-
公开(公告)号：CN116311462A
公开(公告)日：2023-06-23
申请号：CN202310306314.3
申请日：2023-03-27
Applicant: 电子科技大学
IPC: G06V40/16 , G06N3/08 , G06V10/82 , G06V10/774 , G06V10/764 , G06V10/26 , G06N3/0464
Abstract: 本发明公开一种结合上下文信息和VGG19的人脸图像修复识别方法，涉及图像处理技术领域，拟解决现有人脸残缺修复方法存在的信息丢失、不能高效地解决人脸修复的技术问题；本发明包括以下步骤：先构建并训练用于人脸修复的生成对抗网络；再将遮挡人脸图像数据集1输入前述训练好的生成对抗网络，得到修复人脸图像数据集2；而后将未遮挡的人脸图像数据集输入VGG19网络，训练用于分类识别的VGG19网络；最好将所得的修复人脸图像数据集2输入到步骤3得到的训练好的VGG19识别模型中，得到最后的对修复图像的识别结果；本发明将部分标准卷积替换为扩张卷积，有助于扩大修复模型的接受域并结合修复模块与分类识别模块，可以提高残缺人脸图像的识别率。
-
公开(公告)号：CN114818665B
公开(公告)日：2023-05-12
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 , G06F18/241
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。
-
公开(公告)号：CN114154071B
公开(公告)日：2023-05-09
申请号：CN202111501438.4
申请日：2021-12-09
Applicant: 电子科技大学
IPC: G06F16/9535 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于注意力机制的情感时序推荐方法，包括以下步骤：S1、收集评论信息和时间信息，并将其输入嵌入层，得到具有时态信息的用户因素和项目因素；S2、将有时态信息的用户因素和项目因素输入至blstm层进行情感特征提取，得到用户和项目之间的交互序列；S3、将用户和项目之间的交互序列通过注意力层输入至cnn层，得到用户表示和项目表示；S4、将用户表示和项目表示输入至输出层，得到精确评分，进而将最高精确评分对应项目作为情感时序推荐结果。
-
公开(公告)号：CN114090890B
公开(公告)日：2023-04-28
申请号：CN202111396495.0
申请日：2021-11-23
Applicant: 电子科技大学
IPC: G06F16/9535 , G06Q30/0601 , G06F16/45 , G06F16/483 , G06N3/0464 , G06N3/048 , 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：CN110309321B
公开(公告)日：2021-05-18
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。
-
Patent Agency Ranking
公开(公告)号：CN112396395A
公开(公告)日：2021-02-23
申请号：CN202011286812.9
申请日：2020-11-17
Applicant: 电子科技大学
IPC: G06Q10/10 , G06Q50/20 , G06F3/0484
Abstract: 本发明公开了一种用于作业批改的系统，包括采集模块、批改模块、存储模块和管理模块；采集模块用于获取待批改作业内容并将作业内容传输至批改模块；批改模块用接收作业内容，并提供批改作业操作；管理模块用于对批改内容进行分类管理，存储模块用于将批改内容和分类内容进行存储。本发明在保持原有作业批改流程以及批改习惯的基础上，为教师对作业批改结果进行个性化分类提供了便利，使教师能够根据学生作业的实际完成情况以一种简单、容易的方式进行自主个性化分类，以便用于后期的作业讲评和对学生的个性化指导，同时老师还可以将教师截取的作业批改内容及附加信息自动传达给学生，促进学生对批改结果的及时获取及自主学习。
-
公开(公告)号：CN111179070A
公开(公告)日：2020-05-19
申请号：CN202010098187.9
申请日：2020-02-18
Applicant: 电子科技大学
Abstract: 本发明提供了一种基于LSTM的借贷风险时效性预测系统，包括依次连接的服务器存储模块、长短记忆LSTM模块、强学习器GBDT训练模块、参数存储模块以及服务器选择模块。基于上述系统，本发明还公开了一种基于LSTM的借贷风险时效性预测方法。本发明通过结合用户时效性数据，对借贷用户的个人固定资产、身份信息和行为特点进行统计分析，使用LSTM以及GBDT进行回归预测，以确定在符合用户个人属性及行为特征的基础上，能够根据用户的个人信息以及行为历史进行分析，对再次借款时可能发生风险的几率进行预测，从而提供给金融机构推荐此次借贷交易的结果，降低借贷风险。
-
公开(公告)号：CN111178986A
公开(公告)日：2020-05-19
申请号：CN202010098177.5
申请日：2020-02-18
Applicant: 电子科技大学
Abstract: 本发明公开了一种用户-商品偏好的预测方法及系统，涉及计算机数据处理技术领域，其中预测系统包括日志召回模块、数据预处理模块、参数控制模块、模型训练模块、预测结果生成模块和数据输出模块，该方法利用深度学习突出的表征能力，通过在预测模型中引入深度学习思想，利用其表征能力来挖掘用户和商品的隐含特征，从而提供准确的用户-商品评分预测结果，为用户提供个性化、便捷的推荐服务；同时本发明还加入了并行计算来缩短训练时间，实现了在保证准确性的同时将模型的计算消耗限制在可接受的范围内，确保其具有商用价值，可泛用于各种推荐系统。
-
公开(公告)号：CN106021498B
公开(公告)日：2019-01-22
申请号：CN201610341334.4
申请日：2016-05-20
Applicant: 电子科技大学
IPC: G06F16/332
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。
-
公开(公告)号：CN116071119B
公开(公告)日：2023-12-08
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。
-
-
-
-
-
-
-
-
-
Search Results
36
records
(took 0.03 seconds)
