-
公开(公告)号：CN118761823A
公开(公告)日：2024-10-11
申请号：CN202410845467.X
申请日：2024-06-27
Applicant: 北京邮电大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/2113 , G06F18/23213 , G06F18/243 , G06N3/042 , G06N3/0455 , G06N3/08 , G06N5/01
Abstract: 基于大语言模型的电信领域权益产品推荐系统和方法，系统包括如下模块：用户特征分析模块、用户画像生成模块、产品画像生成模块和排序推荐模块；方法包括如下操作步骤：(1)根据电信权益产品的用户订阅数据，基于决策树模型，得到用户优选特征；(2)将传统的基于表格数据的用户信息转化为基于文本的用户画像；(3)通过大语言模型生成电信权益产品的产品画像；(4)基于用户画像、产品画像以及用户与电信权益产品的交互行为信息，对所有的电信权益产品进行排序；本发明精准地匹配用户需求和权益产品优势，实现了个性化的产品推荐。
-
公开(公告)号：CN117640414A
公开(公告)日：2024-03-01
申请号：CN202311692250.1
申请日：2023-12-11
Applicant: 北京邮电大学
IPC: H04L41/147 , H04L41/142 , H04W52/02
Abstract: 基于时域频域空间域联合特征的基站流量预测系统和方法，系统包括如下模块：数据嵌入层模块、时域频域模块、空间域模块和输出层模块；方法包括如下操作步骤：(1)系统的数据嵌入层模块对基站流量数据X进行编码，得到基站流量数据的编码信息Xemb；(2)系统的时域频域模块提取基站流量数据的时域特征和频域特征XTM；(3)系统的空间域模块提取基站流量数据的空间域特征XSM；(4)输出层模块根据所述的时域频域模块和空间域模块的输出结果，计算得到基站流量预测结果。
-
公开(公告)号：CN111611431B
公开(公告)日：2023-07-28
申请号：CN202010301644.X
申请日：2020-04-16
Applicant: 北京邮电大学
IPC: G06F16/65 , G06N3/044 , G06N3/0464 , G06N3/045
Abstract: 一种基于深度学习的音乐分类方法，包括：将音乐的音频文件转化成梅尔声谱图，并生成音乐标签的独热向量；将音乐的梅尔声谱图和音乐标签的独热向量分别传入卷积神经网络和循环神经网络，通过卷积神经网络获得音乐的频域和时域特征向量，通过循环神经网络获得音乐‑标签关系向量，然后将卷积神经网络和循环神经网络各自的输出向量映射到相同维度后，连接合并构成一个音乐‑标签嵌入向量；将音乐‑标签嵌入向量传入标签预测层，其输出是音乐对应每个类别标签的概率值，最后根据概率值，从所有类别标签中挑选多个类别标签作为音乐的分类。本发明属于信息技术领域，能基于音乐类别的繁多和交错关系，实现音乐类别标签的准确预测。
-
公开(公告)号：CN109189988B
公开(公告)日：2021-06-22
申请号：CN201811085594.5
申请日：2018-09-18
Applicant: 北京邮电大学
IPC: G06F16/735 , G06F16/78
Abstract: 一种视频推荐方法，包括：选取M个推荐视频，构建其数值矩阵，构建视频胶囊网络，输入视频的数值矩阵来获得每个推荐视频的特征向量；选取N位用户，划分T个时间槽，为每位用户在每个时间槽上分别构建一个潜在兴趣向量，同时，为M个推荐视频构建各自潜在特征向量；构建M个推荐视频之间的行为转移矩阵；根据N位用户的视频观看行为，为用户选取其已观看过的和未观看过的视频来构成一定数量用户‑视频偏序关系对；采用梯度下降法，对每位用户在每个时间槽上的潜在兴趣向量、每个推荐视频的潜在特征向量进行优化；计算用户在第T个时间槽下对推荐视频的兴趣值向量，并据此推荐视频。本发明属于信息技术领域，能基于胶囊网络来实现精准的视频推荐。
-
公开(公告)号：CN109189988A
公开(公告)日：2019-01-11
申请号：CN201811085594.5
申请日：2018-09-18
Applicant: 北京邮电大学
IPC: G06F16/735 , G06F16/78
Abstract: 一种视频推荐方法，包括：选取M个推荐视频，构建其数值矩阵，构建视频胶囊网络，输入视频的数值矩阵来获得每个推荐视频的特征向量；选取N位用户，划分T个时间槽，为每位用户在每个时间槽上分别构建一个潜在兴趣向量，同时，为M个推荐视频构建各自潜在特征向量；构建M个推荐视频之间的行为转移矩阵；根据N位用户的视频观看行为，为用户选取其已观看过的和未观看过的视频来构成一定数量用户-视频偏序关系对；采用梯度下降法，对每位用户在每个时间槽上的潜在兴趣向量、每个推荐视频的潜在特征向量进行优化；计算用户在第T个时间槽下对推荐视频的兴趣值向量，并据此推荐视频。本发明属于信息技术领域，能基于胶囊网络来实现精准的视频推荐。
-
Patent Agency Ranking
公开(公告)号：CN117708426A
公开(公告)日：2024-03-15
申请号：CN202311739020.6
申请日：2023-12-18
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06N3/0464 , G06N3/045
Abstract: 基于双曲超图神经网络与注意力机制的会话推荐系统和方法，系统包括双曲超图神经网络模块、会话学习模块SLM、兴趣提取模块IEM和预测模块；方法包括如下操作步骤：(1)双曲超图神经网络模块为全体会话中所包含的所有物品生成高质量的初始化表征；(2)会话学习模块SLM计算每个会话的含有数据空间结构性质的所有物品的新表征；(3)兴趣提取模块IEM计算每个会话的含有会话中各个物品之间的长距离依赖关系和物品的相对位置信息的新表征；(4)预测模块为每个会话生成最终的Top‑K预测。
-
公开(公告)号：CN113283236B
公开(公告)日：2022-07-19
申请号：CN202110603755.0
申请日：2021-05-31
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/216 , G06F40/30 , G06N3/04 , G06N3/08
Abstract: 一种复杂中文文本中的实体消歧方法，包括：从待消歧中文文本中提取所有待消歧实体指称；采用实体检索技术，从实体知识库中为每个待消歧实体指称选取若干个实体作为预候选实体，然后计算每个待消歧实体指称和每个预候选实体的第一相似度，并根据第一相似度挑选若干个实体作为候选实体；计算每个待消歧实体指称和每个候选实体的消歧相似度，并判断每个待消歧实体指称和所有候选实体的消歧相似度的最大值是否大于消歧相似度阈值，如果是，则待消歧实体指称是可链接实体，将待消歧实体指称链接至实体知识库中消歧相似度最大值对应的候选实体。本发明属于信息技术领域，能有效解决复杂中文文本领域的实体歧义问题，并提高实体召回率和实体链接准确率。
-
公开(公告)号：CN109711309B
公开(公告)日：2020-11-27
申请号：CN201811561523.8
申请日：2018-12-20
Applicant: 北京邮电大学
IPC: G06K9/00
Abstract: 一种自动识别人像图片是否闭眼的方法，包括：采集人像图片；检测获取人像图片中左、右眼周围特征点的坐标；从人像图片中截取左、右眼图片；训练左、右眼‑卷积神经网络，左或右眼‑卷积神经网络的输入是左或右眼图片，输出是左或右眼是否闭眼的概率；将从待识别人像图片中截取出的左、右眼图片分别输入训练后的左、右眼‑卷积神经网络，然后从左、右眼‑卷积神经网络中分别提取中间层的输出作为左、右眼特征向量，并构成眼部整体特征向量；对眼部整体特征向量进行线性变换，并采用归一化指数函数计算左闭眼、右闭眼、双眼闭眼和睁眼的概率，以据此判断左、右眼是否闭眼。本发明属于信息技术领域，能精确识别人像图片中的左、右眼是否闭眼。
-
公开(公告)号：CN111611431A
公开(公告)日：2020-09-01
申请号：CN202010301644.X
申请日：2020-04-16
Applicant: 北京邮电大学
Abstract: 一种基于深度学习的音乐分类方法，包括：将音乐的音频文件转化成梅尔声谱图，并生成音乐标签的独热向量；将音乐的梅尔声谱图和音乐标签的独热向量分别传入卷积神经网络和循环神经网络，通过卷积神经网络获得音乐的频域和时域特征向量，通过循环神经网络获得音乐-标签关系向量，然后将卷积神经网络和循环神经网络各自的输出向量映射到相同维度后，连接合并构成一个音乐-标签嵌入向量；将音乐-标签嵌入向量传入标签预测层，其输出是音乐对应每个类别标签的概率值，最后根据概率值，从所有类别标签中挑选多个类别标签作为音乐的分类。本发明属于信息技术领域，能基于音乐类别的繁多和交错关系，实现音乐类别标签的准确预测。
-
公开(公告)号：CN106791221B
公开(公告)日：2019-05-31
申请号：CN201611109181.7
申请日：2016-12-06
Applicant: 北京邮电大学
Abstract: 一种基于通话的亲友圈关系识别方法，包括有：提取话单数据，计算每两个用户之间的通话指标，并据此判断每两个用户之间是否存在频繁通话关系；将相互之间存在频繁通话关系的k个用户构成一个k项用户集，然后基于多个k项用户集，并采用聚类算法生成若干个k+1项用户集：判断每两个k项用户集中是否存在k‑1个相同用户、且唯一不同的用户之间存在频繁通话关系，如果是，则将所述两个k项用户集中的所有不重复的用户构成一个k+1项用户集，所述k+1项用户集中的所有用户之间是亲友圈关系。本发明属于网络通信技术领域，能基于用户之间的通信指标，从海量用户之间挖掘出由相互之间频繁通信的用户所组成的亲友圈，从而实现个性化营销。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.035 seconds)
