-
公开(公告)号：CN109783725A
公开(公告)日：2019-05-21
申请号：CN201811536137.3
申请日：2018-12-15
Applicant: 华南理工大学
IPC: G06F16/9535
Abstract: 本发明公开了一种融入用户好奇心机制的推荐方法，包括以下步骤：根据历史纪录计算新颖度和冲突度，然后通过加权求和得到刺激度，根据历史纪录的刺激度列表，训练每一个用户各自的冯特曲线；使用基于准确率的推荐方法进行学习，得到相关度列表；根据冯特曲线对物品计算其对用户的好奇心，进行排序，得到每个用户的好奇心列表；最后使用波达计数法对两个列表进行排序。
-
公开(公告)号：CN118210978A
公开(公告)日：2024-06-18
申请号：CN202410409181.7
申请日：2024-04-07
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/906 , G06N3/0464 , G06N3/094 , G06N3/086
Abstract: 本发明公开了一种基于奇偶层图对比学习和交叉配对采样的流行度偏差消除推荐方法，所述方法包括：根据获取的用户与物品交互的数据集，构建二分图；将二分图的邻接矩阵输入去偏推荐模型中的图卷积网络，将所有卷积层的输出均值作为用户和物品的原始视图；将二分图的邻接矩阵输入去偏推荐模型中的噪音扰动的图卷积网络，基于节点在卷积奇数层和偶数层的邻居结构关系，构建对比视图；对数据集采用交叉配对采样得到训练集；根据训练集和原始视图计算主任务的损失函数，根据对比视图计算代理任务的损失函数；对两个损失函数共同优化得到最终的节点表示；根据最终的节点表示，得到用户对应的无偏物品推荐列表。本发明能够很好地消除推荐结果中的流行度偏差，在保证推荐准确性的前提下，有效地提升推荐结果的多样性。
-
公开(公告)号：CN117521846A
公开(公告)日：2024-02-06
申请号：CN202311382946.4
申请日：2023-10-23
Applicant: 华南理工大学 , 深圳市腾讯计算机系统有限公司
IPC: G06N20/00
Abstract: 本发明公开了一种面向离线强化学习的在线自适应方法、系统、装置及介质，属于离线强化学习策略部署领域。其中方法包括：获取在线状态数据s并存入缓冲区中；计算在线状态数据s经过离线策略的动作熵，并筛选出置信样本；利用置信样本微调离线策略中的预设参数，以适应在线环境分布的变化；使用最小化动作熵作为损失函数来反向传播更新离线策略参数，从而使得离线策略能适应各种在线环境分布的偏移；使用KL散度来约束离线策略，避免参数更新的幅度过大，以防止模型坍塌。本发明在测试阶段，利用置信状态数据s来进一步微调离线强化学习策略，以适应在线环境分布的变化。另外，使用KL散度来约束离线策略，避免参数更新幅度过大。
-
公开(公告)号：CN115951248A
公开(公告)日：2023-04-11
申请号：CN202310073194.7
申请日：2023-01-31
Applicant: 华南理工大学 , 广州华工机动车检测技术有限公司
IPC: G01R31/388 , G01R31/367
Abstract: 本发明公开了一种部署于主控的赛车电池SOC估计方法、装置及介质，其中方法包括：建立电池各SOC阶段一阶电路等效模型，并进行各SOC阶段电池参数辨识，获得SOC与电池参数的对应关系；获取开路电压OCV与SOC的关系，得到OCV‑SOC曲线及方程；根据各SOC阶段电池模型参数，建立系统状态转移方程与观测方程；在Simulink中构建扩展卡尔曼滤波算法，并进行算法仿真；将仿真后的算法烧入车辆的主控进行滤波。本发明结合算法的模块化特点，将算法部署在主控中，部署过程简单，减少了算法部署对BMS硬件环境的依赖，降低了SOC算法部署的技术成本。本发明可广泛应用于电池SOC技术领域。
-
公开(公告)号：CN115438256A
公开(公告)日：2022-12-06
申请号：CN202210990287.1
申请日：2022-08-18
Applicant: 华南理工大学
IPC: G06F16/9535 , G06N3/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络结合好奇心的个性化推荐方法、系统、计算机设备及存储介质，所述方法包括：获取用户与物品交互的数据集，利用隐语义模块，得到用户和物品的交互信息以及用户与物品的特征向量，将得到的数据分别输入图卷积模块和好奇心模块，分别得到物品针对特定用户的预测相关性得分以及预测好奇心得分；根据预测相关性得分以及预测好奇心得分，得到用户的个性化物品推荐列表；利用数据集对好奇心模型中的隐语义模块和图卷积模块进行训练，将用户和物品序号输入训练好的好奇心模型，得到用户的个性化物品推荐列表。本发明通过将好奇心与推荐系统深度融合，保证一定程度推荐准确性的前提下，有效提升了推荐结果的多样性。
-
Patent Agency Ranking
公开(公告)号：CN115329191A
公开(公告)日：2022-11-11
申请号：CN202210838987.9
申请日：2022-07-18
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F17/16 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于好奇心的个性化推荐方法、系统、计算机设备和存储介质，所述方法包括：获取数据集，构建用户物品交互矩阵；将用户物品交互矩阵中的用户和物品编号分别输入好奇心模型中个体偏好模块和社会共识模块，分别输出个体偏好得分和社会共识分数；利用用户物品交互矩阵分别训练个体偏好模块和社会共识模块，根据初步训练后的两个模块输出的分数构建好奇心曲线，进而计算好奇心分数并作为指导权重对上述两个模块继续进行训练；利用训练好的两个模块，对真实场景中的用户物品交互数据进行预测，得到最终的推荐列表。通过本发明提供的方法，有效缓解了“信息孤岛”问题，实现了基于用户好奇心探索的多样性推荐，具有良好的实际应用价值。
-
公开(公告)号：CN110706766A
公开(公告)日：2020-01-17
申请号：CN201910820029.7
申请日：2019-08-31
Applicant: 华南理工大学
Abstract: 本发明提供一种区块链的电子病历管理系统及转诊方法。本发明的电子病历管理系统包括：用户管理模块、区块链网络模块、医疗数据处理模块、转诊模块和通讯模块。本法基于区块链的电子病历管理系统中的医疗数据联盟链在创建、维护、转诊等过程中涉及到参与方，具有储存，维护电子病历数据联盟链，监督区块链记录的正确性，发起查询，和转诊请求等功能。针对病人病历数据在不同医院之中存在数据孤岛的问题，简化了异地就医的数据流通，在病人方面，医疗信息线上流转，医生可以更加方便及时查看各个医疗阶段的详细信息，可以协助医生了解病人的往期病历，降低隐性病的漏查的可能性。
-
公开(公告)号：CN106055713A
公开(公告)日：2016-10-26
申请号：CN201610519445.X
申请日：2016-07-01
Applicant: 华南理工大学
Abstract: 本发明公开了一种基于用户兴趣和社交主题提取的社交网络用户推荐方法，包括以下步骤：获取社交网络中用户的“follower‑followee”关系以及“mutual‑following”关系信息；提取用户的社交主题和兴趣主题；在这些主题的基础上分别形成用户的社交社区和兴趣社区；将各个社区分别整理成矩阵形式，使用矩阵分解方法对各个社区矩阵进行分解以计算各用户对在各个社区矩阵的意愿关注分数，取各个用户对在所有社区的意愿关注分数的最大值为最终意愿关注分数，为目标用户排序其与其他用户的最终意愿关注分数，最终选取分数最高的TOP‑N用户为推荐关注用户。具有得到了更准确的社交网络用户推荐结果等优点。
-
公开(公告)号：CN118312169A
公开(公告)日：2024-07-09
申请号：CN202410467600.2
申请日：2024-04-18
Applicant: 华南理工大学
IPC: G06F8/35 , G06F18/214
Abstract: 本发明公开了一种基于审阅者的迭代自增强生成方法、系统、设备和存储介质，所述方法包括：根据获取的数据集，构建向量检索库；根据数据集和向量检索库，构建生成器模块训练集和审阅者模块训练集；利用生成器模块训练集对生成器模块进行训练，得到第一次输出代码；将第一次输出代码和对应文本加入生成器模块训练集，利用扩充的训练集对生成器模块进行持续训练并得到后续输出代码；将文本和后续代码替换掉之前的文本和代码作为新的训练集；利用审阅者模块训练集对审阅者模块进行训练，并得到带掩码的输出代码；将带掩码的输出代码和对应的文本加入到新的训练集并对生成器模块进行训练；基于训练好的生成器模块和审阅者模块，根据文本生成代码。本发明有效提高了代码的生成质量。
-
公开(公告)号：CN109783725B
公开(公告)日：2021-07-20
申请号：CN201811536137.3
申请日：2018-12-15
Applicant: 华南理工大学
IPC: G06F16/9535
Abstract: 本发明公开了一种融入用户好奇心机制的推荐方法，包括以下步骤：根据历史纪录计算新颖度和冲突度，然后通过加权求和得到刺激度，根据历史纪录的刺激度列表，训练每一个用户各自的冯特曲线；使用基于准确率的推荐方法进行学习，得到相关度列表；根据冯特曲线对物品计算其对用户的好奇心，进行排序，得到每个用户的好奇心列表；最后使用波达计数法对两个列表进行排序。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.032 seconds)
