-
公开(公告)号：CN110610198A
公开(公告)日：2019-12-24
申请号：CN201910776183.9
申请日：2019-08-22
Applicant: 浙江工业大学
IPC: G06K9/62
Abstract: 一种基于Mask RCNN的口腔CBCT影像下颌神经管自动识别方法，收集口腔CBCT影像数据，对其中的冠状图进行预处理，去除冠状图中未显示下颌神经孔的图像，对图像进行格式压缩，对下颌神经孔手工瞄点；生成瞄框，矩形框定位，获得目标实例的二值掩膜mask，建立神经网络模型；训练模型；通过已训练好的模型识别并展示下颌神经孔。本发明使用Mask RCNN对CBCT影像中下颌神经管进行自动识别。利用机器识别代替人工识别冠状图牙神经孔，节省了人工成本，提高了生成的下颌神经管轨迹的稳定性，具有良好的识别速度和精度。
-
公开(公告)号：CN112364983B
公开(公告)日：2024-03-22
申请号：CN202011260336.3
申请日：2020-11-12
Applicant: 浙江工业大学
IPC: G06F18/241 , G06N3/0464 , G06N3/043 , G06N3/0895 , G16B15/20
Abstract: 一种基于多通道图卷积神经网络的蛋白质互作网络节点分类方法，通过组合高阶信息来提高分类效果，根据蛋白质相互作用数据构建一个蛋白质互作网络，构建多通道图卷积神经网络模型，该模型包含两层结构，使用不同的图卷积核组合，在少数有标签蛋白质的数据基础上完成半监督分类，得到无标签蛋白质的类别。本发明通过多通道的高阶邻域图卷积神经网络组合来提取蛋白质互作网络的高阶信息，在较低的运算代价下提升了对蛋白质的分类精度。
-
公开(公告)号：CN112132326A
公开(公告)日：2020-12-25
申请号：CN202010893847.2
申请日：2020-08-31
Applicant: 浙江工业大学
IPC: G06Q10/04 , G06Q50/00 , G06K9/62 , G06F16/9536
Abstract: 一种基于随机游走度惩罚机制的社交网络好友预测方法，基于社交网络用户数据构建社交网络模型，通过改变随机游走采样概率来获得游走序列，在随机游走序列中依次选取用户，作为当前用户，设定滑动窗口，从中依次选取用户，作为训练的正样本，通过函数获得负采样集合，在利用节点与负样本嵌入的当前相似度作为负采样概率指标，得到训练的负样本，使用损失函数做损失。所得到的嵌入向量做内积，即为用户之间的相似度，相似度较高的即为预测的好友。本发明考虑了用户度大小以及当前的嵌入向量表示，提高了好友预测的准确性。
-
公开(公告)号：CN112132326B
公开(公告)日：2023-12-01
申请号：CN202010893847.2
申请日：2020-08-31
Applicant: 浙江工业大学
IPC: G06Q50/00 , G06F18/214 , G06F16/9536 , G06Q10/04
Abstract: 一种基于随机游走度惩罚机制的社交网络好友预测方法，基于社交网络用户数据构建社交网络模型，通过改变随机游走采样概率来获得游走序列，在随机游走序列中依次选取用户，作为当前用户，设定滑动窗口，从中依次选取用户，作为训练的正样本，通过函数获得负采样集合，在利用节点与负样本嵌入的当前相似度作为负采样概率指标，得到训练的负样本，使用损失函数做损失。所得到的嵌入向量做内积，即为用户之间的相似度，相似度较高的即为预测的好友。本发明考虑了用户度大小以及当前的嵌入向量表示，提高了好友预测的准确性。
-
公开(公告)号：CN112148998B
公开(公告)日：2021-10-26
申请号：CN202010934119.1
申请日：2020-09-08
Applicant: 浙江工业大学
IPC: G06F16/9536 , G06K9/62 , G06N3/04 , G06Q50/00
Abstract: 一种基于多核图卷积网络的在线社交平台用户好友推荐方法，根据在线社交网络平台用户关系数据构建一个社交关系网络，构建多核图卷积网络模型，该模型包含两层结构，第一层是一个三维图卷积核，第二层包含多个三维图卷积核，得到节点嵌入矩阵，对嵌入矩阵做内积操作，加入激活函数，得到节点相似性矩阵，将所有无连边节点对按降序排列，取排列较前的节点对，对应的用户即为相互推荐的好友，本发明考虑了高阶邻域特征，使用了多核卷积对网络进行了优化，提高了准确性和预测精度。
-
Patent Agency Ranking
公开(公告)号：CN119739893A
公开(公告)日：2025-04-01
申请号：CN202411950147.7
申请日：2024-12-27
Applicant: 浙江工业大学
IPC: G06F16/735 , G06F16/732 , G06F16/9535 , G06F40/186 , G06N5/04 , G06N5/022 , G06N3/045 , G06N3/0464 , G06N3/042 , G06N3/0895 , G06N3/0499
Abstract: 一种基于知识感知提示微调的视频媒体平台对话推荐方法，首先，使用对比学习方法对齐历史对话和历史实体的语义空间，进而生成统一输入的提示模板；在提示模版设计中增加了增强的相似用户表示，以缓解数据稀疏和冷启动问题；然后，将提示向量和历史对话向量输入预训练语言模型，并在对话任务和推荐任务下进行联合训练；最后，通过微调好的预训练语言模型分别生成预测的回复语句和推荐项目，进而得到视频媒体平台当前的自然语言响应。本发明使用知识感知提示微调方法，设计统一的提示模版并对对话任务和推荐任务进行联合训练，促进了对话和推荐模块间的协同，提升了视频媒体平台对话推荐的性能。
-
公开(公告)号：CN118585643A
公开(公告)日：2024-09-03
申请号：CN202410548218.4
申请日：2024-05-06
Applicant: 浙江工业大学
IPC: G06F16/35 , G06F16/33 , G06F40/211 , G06F40/253 , G06F40/295 , G06F18/214 , G06F18/241
Abstract: 一种碳中和领域中文文本的实体关系联合抽取方法，针对碳中和的中文文本，利用Atom‑7B大模型得到文本句子的特征表示向量，然后通过PFN以联合抽取的方式得到文本中的实体关系三元组。以及提供一种碳中和领域中文文本的实体关系联合抽取系统，针对关系类型标注不平衡的训练数据，使用ChatGLM3接口对关系类型样本量少的文本句子进行数据增强；使用Atom‑7B大模型，通过在Embedding层添加噪声以及解码器层采用分层去掩码的策略，提取中文文本句子的特征表示向量；根据命名实体识别任务和关系抽取任务的难易程度，加入了动态损失函数，使PFN能关注更难的子任务。本发明提升了中文文本中抽取实体关系三元组的性能。
-
公开(公告)号：CN118035439A
公开(公告)日：2024-05-14
申请号：CN202410080696.7
申请日：2024-01-19
Applicant: 浙江工业大学
IPC: G06F16/35 , G06F40/295 , G06F16/33 , G06F16/36 , G06N5/022 , G06N3/0455 , G16H40/20
Abstract: 一种中文医学药品说明书实体关系联合抽取方法，针对中文医疗文本，以关系抽取为主任务以减少关系冗余，通过用共享参数的联合抽取方式以实现浅层的信息交互，重构基于关系的实体抽取任务，将其扩展为更加细粒度的子任务：基于关系的主语识别、基于关系的宾语识别和基于关系的主宾对齐，同时将多任务交互的特征分区与过滤作为细粒度子任务的编码器以实现深层的信息交互；对于主宾对齐中数据不平衡引起的矩阵稀疏的问题，引入Dice损失来解决。以及提供一种中文医学药品说明书实体关系联合抽取系统。本发明更加细粒度的子任务设计与MPF特征提取编码器使得中文医疗文本中实体识别和关系抽取的性能得到稳定的提升。
-
公开(公告)号：CN119941360A
公开(公告)日：2025-05-06
申请号：CN202510107703.2
申请日：2025-01-23
Applicant: 浙江工业大学
IPC: G06Q30/0601 , G06N3/042 , G06N3/0895 , G06N3/0464 , G06N3/045 , G06N3/047 , G06F18/22
Abstract: 一种基于协同对比学习的多行为电商平台推荐方法，首先，为在线电商平台构建多行为的电商用户‑电商商品交互二分图；接着，使用多行为级联残差网络捕捉二分图的深层表征，并使用多行为注意力网络捕捉二分图的交互表征；然后，通过跨层对比学习、跨行为对比学习和跨网络对比学习提升电商用户‑电商商品交互二分图的表示性能；同时，计算贝叶斯个性化排序损失以改善推荐性能；最后，获得最终的电商用户和电商商品表征以实现个性化的商品推荐。本发明深度挖掘各行为信息和多行为交互信息，使用对比学习提升电商用户和电商商品的表示性能，有助于为电商平台生成更精准、更符合用户兴趣的推荐结果。
-
公开(公告)号：CN112364983A
公开(公告)日：2021-02-12
申请号：CN202011260336.3
申请日：2020-11-12
Applicant: 浙江工业大学
Abstract: 一种基于多通道图卷积神经网络的蛋白质互作网络节点分类方法，通过组合高阶信息来提高分类效果，根据蛋白质相互作用数据构建一个蛋白质互作网络，构建多通道图卷积神经网络模型，该模型包含两层结构，使用不同的图卷积核组合，在少数有标签蛋白质的数据基础上完成半监督分类，得到无标签蛋白质的类别。本发明通过多通道的高阶邻域图卷积神经网络组合来提取蛋白质互作网络的高阶信息，在较低的运算代价下提升了对蛋白质的分类精度。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.023 seconds)
