-
公开(公告)号：CN109885761A
公开(公告)日：2019-06-14
申请号：CN201910066076.7
申请日：2019-01-24
Applicant: 暨南大学
IPC: G06F16/9535 , G06Q10/10
Abstract: 本发明公开了一种人力资源企业的职位和人才匹配和推荐方法，具体涉及网络招聘领域，具体包括协同过滤推荐方案、基于专家智慧推荐方案和整合方案。本发明使求职者无需输入准确的搜索关键词：省去求职者构造合适关键词的过程，也就避免了检索需要依赖查询关键词精确匹配所带来的问题，职位推荐方案为求职者推荐其可能感兴趣的职位信息；线下互动，主动推送：通过职位推荐，招聘网站可以定期将求职者可能感兴趣的职位主动地推送到求职者注册的邮箱或者手机上；职位过滤：职位检索的其中一个目的就是过滤相关度低求职者兴趣不大的职位，用户感兴趣的职位推荐的结果一般来说也就数十个职位，这一做法可以降低用户的信息过载负担。
-
公开(公告)号：CN117011194B
公开(公告)日：2024-01-30
申请号：CN202311278822.1
申请日：2023-10-07
Applicant: 暨南大学
IPC: G06T5/00 , G06T5/60 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种基于多尺度双通道注意力网络的低光图像增强方法，包括：构建训练集；所述训练集包括：低光图像和高光图像；利用所述训练集对预设的多尺度双通道注意力低光增强网络（MDANet）进行训练；预设的多尺度双通道注意力低光增强网络包括：多尺度特征提取和融合(MFEF)模块、双通道注意力特征增强(DAFE)模块；对所述低光图像进行预处理后，输入训练后的所述多尺度双通道注意力低光增强网络，完成低光图像增强。本发明通过堆叠多个多尺度特征提取和融合模块，实现自顶向下的特征提取和自底向上的特征融合，并取得极好的低光增强效果。(56)对比文件Yang Qun et al..A Lowlight ImageEnhancement Method Learning from BothPaired and Unpaired Data by AdversarialTraining《. Neurocomputing》.2020,第1-9页.
-
公开(公告)号：CN110060772B
公开(公告)日：2022-07-01
申请号：CN201910066007.6
申请日：2019-01-24
Applicant: 暨南大学
Abstract: 本发明公开了一种基于社交网络的职业心理性格分析方法，具体涉及心理分析领域，具体步骤为：步骤一：采集用户的基本信息；步骤二：构造MBTI职业性格四维度的分类器；步骤三：将修改过权值的新数据集送给下层分类器进行训练；步骤四：完成对象的MBTI分析报告。本发明通过采集个人的社交网络内容并进行全面深入的量化分析，借助MBTI模型量化个人微博内容和职业心理性格之间的关联，通过采集样本训练分类器，使得招聘方可以根据候选人在社交网络发布的内容全面迅速准确地判断地其职业心理性格，为决策提供客观的依据，同时本发明用信息技术实现了上述整个分析过程的自动化，大大降低了分析的时间成本。
-
公开(公告)号：CN110289073A
公开(公告)日：2019-09-27
申请号：CN201910553829.7
申请日：2019-06-25
Applicant: 暨南大学
IPC: G16H20/30 , G06F16/9537
Abstract: 本发明公开了一种移动运动应用中的运动路线推荐方法，具体涉及运动路线推荐领域，具体推荐步骤如下：S1、利用Geohash编码搜索候选路线数据集；S2、规约化路线数据集；S3、计算运动路线属性相似度以及计算运动模式相似度，最终由运动路线上的细节和个人整体运动能力两方面决定被推荐的路线，将推荐结果推送给用户。本发明为现在方兴未艾的移动运动应用的用户提供个性化的运动路线推荐，利用大量用户在使用移动运动应用过程中积累形成的海量运动路线数据，为用户提供与其所在位置以及其个人运动能力相匹配的运动路线建议，从而达到丰富移动运动应用的功能改善用户体验的目的。
-
公开(公告)号：CN110060772A
公开(公告)日：2019-07-26
申请号：CN201910066007.6
申请日：2019-01-24
Applicant: 暨南大学
Abstract: 本发明公开了一种基于社交网络的职业心理性格分析方法，具体涉及心理分析领域，具体步骤为：步骤一：采集用户的基本信息；步骤二：构造MBTI职业性格四维度的分类器；步骤三：将修改过权值的新数据集送给下层分类器进行训练；步骤四：完成对象的MBTI分析报告。本发明通过采集个人的社交网络内容并进行全面深入的量化分析，借助MBTI模型量化个人微博内容和职业心理性格之间的关联，通过采集样本训练分类器，使得招聘方可以根据候选人在社交网络发布的内容全面迅速准确地判断地其职业心理性格，为决策提供客观的依据，同时本发明用信息技术实现了上述整个分析过程的自动化，大大降低了分析的时间成本。
-
Patent Agency Ranking
公开(公告)号：CN109918563A
公开(公告)日：2019-06-21
申请号：CN201910066005.7
申请日：2019-01-24
Applicant: 暨南大学
IPC: G06F16/9535 , G06Q30/06
Abstract: 本发明公开了一种基于公开数据的图书推荐的方法，具体涉及数字图书馆领域，具体包括以下推荐方法：网上书店书籍数据采集、网上书店能提供信息的书籍的阅读价值评估、馆藏特色书籍数据采集、馆藏特色书籍的阅读价值评估、图书推荐策略以及对外提供图书阅读价值和推荐服务的接口共六个步骤，本发明借助集体智慧的图书推荐技术，通过网络技术不断采集各大网络书店发布的图书销售和推荐信息，根据这些公开数据作为推荐参考标准的思路，集合数量远超一个图书馆的用户的海量用户的阅读体验和智慧，来完成对图书阅读价值的分析，以便向读者推荐最适合的图书，并且可根据图书各类馆藏图书的不同特点和用户的个性化需求提供有针对性的推荐方案。
-
公开(公告)号：CN109918563B
公开(公告)日：2023-10-20
申请号：CN201910066005.7
申请日：2019-01-24
Applicant: 暨南大学
IPC: G06F16/9535 , G06Q30/0601
Abstract: 本发明公开了一种基于公开数据的图书推荐的方法，具体涉及数字图书馆领域，具体包括以下推荐方法：网上书店书籍数据采集、网上书店能提供信息的书籍的阅读价值评估、馆藏特色书籍数据采集、馆藏特色书籍的阅读价值评估、图书推荐策略以及对外提供图书阅读价值和推荐服务的接口共六个步骤，本发明借助集体智慧的图书推荐技术，通过网络技术不断采集各大网络书店发布的图书销售和推荐信息，根据这些公开数据作为推荐参考标准的思路，集合数量远超一个图书馆的用户的海量用户的阅读体验和智慧，来完成对图书阅读价值的分析，以便向读者推荐最适合的图书，并且可根据图书各类馆藏图书的不同特点和用户的个性化需求提供有针对性的推荐方案。
-
公开(公告)号：CN110298831A
公开(公告)日：2019-10-01
申请号：CN201910553831.4
申请日：2019-06-25
Applicant: 暨南大学
Abstract: 本发明公开了一种基于分块深度学习的医学图像处理系统及其方法，具体涉及图像处理领域，包括预处理模块、分类模块、聚类模块和分割模块，所述预处理模块包括了对原始MRI三维图像的裁剪和全局归一化等标准操作，其中裁剪负责将医学图像的边缘空白区域去除。本发明通过试探性方法将图像合理地切分成较小尺寸的切块、通过分别对小切块进行分析识别处理、最后汇总完成整体处理任务的方案，保持足够高的识别效果的前提下，可以节省超过一半的分析处理时间，最终深度网络的规模也显著下降，可以在成本较低的深度学习环境下部署实施，实现以高效率低成本的绿色计算，支持智慧医疗。
-
公开(公告)号：CN110287458A
公开(公告)日：2019-09-27
申请号：CN201910416616.X
申请日：2019-05-20
Applicant: 暨南大学
Abstract: 本发明公开了一种年报文本标题自动标注系统，其具体方法为：A、对不同级别的一级标题和二级标题都要进行两次标注；B、匹配一级标题，第一次标注将完全和标题模板匹配，以及通过相似度计算达到阈值的一级标题别添加M、S标注，并筛选越级标注，第二次标注将通过相似度计算而标注的标题进行二次匹配涉及年报文本标题标注技术领域。该年报文本标题自动标注系统，发明选择采用机器视觉的方法对财务报告文本版面进行识别，并将机器视觉和规则统计文本抽取方法有机结合起来，以解决较难准确的对标题进行标注的问题。
-
公开(公告)号：CN117011194A
公开(公告)日：2023-11-07
申请号：CN202311278822.1
申请日：2023-10-07
Applicant: 暨南大学
IPC: G06T5/00 , G06N3/0464 , G06V10/80 , G06V10/82
Abstract: 本发明公开一种基于多尺度双通道注意力网络的低光图像增强方法，包括：构建训练集；所述训练集包括：低光图像和高光图像；利用所述训练集对预设的多尺度双通道注意力低光增强网络（MDANet）进行训练；预设的多尺度双通道注意力低光增强网络包括：多尺度特征提取和融合(MFEF)模块、双通道注意力特征增强(DAFE)模块；对所述低光图像进行预处理后，输入训练后的所述多尺度双通道注意力低光增强网络，完成低光图像增强。本发明通过堆叠多个多尺度特征提取和融合模块，实现自顶向下的特征提取和自底向上的特征融合，并取得极好的低光增强效果。
-
-
-
-
-
-
-
-
-
Search Results
18
records
(took 0.028 seconds)
