-
公开(公告)号：CN108038178A
公开(公告)日：2018-05-15
申请号：CN201711288291.9
申请日：2017-12-07
Abstract: 本发明实施例提供了一种用户用电行为可视化分析方法、装置及电子设备。方法包括：获得待分析用电行为的各个用户的聚类结果；获取可视化数据；基于聚类结果和可视化数据，计算每个聚类中的所有用户在预设时间段的各个预设区段内的峰、平、尖以及谷时段用电量总和；计算每个聚类中每个预设区段对应的第一、第二、第三和第四比例；确定每个聚类中每个预设区段对应的可视化圆；基于每个聚类中每个预设区段对应的第一、第二、第三和第四比例对应的不同预设颜色，对每个聚类中每个预设区段对应的可视化圆的四个分区进行渲染，得到用户行为可视化分析图。应用本发明实施例，能够通过可视化分析图直观地看出不同聚类的用户的用电行为差异。
-
公开(公告)号：CN119962628A
公开(公告)日：2025-05-09
申请号：CN202510050123.4
申请日：2025-01-13
Applicant: 北京邮电大学
IPC: G06N3/096 , G06N3/042 , G06N5/04 , G06N3/084 , G06N3/0985
Abstract: 本发明公开了一种基于测试时微调的图数据分析方法。该方法包括以下步骤：收集图预训练数据集；构建图基础模型，并利用图预训练数据集对图基础模型进行预训练，获取预训练后的图基础模型；设置测试时微调阶段，并在测试时微调阶段对预训练后的图基础模型进行改进，以获取改进的图形基础模型；获取待分析图数据集，并利用改进的图形基础模型对待分析图数据集进行分析，以获取图数据分析结果。本发明提出的方法在推理阶段引入了额外的参数调整阶段，即测试时微调阶段，通过这一阶段，可以有效减少推理阶段的计算资源消耗，提高推理效率，相比于现有技术，本发明在保证预测精度的前提下，大大加快了推理速度，适合处理大规模图数据。
-
公开(公告)号：CN119962626A
公开(公告)日：2025-05-09
申请号：CN202510050118.3
申请日：2025-01-13
Applicant: 北京邮电大学
Abstract: 本发明公开了一种面向图学习的联合任务与分布泛化方法，包括如下步骤：获取蛋白质分子对应的源任务集、适应样本集和目标任务集；使用训练集对神经网络模型进行训练，得到图预测模型；图预测模型包括输入模块、精炼器模块和预测器模块；使用适应样本集对图预测模型进行适配性训练，得到特定图预测模型；将目标任务集输入特定图预测模型，通过特定图预测模型输出目标任务集对应的蛋白质分子预测结果。本发明可以通过提取任务关键子图，减少了图数据中的冗余信息，提高了模型的预测准确性和泛化性。
-
公开(公告)号：CN119961518A
公开(公告)日：2025-05-09
申请号：CN202510050126.8
申请日：2025-01-13
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/34 , G06N3/042 , G06N3/045 , G06N5/04 , G06N5/045
Abstract: 本发明公开了一种基于图神经网络和语言模型的内容推荐方法。该方法包括以下步骤：获取用户的标准配置文件数据和标准交互数据；构建用户交互图数据；获取用户的偏好推理结果；将用户的偏好推理结果转换为查询嵌入，并使用查询嵌入对用户交互图数据进行子图提取，以获取用户偏好子图数据；获取用户的意图推理子图数据；基于用户的意图推理子图数据和图神经网络，获取待推荐内容的评分结果。本发明结合了用户配置文件、交互图和交互信息等多种数据源，通过自然语言处理技术和图神经网络，能够更全面地捕捉用户偏好的信息，这不仅弥补了现有方法依赖显式数据的不足，还能够从隐式数据中发现用户潜在的兴趣爱好，提高推荐的准确性和覆盖面。
-
公开(公告)号：CN119150022A
公开(公告)日：2024-12-17
申请号：CN202411178149.9
申请日：2024-08-26
Applicant: 中移动信息技术有限公司 , 中国移动通信集团有限公司 , 北京邮电大学
IPC: G06F18/214 , G06F18/213 , G06F16/9535 , G06N5/022 , G06N3/042 , G06N3/045 , G06N3/0895
Abstract: 本申请公开了一种模型训练方法、项目推荐方法、装置、设备、介质及产品。该方法包括：获取多个训练样本；将训练样本输入至预设的项目推荐模型，通过项目推荐模型对二分图样本进行特征提取，得到第一特征向量，以及通过项目推荐模型对知识图谱样本进行特征提取，得到第二特征向量；通过项目推荐模型对第一特征向量和第二特征向量进行对比学习，得到第一损失函数值；在不满足训练停止条件的情况下，基于第一损失函数值调整项目推荐模型的模型参数，并利用多个训练样本训练参数调整后的项目推荐模型，直至满足训练停止条件，得到训练好的项目推荐模型。这样可以使训练好的项目推荐模型准确性更高，预测的推荐项目更能满足用户需求。
-
Patent Agency Ranking
公开(公告)号：CN118153652A
公开(公告)日：2024-06-07
申请号：CN202410184886.3
申请日：2024-02-19
Applicant: 北京邮电大学
IPC: G06N3/08 , G06N3/084 , G06N3/042 , G06N3/0895
Abstract: 本申请提供的一种图神经网络的校准方法、装置及相关设备，包括：响应于获取到图神经网络的校准图，确定校准图所有边中的任一条边为选中边，确定选中边的两个端节点；通过图神经网络确定端节点的节点嵌入，根据节点嵌入通过完成交叉熵损失最小化训练的多层感知机确定选中边对应的第一权重；确定每条边对应的第一权重生成第一权重集，根据第一权重集对图神经网络输出的预测结果进行调整，生成中间结果；确定中间结果中端节点对应的中间预测结果，对中间预测结果进行温度缩放的归一化计算，确定计算结果之间的欧几里得距离，生成第二权重；确定每条边对应的第二权重生成第二权重集，根据第一权重集和/或第二权重集对图神经网络进行校准调整。
-
公开(公告)号：CN112699938B
公开(公告)日：2024-01-05
申请号：CN202011604370.8
申请日：2020-12-30
Applicant: 北京邮电大学
IPC: G06F18/241 , G06F18/2131 , G06N3/0464 , G06N3/043 , G06N3/045
Abstract: 本发明实施例提供了一种基于图卷积网络模型的分类方法及装置，获取目标对象的待处理特征数据，并输入至目标图卷积网络模型；目标图卷积网络模型包括多层感知器、卷积网络和特征变换层；通过多层感知器分别对每一目标对象的待处理特征数据进行非线性变换，得到该目标对象的第一特征数据；通过卷积网络，对各目标对象的第一特征数据进行特征提取，得到各目标对象的聚合特征数据；通过特征变换层分别对每一目标对象的聚合特征数据进行映射处理，得到该目标对象的类别标签；在预设的类别标签与类别的对应关系中，确定每一目标对象的类别标签对应的类别，作为该目标对象的类别。基于上述
-
公开(公告)号：CN111814853B
公开(公告)日：2023-03-21
申请号：CN202010591742.1
申请日：2020-06-24
Applicant: 北京邮电大学
IPC: G06V10/762
Abstract: 本发明实施例提供了一种数据选择偏差下的去相关聚类方法及装置，其中，方法包括：获取存在偏差的多张图像，作为样本集；基于样本集，联合优化加权后聚类算法和去相关正则项，得到最优加权后聚类算法，其中，最优加权后聚类算法是通过多次计算加权后聚类算法得到的，加权后聚类算法是通过使用去相关正则项学习得到的各样本权重，对聚类算法进行加权得到的；各样本权重为通过使用去相关正则项，对样本集中的各图像，学习本次各样本权重；通过在本次加权后聚类算法中包含的本次聚类中心和簇不是首次聚类中心和簇，并且本次聚类中心和簇与上次聚类中心和簇之间的差异小于阈值时，得到最优加权后聚类算法，以确定图像不受偏差影响的聚类中心和簇。
-
-
公开(公告)号：CN110704576B
公开(公告)日：2022-07-01
申请号：CN201910944006.7
申请日：2019-09-30
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种基于文本的实体关系抽取方法及装置，该方法从预设的语料库中确定待处理文本中待处理实体所属描述文本中的词作为待处理词；根据待处理实体和待处理词分别与待处理文本的所属关系，得到文本向量表示；将述文本向量表示输入至预设的关系分类模型，得到待处理实体间的关系表示，本实施例引入了待处理实体及待处理实体所属的描述文本，以使得到的文本向量表示包含了待处理实体存在的潜在信息，可见，应用本实施例提供的方法能够提高对文本进行分类的准确率。
-
-
-
-
-
-
-
-
-
Search Results
118
records
(took 0.048 seconds)
