-
公开(公告)号：CN114691988A
公开(公告)日：2022-07-01
申请号：CN202210286432.8
申请日：2022-03-23
Applicant: 华南理工大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开了一种基于用户偏好个性化迁移的跨领域推荐方法，包括：从辅助领域与目标领域中筛选重叠用户和商品，使用方面级用户偏好算法得到用户偏好和商品特征；利用生成对抗网络构建领域间用户共享迁移模块，解决目标领域与辅助领域数据分布差异问题；使用元学习器为用户生成不同的个性化映射函数，解决共享迁移模块难以表达不同用户在辅助领域和目标领域间复杂关系的问题，得到最终的目标领域迁移后的用户偏好。本发明将辅助领域用户偏好迁移到目标领域中，能够解决目标领域由于数据稀疏导致用户冷启动情况下传统推荐方法失效的问题，取得良好的推荐效果。
-
公开(公告)号：CN114691327A
公开(公告)日：2022-07-01
申请号：CN202210286438.5
申请日：2022-03-23
Applicant: 华南理工大学
Abstract: 本发明公开了一种面向两阶段任务调度的多目标群智能优化方法与系统，包括：1)解析收集到的用户请求信息和集群的状态信息；2)设置入侵肿瘤生长优化算法ITGO(Invasive Tumor Growth Optimization)的关键参数，将解析得到的信息输入算法并初始化；3)执行算法迭代计算过程，每轮迭代依次进行IPOX细胞交叉操作、双向莱维飞行操作、seqMutate细胞变异操作和根据拥挤度阈值判定进行剪枝操作，直至迭代次数达到最大迭代次数；4)生成批处理计算任务组的调度方案。本发明基于帕累托模型改进设计了ITGO的算法迭代计算操作，提出两阶段的调度架构结合ITGO求解多目标任务调度问题，显著提高了收敛速度和增强了解的多样性。
-
公开(公告)号：CN114627308A
公开(公告)日：2022-06-14
申请号：CN202210187547.1
申请日：2022-02-28
Applicant: 华南理工大学
Abstract: 本发明公开了一种骨髓细胞形态学特征的提取方法与系统，包括：1)获取经化学试剂染色后得到的骨髓细胞图像，并进行图像预处理；2)利用UNet++模型对骨髓细胞图像进行分割，得到若干个单一骨髓细胞图像；3)结合医学诊断知识对基于标记的分水岭算法进行改进，根据细胞核数值描述对单一骨髓细胞图像进行细胞核分割，获取精准的细胞核区域；4)提取单一骨髓细胞图像的形态学特征，并进行特征选择，筛选得到重要性较高的形态学特征。本发明突破传统基于标记的分水岭算法在进行单一骨髓细胞图像进行核质分割时，细胞核区域判定困难的问题，根据骨髓细胞形态学检验知识预先得到不同类型骨髓细胞的细胞核面积占比信息，从而提取更精准的形态学特征。
-
公开(公告)号：CN111966823B
公开(公告)日：2022-04-22
申请号：CN202010625468.5
申请日：2020-07-02
Applicant: 华南理工大学
IPC: G06F16/35 , G06F16/955 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向标签噪声的图节点分类方法，包括步骤：1)构建多个图卷积网络(GCN)模型；2)在图数据上估计联合分布、剪枝噪声数据，得到初次清理的数据并训练图卷积网络模型；3)在图数据上训练图卷积网络模型，与步骤2)的图卷积网络模型一起预测未标记节点，得到伪标签和预测概率矩阵，结合带标记节点的标签和预测概率矩阵，共同估计全数据联合分布、剪枝噪声数据；4)使用步骤3)中得到的二次清理的图数据训练图卷积网络模型，并预测节点类别。本发明在图卷积网络模型的基础上引入噪声联合分布估计和伪标签结合的标签噪声建模方法进行噪声鲁棒性训练，实现了具有更高准确性和噪声鲁棒性的节点分类方法。
-
公开(公告)号：CN108710651B
公开(公告)日：2022-03-25
申请号：CN201810431307.5
申请日：2018-05-08
Applicant: 华南理工大学
IPC: G06F16/35 , G06F40/289 , G06F40/216 , G06N3/04 , G06N3/08 , G06Q30/00
Abstract: 本发明公开了一种大规模客户投诉数据自动分类方法，包括以下步骤：收集投诉文本数据，并进行预处理；构建第一投诉分类器和第二投诉分类器；根据过滤规则，满足过滤规则分配第一分类标签；不满足过滤规则使用第一投诉分类器进行分类；有第一分类标签的投诉文本数据，没有对应第二投诉分类器，且第一分类标签条目大于第一门限值，则增加一个第二投诉分类器，进行再分类，得到第二分类标签；有对应第二投诉分类器，进行再分类，得到第二分类标签；本发明构建分类器，将投诉文本数据转化为向量，进行分类，通过生成特征词表和TF‑IDF权重值进行聚类和再分类，从而对投诉文本数据进行多层分类，实现快速而准确的对投诉数据文本进行分类。
-
Patent Agency Ranking
公开(公告)号：CN113886101A
公开(公告)日：2022-01-04
申请号：CN202111133335.7
申请日：2021-09-27
Applicant: 华南理工大学
IPC: G06F9/54 , G06F16/27 , G06F16/2458 , G06Q40/04 , G06F21/60
Abstract: 本发明公开了一种基于区块链技术的大数据共享并存证的方法，包括：从外部数据源收集大数据；对收集的大数据信息，进行实时在线分析，检测信息的共享需求和存证需求；对需要共享的数据，添加信息及描述；根据需要共享的数据的实时性需求进行数据分发；对需要存证上传的原始数据添加相关信息及描述，将数据存入分布式数据存储系统，并进行区块链存证；对需要存证校验的原始数据查询存证信息，下载存证数据并进行对比。本发明对共享的大数据进行订阅分发、分布式存储和基于区块链的存证，提供高效的、不可篡改的数据共享。
-
公开(公告)号：CN110223106B
公开(公告)日：2021-09-21
申请号：CN201910417277.7
申请日：2019-05-20
Applicant: 华南理工大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于深度学习的欺诈应用检测方法，包括步骤：1)获取移动广告数据，进行预处理；2)提取结构数据和样本数据；3)基于结构数据构建图并获取图嵌入特征，基于样本数据构建应用二维数据单元；4)所有应用的数据单元和图嵌入特征纵向拼接构建应用基本属性特征矩阵和图嵌入特征矩阵，构成输入特征；5)定义标签，构成被试数据；6)构建混合卷积神经网络，用于欺诈检测；7)被试数据输入至混合卷积神经网络中训练，得到混合卷积神经网络模型；8)采用混合卷积神经网络模型进行欺诈检测。本发明能够同时考虑应用的结构特征和基本属性特征，有效提高欺诈应用检测的准确率，同时减少移动广告历史数据特征工程的工作量。
-
公开(公告)号：CN109918477B
公开(公告)日：2021-02-12
申请号：CN201910122541.4
申请日：2019-02-18
Applicant: 华南理工大学
IPC: G06F16/33 , G06F16/951 , G06F16/953 , G06F16/9535 , G06F16/332
Abstract: 本发明公开了一种基于变分自编码器的分布式检索资源库选择方法，该方法利用深度神经网络构建编码器与解码器网络结构，学习资源库文本的隐含表示，用来捕捉资源库文本的深层语义表示。通过无监督的训练方法得到的模型，对查询词的扩展文本进行推理，获得查询词的隐含表示。通过计算查询词与资源库的隐含表示的相似性，来获得资源库的相关性排名。该模型为无监督的训练，自动获得资源库以及文本的隐含表示向量，可克服有监督训练方法中的设计文本特征的缺点。此外，变分自编码器的网络结构简单，变分推理的计算耗时比基于马尔科夫链蒙特卡罗推理方法的LDA主题模型要低。模型训练完成后，进行资源库选择的耗时低，资源库选择的效率高。
-
公开(公告)号：CN109871439B
公开(公告)日：2020-12-22
申请号：CN201910122563.0
申请日：2019-02-18
Applicant: 华南理工大学
IPC: G06F16/332 , G06F30/27 , G06Q50/00 , G06N3/04
Abstract: 本发明公开了一种基于深度学习的问答社区问题路由方法，包括步骤：1)通过对社区问答的文本内容进行分词，利用词向量技术，获取单词的词向量表示；2)根据用户的历史回答记录，构建用户档案；3)利用深度学习根据用户档案分别学习用户兴趣预测模型、用户能力预测模型、用户响应度预测模型；4)根据步骤3)学习到的模型获取用户特征，进而根据用户特征训练打分模型；5)利用步骤3)学习的户兴趣预测模型、用户能力预测模型、用户响应度预测模型及步骤4)训练的打分模型，进行问题路由。本发明充分考虑到用户回答的评分信息和时间信息，通过单独的深度学习模型分别来预测用户对问题的评分及响应时间，在排序阶段充分利用了用户回答的评分、时间等信息。
-
公开(公告)号：CN109787821B
公开(公告)日：2020-06-19
申请号：CN201910006654.8
申请日：2019-01-04
Applicant: 华南理工大学 , 中国移动通信集团广西有限公司
Abstract: 本发明公开了一种大规模移动客户流量消费智能预测方法，包括步骤：1)收集移动用户属性特征和消费行为数据，可视化，并进行预处理；2)构造分类预测器与回归预测器，进行训练，得到两个不同尺度的预测模型；3)联合分类预测器与回归预测器为可训练的线性组合，进行第二阶段训练，得到联合预测模型；4)使用联合预测模型，根据移动用户的属性特征和消费行为预测该用户下个月的流量消费值。本发明将分类预测器与回归预测器联合起来，在大规模移动用户数据上进行双阶段的训练，使所得到的联合流量预测模型具有更高的准确度和鲁棒性，从而为移动业务推广提供更精准有效的营销思路。
-
-
-
-
-
-
-
-
-
Search Results
153
records
(took 0.026 seconds)
