-
公开(公告)号：CN118760803A
公开(公告)日：2024-10-11
申请号：CN202410746737.1
申请日：2024-06-11
Applicant: 电子科技大学
IPC: G06F16/9536 , G06F40/30 , G06N3/045 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了基于内容属性和受众特征融合的信息推送渠道推荐方法，包括以下步骤：S1、分析信息文本的情感倾向和内容特征，确定第一推荐推送渠道的内容匹配推荐分数；S2、根据新闻关键词向量与各个推送渠道的渠道兴趣中心向量的欧几里得距离，确定第二推荐推送渠道的受众匹配推荐分数；S3、根据内容匹配推荐分数和受众匹配推荐分数计算推荐分数，确定最终的推荐推送渠道。本发明旨在提升新闻媒介选择及信息传播渠道推荐的精确度与效率，利用先进的自然语言处理技术和用户行为分析来动态适应不断变化的媒介环境和受众习惯。这一创新方法为媒体发布、数字营销和社交媒体管理提供了一种有效提高信息影响力和资源使用效率的智能工具。
-
公开(公告)号：CN118469012A
公开(公告)日：2024-08-09
申请号：CN202410402695.X
申请日：2024-04-03
Applicant: 电子科技大学
Abstract: 本发明公开了一种神经符号结合的知识图谱推理方法，包括：S1、丰富待推理知识图谱的语义，确定相关语义中的关系嵌入；S2、在待推理知识图谱上基于随机游走策略采样指定长度的闭合路径，进而构建可能规则集；S3、利用位置嵌入和语义学习器学习可能规则集中每一条规则体的语义；S4、基于可能规则集中规则头和规则体的语义一致性，评估每条可能规则，并筛选出高置信度规则；S5、根据筛选出的规则进行知识图谱推理。本发明通过允许关系相互感知并注意逻辑序列敏感性来捕获规则中更深层次的语义信息，并利用规则头和规则体的语义一致性挖掘规则，摒弃了极度依赖观察到规则实例的传统方法。
-
公开(公告)号：CN115115159B
公开(公告)日：2024-06-21
申请号：CN202111030602.8
申请日：2021-09-03
Applicant: 电子科技大学
IPC: G06Q10/0635 , G06Q50/26 , G06N7/01 , G06F16/951 , G06F40/216 , G06F40/284
Abstract: 本发明公开了一种基于TF‑IDF与模糊贝叶斯网络的风险预测方法，涉及信息检索、数据挖掘和突发事件预测评估技术领域，该方法包括利用网络爬虫技术获取突发事件舆情数据；采用TF‑IDF文本分析技术获取突发事件影响因素，并结合突发事件生命周期演化模型构建突发事件指标体系；根据指标体系确定模糊贝叶斯网络拓扑结构，依据模糊理论、自然语言变量和解模糊法获取模糊贝叶斯网络拓扑结构父节点的先验概率分布；最后通过模糊贝叶斯网络推理技术预测突发事件的风险概率，为相关部门制定应急方案提供科学、合理的先发性预警支撑。
-
公开(公告)号：CN116757283A
公开(公告)日：2023-09-15
申请号：CN202310749432.1
申请日：2023-06-21
Applicant: 电子科技大学
IPC: G06N5/025 , G06F16/36 , G06F18/214 , G06N3/045 , G06N3/0464 , G06N3/084
Abstract: 本发明公开了一种知识图谱链接预测方法，包括以下分步骤：利用TransE模型对实体和关系进行预训练，获得初始化的实体和关系的嵌入表示；基于初始化的实体和关系的嵌入表示，构建训练集和测试集，将训练集的数据输入基于卷积神经网络和自注意力机制的神经网络模型进行训练，并计算训练集在基于卷积神经网络和自注意力机制的神经网络模型上的损失函数值，保存优化模型参数；基于优化的模型参数，对测试集的候选三元组进行打分排序，预测缺失的实体或关系，完成对知识图谱的链接预测。本发明面向知识图谱链接预测任务，结合使用卷积神经网络和自注意力机制，实现充分挖掘三元组内部的交互信息，提高模型链接预测能力。
-
公开(公告)号：CN116704373A
公开(公告)日：2023-09-05
申请号：CN202310746398.2
申请日：2023-06-21
Applicant: 电子科技大学
IPC: G06V20/13 , G06V10/40 , G06V10/80 , G06V10/764 , G06V10/766 , G06V10/82 , G06N3/045 , G06N3/0464 , G06N3/048
Abstract: 本发明公开了一种基于中心性与互斥约束的遥感目标检测方法，所述基于中心性与互斥约束的遥感目标检测方法包括：S1：获取遥感图像；S2：对所述遥感图像进行多尺度特征提取及融合，得到融合特征图；S3：分别对所述融合特征图进行目标分类与定位回归，得到目标分类结果和目标定位结果；S4：对所述目标分类结果和所述目标定位结果进行非极大值抑制处理，得到遥感图像的目标检测结果。本发明能够有效提升检测数据的质量，改善密度分布的小目标检测的鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN116702973A
公开(公告)日：2023-09-05
申请号：CN202310660907.X
申请日：2023-06-06
Applicant: 电子科技大学
IPC: G06Q10/04 , G06F18/213 , G06F18/214 , G06F18/25 , G06F18/15 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明属于气象时空预测领域，其公开了一种悬空波导空间分布的预测方法，首先，对目标区域待预测时间点之前的悬空波导数据，分解转化为两个二维时序数据，一个表征顶高，另一个表征底高；然后，分别针对表征顶高的二维时序数据和表征底高的二维时序数据，构建待预测时间点之间的时空时序数据，作为对应时空预测网络的输入，而上述时空时序数据中的各个时空数据，分别通过对其所在时间点之前的时间点的特征进行聚合获得；最后，通过时空预测网络，获得目标区域在待预测时间点的顶高和底高的预测值。本发明通过预处理和聚合，获得二维的时空数据，使其适配现有处理气象二维时空数据的时空预测模型，以低成本的方式，实现对悬空波导空间分布的预测。
-
公开(公告)号：CN113822742B
公开(公告)日：2023-05-12
申请号：CN202111098120.6
申请日：2021-09-18
Applicant: 电子科技大学
IPC: G06Q30/0601 , G06F18/25 , G06F16/9536 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明涉及物品推荐领域，其公开了一种基于自注意力机制的推荐方法，提高推荐模型的训练效率和个性化推荐的效果。该方法包括以下步骤：首先采集用户历史交互信息并进行预处理，形成训练样本集；然后设计推荐模型，将训练样本集作为推荐模型的输入，采用平方损失函数作为优化目标，对推荐模型进行训练；最后通过训练好的推荐模型计算得到用户与待推荐项目的交互概率，根据交互概率的大小进行排序，生成用户的推荐候选集。
-
公开(公告)号：CN112784064B
公开(公告)日：2023-05-12
申请号：CN202110117804.X
申请日：2021-01-28
Applicant: 电子科技大学
IPC: G06F16/36 , G06Q30/0601 , G06Q50/00
Abstract: 本发明属于知识图谱技术领域，其公开了一种面向社交网络的层次化超维知识图谱构建方法。社交网络中商品相关信息错综复杂，利用现有知识图谱难以有效转化。本发明首先分析社交网络中各类信息的组成结构，定义对应超维知识图谱架构；然后抽取出有关商品推荐的特定知识，按照其性质进行概念分层，并根据其对应关系建立层与层之间的关联映射；再将获取到的知识按照已构建的结构模式进行组织，实现多元组的转换；最后利用得到的社交网络知识图谱，结合具体用户的个人喜好信息，推荐与之匹配度较高的商品，提高了社交网络中与商品相关知识的描述和组织能力，提高了对复杂多元社交网络实体关系的表达能力，实现了对社交网络商品推荐明确、有效支撑。
-
公开(公告)号：CN113682908B
公开(公告)日：2023-02-28
申请号：CN202111012494.1
申请日：2021-08-31
Applicant: 电子科技大学
Abstract: 本发明涉及调度控制技术，其公开了一种能够提高乘客乘梯体验，且具有较好灵活性和适应性的一种基于深度学习的智能调度方法。该方法包括以下步骤：S1、乘客通过所在楼层的预约面板进行乘梯预约，生成呼梯请求发送给电梯控制模块；S2、电梯控制模块获取收到呼梯请求时所有电梯的状态数据，并连同呼梯请求一并发送给算法调度模块；S3、算法调度模块采用训练好的电梯调度模型作为调度算法，以呼梯请求和所有电梯的状态数据为输入，生成派梯决策；S4、算法调度模块将派梯决策反馈给预约面板和电梯控制模块。本发明适用于目的层预约型电梯群调度。
-
公开(公告)号：CN111862153B
公开(公告)日：2022-06-24
申请号：CN202010661169.7
申请日：2020-07-10
Applicant: 电子科技大学
Abstract: 本发明公开了一种面向行人的长时间多目标跟踪方法，属于多目标跟踪算法领域，具体涉及行人长时间跟踪算法技术领域，以解决如何对长时间遮挡的目标实现正确的目标关联，包括如下步骤：数据预处理、目标检测以及目标跟踪，其中，目标跟踪包括特征提取、特征度量、目标关联、轨迹核查以及轨迹更新。通过数据预处理，实现了原始数据的接收以及图像的处理，之后通过目标检测，获得当前接收图像所涉及的行人信息，在通过目标跟踪，对连续图像序列涉及到的行人，实现目标关联，从而产生跟踪轨迹，该算法在考虑多种复杂情况下，通过二次比对的方式实现对长期遮挡目标的正确关联，提高了算法的鲁棒性，同时提高了目标关联的准确率。
-
-
-
-
-
-
-
-
-
Search Results
157
records
(took 0.028 seconds)
