-
公开(公告)号：CN113326425A
公开(公告)日：2021-08-31
申请号：CN202110425642.6
申请日：2021-04-20
Applicant: 中国电子科技集团公司第五十四研究所 , 电子科技大学
IPC: G06F16/9535 , G06F40/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于结构和语义注意力堆叠的会话推荐方法及系统，属于会话推荐技术领域。本发明所述方法是基于用户物品点击序列，首先通过建立基于语义、时序结构、空间结构的注意力机制模型，从不同角度出发强化有关物品对用户全局兴趣表征的重要程度、弱化无关物品对用户全局兴趣表征的干扰，建立三种角度下的用户全局兴趣；然后，建立三种用户全局兴趣融合模型，形成多角度下的用户全局兴趣表征；最后，结合基于GRU循环神经网络生成的用户局部兴趣表征，建立用户兴趣表征，实现对用户下一刻点击物品的预测。
-
公开(公告)号：CN113395172B
公开(公告)日：2022-11-11
申请号：CN202110541915.3
申请日：2021-05-18
Applicant: 中国电子科技集团公司第五十四研究所 , 电子科技大学
IPC: H04L41/147 , H04L41/142
Abstract: 本发明公开了一种基于通信网的重要用户发现及行为预测方法，属于网络用户行为分析技术领域。本发明根据用户通信记录构建通信网络，先利用基于平衡树的Fast‑Newman算法进行社区划分，再利用PageRank算法综合社区划分结果挖掘重要用户。本发明还针对基于用户通信记录所构建的每个用户的历史通信用户序列，利用NARM模型实现重要用户的未来通信对象预测，同时利用数据统计方法挖掘通信规律以实现重要用户与未来通信对象通信时间的预测。本发明所述方法具有重要用户发现、重要用户的未来通信对象及通信时间预测能力，可为通信网络行为趋势预判提供一种技术方案。
-
公开(公告)号：CN113326425B
公开(公告)日：2022-09-20
申请号：CN202110425642.6
申请日：2021-04-20
Applicant: 中国电子科技集团公司第五十四研究所 , 电子科技大学
IPC: G06F16/9535 , G06F40/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于结构和语义注意力堆叠的会话推荐方法及系统，属于会话推荐技术领域。本发明所述方法是基于用户物品点击序列，首先通过建立基于语义、时序结构、空间结构的注意力机制模型，从不同角度出发强化有关物品对用户全局兴趣表征的重要程度、弱化无关物品对用户全局兴趣表征的干扰，建立三种角度下的用户全局兴趣；然后，建立三种用户全局兴趣融合模型，形成多角度下的用户全局兴趣表征；最后，结合基于GRU循环神经网络生成的用户局部兴趣表征，建立用户兴趣表征，实现对用户下一刻点击物品的预测。
-
公开(公告)号：CN112906831B
公开(公告)日：2023-06-06
申请号：CN202110427384.5
申请日：2021-04-21
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F18/2415 , G06N3/0442 , G06N3/0455 , G06N3/047 , G06N3/084
Abstract: 本发明涉及通信网用户信息分析技术，公开了一种结合网络结构与属性特征的通信网用户分类方法，将用户通信记录中的用户抽象成节点，根据用户间通信关系构建网络；根据用户属性集合以及用户间的关联情况，计算属性对网络结构与用户个体语义特征的贡献度，从而生成属性权重；设计基于属性权重的随机采样方法，获得包含网络结构与语义信息的采样序列；构建用户分类模型提取采样序列中的结构特征与语义特征从而完成用户分类。本发明有效结合网络结构与用户属性特征进行通信网用户分类，从而达到根据用户角色而非不同子网间的关联紧密度来进行用户类别划分的效果。
-
公开(公告)号：CN118175647A
公开(公告)日：2024-06-11
申请号：CN202410284545.3
申请日：2024-03-12
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明公开了一种基于感知增强网络的自适应干扰资源分配方法，属于深度强化学习技术领域。本发明所设计的感知增强网络包括状态识别网络和动作价值网络，其中状态识别网络用于识别通信方的状态价值，增强对通信方抗干扰状态的感知能力，然后将状态价值反馈给动作价值网络以选择最优干扰动作，从而帮助模型更精准地匹配最优干扰资源分配策略。并且，构建了一个双目标优化奖励函数，通过调整两个归一化后的奖励函数的相对重要性权重，达到干扰成功和资源节约之间的最佳平衡。此外，设计了动态修正的优先经验回放机制，以实现对数据样本的高效利用并确保策略的快速收敛。
-
Patent Agency Ranking
公开(公告)号：CN117149457A
公开(公告)日：2023-12-01
申请号：CN202311096337.2
申请日：2023-08-29
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所
IPC: G06F9/54 , G06F16/9535 , G06F16/36 , H04L41/026
Abstract: 本发明公开了一种消息中间件的信息自适应分发策略及流程自动编排方法，属于数据处理领域。本发明所述方法以用户需求为导向，设计了信息分发自适应策略，旨在改变传统用户被动订阅消息模式，以实现用户主动接收感兴趣信息。基于LDA主题建模技术获取用户兴趣标签，并基于Neo4j构建用户兴趣知识图谱；基于注意力机制构建用户兴趣知识图谱全局语义信息与待分发消息文本全局语义信息的映射关系，实现信息内容语义自适应分发；利用免疫优化算法构建信息模态的自适应分发，以提高信息分发的信道利用率；最后，基于流程引擎技术构建信息自适应分发系统及流程自动编排，实现分发数据节点的模块化定制与分发流程的自动化生成编排。
-
公开(公告)号：CN113395172A
公开(公告)日：2021-09-14
申请号：CN202110541915.3
申请日：2021-05-18
Applicant: 中国电子科技集团公司第五十四研究所 , 电子科技大学
IPC: H04L12/24
Abstract: 本发明公开了一种基于通信网的重要用户发现及行为预测方法，属于网络用户行为分析技术领域。本发明根据用户通信记录构建通信网络，先利用基于平衡树的Fast‑Newman算法进行社区划分，再利用PageRank算法综合社区划分结果挖掘重要用户。本发明还针对基于用户通信记录所构建的每个用户的历史通信用户序列，利用NARM模型实现重要用户的未来通信对象预测，同时利用数据统计方法挖掘通信规律以实现重要用户与未来通信对象通信时间的预测。本发明所述方法具有重要用户发现、重要用户的未来通信对象及通信时间预测能力，可为通信网络行为趋势预判提供一种技术方案。
-
公开(公告)号：CN112906831A
公开(公告)日：2021-06-04
申请号：CN202110427384.5
申请日：2021-04-21
Applicant: 电子科技大学 , 中国电子科技集团公司第五十四研究所
Abstract: 本发明涉及通信网用户信息分析技术，公开了一种结合网络结构与属性特征的通信网用户分类方法，将用户通信记录中的用户抽象成节点，根据用户间通信关系构建网络；根据用户属性集合以及用户间的关联情况，计算属性对网络结构与用户个体语义特征的贡献度，从而生成属性权重；设计基于属性权重的随机采样方法，获得包含网络结构与语义信息的采样序列；构建用户分类模型提取采样序列中的结构特征与语义特征从而完成用户分类。本发明有效结合网络结构与用户属性特征进行通信网用户分类，从而达到根据用户角色而非不同子网间的关联紧密度来进行用户类别划分的效果。
-
公开(公告)号：CN119168060A
公开(公告)日：2024-12-20
申请号：CN202411196030.4
申请日：2024-08-28
Applicant: 电子科技大学
IPC: G06N5/04 , G06N5/022 , G06N3/0455 , G06F40/295
Abstract: 本发明公开了本发明涉及时序知识图谱推理技术领域，具体涉及一种基于扩散过程的时序知识图谱推理方法。属于知识图谱推理技术领域。主旨在于解决难以捕获罕见/未见未来事件中不确定性信息的问题，本发明所述方法首先采用序列表示学习模块，将与主体实体相关的对象、关系和时间间隔序列转换为统一的连续表示。通过策略性引入高斯噪声增强未来事件表示，以模拟未来事件的不确定性，并且考虑时序知识图谱结构的时变性，采用基于Transformer模型的条件去噪模块来重建事件中的潜在参与者。然后，通过策略性地引入高斯噪声来增强这一过程，模拟未来事件的不确定性。此外，本发明所述方法还引入了不确定性正则化损失，有利于区分历史事件和罕见/未知事件，从而提高模型的预测清晰度并减少过拟合的倾向。
-
公开(公告)号：CN117131874A
公开(公告)日：2023-11-28
申请号：CN202311099621.5
申请日：2023-08-29
Applicant: 电子科技大学
Abstract: 本发明公开了一种基于多视角相邻跨度增强的方面级情感分类方法，属于情感分析技术领域。本发明所述方法首先通过引入一个相邻跨度增强模块，用于突出关于方面词相邻单词的各种组合，以便于更灵活地捕捉方面词和相邻词之间的上下文关联；然后，构造了一个多视角注意力模块，利用全局表示来建立每个方面的多视角情感表示，这种平行的注意力机制提高了捕捉关于给定方面的相关意见词的准确性和全面性；最后，通过一个平均池化层聚合多视角情感表示，该层聚合了来自所有相邻跨度的信息形成给定方面的整体综合情感表示，实现情感极性的预测。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.054 seconds)
