-
公开(公告)号：CN112417118A
公开(公告)日：2021-02-26
申请号：CN202011299823.0
申请日：2020-11-19
Applicant: 上海交通大学
IPC: G06F16/332 , G06F16/33 , G06N3/04
Abstract: 本发明涉及一种基于标记文本和神经网络的对话生成方法，包括以下步骤：1)将包含对话的语料库作为原始数据集；2)对数据集进行预处理；3)将预处理后的语料用于神经网络模型的训练；4)将测试文本输入训练好的神经网络模型中，输出含有可能含有标记符的文本；5)基于规则对输出中包含的标记符进行替换，形成最终的对话文本。与现有技术相比，本发明具有能够保留一定上下文信息、生成语句通顺、鲁棒性好等优点。
-
公开(公告)号：CN112131569B
公开(公告)日：2024-01-05
申请号：CN202010966200.8
申请日：2020-09-15
Applicant: 上海交通大学
IPC: G06F21/55 , G06F16/2458 , G06F18/23
Abstract: 本发明涉及一种基于图网络随机游走的风险用户预测方法，包括以下步骤：1)获取包含图网络化数据作为原始数据集；2)对原始数据集进行预处理，并构建图网络；3)对预处理后的数据通过基于随机游走的聚类算法获得节点对应的概率，即用户的风险得分；4)整合聚类算法得到的用户节点概率，输出最后的风险用户预测结果。与现有技术相比，本发明具有更好的可扩展性，无需特征工程，效果良好等优点。
-
公开(公告)号：CN112395466B
公开(公告)日：2023-05-12
申请号：CN202011360560.X
申请日：2020-11-27
Applicant: 上海交通大学
IPC: G06F16/901 , G06F16/951 , G06F16/9536 , G06N3/04 , G06N3/044 , G06N3/08 , G06Q30/018 , G06Q50/00
Abstract: 本发明涉及一种基于图嵌入表示和循环神经网络的欺诈节点识别方法，包括以下步骤：1)获取包含关系网络和节点行为的数据集作为原始数据集；2)对原始数据集进行预处理，得到图结构数据和节点标签；3)使用不同时间点的图结构数据生成节点嵌入表示；4)将同一节点不同时间点的节点嵌入表示按照时间顺序输入循环神经网络得到最终节点嵌入表示；5)利用最终节点嵌入表示对神经网络模型进行训练，并利用训练好的神经网络模型预测用户欺诈风险。与现有技术相比，具有能够直接从用户关系网络结构中抽取特征，不需要用户节点特征，不需要依赖外部特征，适应真实环境动态图等优点。
-
公开(公告)号：CN112733004B
公开(公告)日：2022-09-30
申请号：CN202110091259.1
申请日：2021-01-22
Applicant: 上海交通大学
IPC: G06F16/9532 , G06N3/04
Abstract: 本发明涉及一种基于多臂老虎机算法的影视作品推荐方法，包括以下步骤：1)获取每个影视作品和当前待推荐用户的特征表示，获得初始的作品聚类和用户聚类；2)遍历所有影视作品，计算对应的预估计回报，选取预估计回报最大的推荐给待推荐用户；3)待推荐用户在接收到推荐后，做出真实反馈；4)基于用户真实反馈更新聚类和预估计回报模型，调整模型中部分超参数，并重新推荐。与现有技术相比，本发明能够较好的平衡推荐方法中的EE问题以及解决推荐方法冷启动问题，具有收敛速度快、推荐精准有效的优点。
-
公开(公告)号：CN112717415A
公开(公告)日：2021-04-30
申请号：CN202110091260.4
申请日：2021-01-22
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于信息瓶颈理论的强化学习对战游戏AI训练方法，包括以下步骤：1)AI训练模型的初始化；2)通过游戏AI在仿真环境中进行决策交互得到样本训练批数据集；3)根据游戏AI与环境交互得到的样本训练批数据集，采用强化学习算法迭代训练AI训练模型，并分阶段保存AI训练模型的参数；4)将保存的不同阶段AI训练模型的部分参数固定，利用强化学习算法重新训练余下参数进行微调，得到最终不同等级AI的AI训练模型，并由此生成对战游戏AI文件。与现有技术相比，本发明具有采样效率高、训练速度快、测试灵活性高、AI分等级等优点。
-
Patent Agency Ranking
公开(公告)号：CN112691383A
公开(公告)日：2021-04-23
申请号：CN202110048898.X
申请日：2021-01-14
Applicant: 上海交通大学
Abstract: 本发明涉及一种基于虚拟遗憾最小化算法的德州扑克AI训练方法，包括以下步骤：1)获取私人手牌信息和游戏展示信息，进行游戏特征抽象；2)基于玩家历史游戏日志，建立针对该玩家的策略预测神经网络模型；3)采用虚拟遗憾最小化算法以玩家的策略预测神经网络模型为对手训练并得到AI行为策略；4)采用训练得到的AI行为策略与游戏玩家进行实时对局，并再结束后进行比赛记录。与现有技术相比，本发明通过引入游戏信息抽象嵌入，将遗憾匹配机制和局部最小遗憾值计算方法整合到遗憾最小化算法中，具有提高计算效率和实际对局胜率的优点。
-
公开(公告)号：CN112417119A
公开(公告)日：2021-02-26
申请号：CN202011299830.0
申请日：2020-11-19
Applicant: 上海交通大学
IPC: G06F16/332 , G06F16/33 , G06F40/289 , G06N3/04
Abstract: 本发明涉及一种基于深度学习的开放域问答预测方法，该方法包括以下步骤：S1：获取维基百科训练语料并对其建立索引；S2：根据问题通过检索获得相关性最高的多篇文章，并切分成段落，最终输出多个得分最高的段落；S3：使用SQuAD数据集训练一个机器阅读理解模型；S4：以多个得分最高的段落以及问题作为输入，通过机器阅读理解模型预测答案在段落中的起始位置和结束位置。与现有技术相比，本发明具有高效、精确、快速等优点。
-
公开(公告)号：CN112131569A
公开(公告)日：2020-12-25
申请号：CN202010966200.8
申请日：2020-09-15
Applicant: 上海交通大学
IPC: G06F21/55 , G06F16/2458 , G06K9/62
Abstract: 本发明涉及一种基于图网络随机游走的风险用户预测方法，包括以下步骤：1)获取包含图网络化数据作为原始数据集；2)对原始数据集进行预处理，并构建图网络；3)对预处理后的数据通过基于随机游走的聚类算法获得节点对应的概率，即用户的风险得分；4)整合聚类算法得到的用户节点概率，输出最后的风险用户预测结果。与现有技术相比，本发明具有更好的可扩展性，无需特征工程，效果良好等优点。
-
公开(公告)号：CN112417118B
公开(公告)日：2023-04-07
申请号：CN202011299823.0
申请日：2020-11-19
Applicant: 上海交通大学
IPC: G06F16/332 , G06F16/33 , G06N3/0455
Abstract: 本发明涉及一种基于标记文本和神经网络的对话生成方法，包括以下步骤：1)将包含对话的语料库作为原始数据集；2)对数据集进行预处理；3)将预处理后的语料用于神经网络模型的训练；4)将测试文本输入训练好的神经网络模型中，输出含有可能含有标记符的文本；5)基于规则对输出中包含的标记符进行替换，形成最终的对话文本。与现有技术相比，本发明具有能够保留一定上下文信息、生成语句通顺、鲁棒性好等优点。
-
公开(公告)号：CN112465226B
公开(公告)日：2023-01-20
申请号：CN202011364939.8
申请日：2020-11-27
Applicant: 上海交通大学
IPC: G06F16/215 , G06F16/28 , G06N3/04
Abstract: 本发明涉及一种基于特征交互和图神经网络的用户行为预测方法，包括以下步骤：1)获得包含关系网络数据、节点特征数据和用户行为数据的数据集作为原始数据集；2)对原始数据进行预处理，得到图的邻接矩阵、用户节点特征矩阵和用户行为标签；3)使用预处理后的数据进行特征交互，并利用交互后的用户节点特征矩阵和关系网络邻接矩阵进行图传播，利用图传播后得到的用户特征进行用户行为标签预测，以此进行图神经网络模型的训练；4)将测试数据输入训练好的图神经网络模型中，输出预测的结果。与现有技术相比，本发明具有方便进行特征工程、模型架构灵活等优点。
-
-
-
-
-
-
-
-
-
Search Results
17
records
(took 0.072 seconds)
