荐系统中，具有较高的准确度，证实了用户的兴趣迁移对用户评分预测的影响。
-
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。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.092 seconds)
