-
公开(公告)号：CN118013130A
公开(公告)日：2024-05-10
申请号：CN202410410829.2
申请日：2024-04-08
Applicant: 烟台大学 , 哈尔滨工业大学(威海)
IPC: G06F16/9535 , G06Q30/0601
Abstract: 本发明涉及商业领域数据预测推荐技术领域，具体为基于超服务网络的服务推荐方法、系统、设备和存储介质；为解决现有服务网络不能很好的表现出大量服务节点之间关系，影响服务推荐的准确度的问题，该服务推荐方法首先将节点端对端连接的初始服务网络中，每个初始服务节点的边总数，作为初始服务节点关键性顺序，进行基于超边的超服务网络的构建，得到初始超服务网络；然后，通过判断初始超服务网络中的服务节点总数大小，并基于服务节点超边、信誉值和协作次数，选择对初始超服务网络进行优化；最后，根据服务节点超边、信誉值和协作次数计算推荐值后，进行服务推荐；该推荐方法，推荐准确度高，用于商业领域服务推荐中会提高商业内容消费。
-
公开(公告)号：CN117422266B
公开(公告)日：2024-04-30
申请号：CN202311441041.X
申请日：2023-11-01
Applicant: 烟台大学
IPC: G06Q10/0631 , G06F18/22
Abstract: 本发明属于资源或任务分配技术领域，具体涉及基于工人偏好的任务分配方法、系统、装置、存储介质；通过挖掘工人之间执行任务的属性相似性、工人与任务之间的属性相似性、任务之间的属性相似性，并对相似性分别设置相应的权重后，进行加权，预测工人偏好；基于工人偏好预测结果，获得每个任务相对应属性的最大收益，得到收益最大的任务工人对，对工人和任务进行匹配，从而提高工人的满意度，保证任务的服务质量，实现满足多方需求的任务分配结果。
-
公开(公告)号：CN117010488A
公开(公告)日：2023-11-07
申请号：CN202310983927.0
申请日：2023-08-07
Applicant: 烟台大学
Abstract: 本发明涉及智能计算、多目标优化技术领域，具体为一种基于偏好感知的动态多目标优化方法、系统和设备，该优化方法中首先分析偏好是否变化，当偏好变化时，分析偏好变化类型，将偏好通过参考点的方式引入优化方法中，根据偏好变化类型，通过不同的偏好响应策略引导种群向偏好点方向进化，灵活处理不同类型的动态多目标问题，减小计算量，快速得到最优种群，得到理想偏好区域。
-
公开(公告)号：CN116304984A
公开(公告)日：2023-06-23
申请号：CN202310256990.4
申请日：2023-03-14
Applicant: 烟台大学
Abstract: 本发明属于意图识别技术领域，提供了基于对比学习的多模态意图识别方法及系统，首先，与以往的工作相比，改进了跨模态Transformer模型，通过最大化多模态特征与标签之间的互信息以及最小化多模态特征与输入之间的互信息的方式过滤掉单模态表示中的噪声信息实现多模态特征的充分融合，改进后的模型减少了多模态融合过程中的冗余信息，增大了有效信息占比，更有利于多模态特征的充分融合。其次，针对用于训练的标记数量不足的问题，引入了对比学习的学习任务，通过数据增强获得增强样本，原始样本与增强样本之间拉近相似样本，推远不同样本，帮助模型在训练过程中学习到更多意图相关的特征，提高模型提取和融合多模态数据特征的能力。
-
公开(公告)号：CN115858728A
公开(公告)日：2023-03-28
申请号：CN202211537877.5
申请日：2022-12-01
Applicant: 烟台大学
IPC: G06F16/33 , G06F16/35 , G06N3/0499 , G06N3/08
Abstract: 一种基于多模态数据的情感分析方法，包括以下操作：将至少三种单模态数据进行单模态深度上下文特征提取处理，生成至少三种单模态深度上下文特征信息；将所述至少三种单模态深度上下文特征信息进行跨模态融合处理，生成至少六种跨模态特征信息；将所述至少六种跨模态特征信息进行双模态注意力机制融合处理，生成至少三种一级多模态特征信息；将所述至少三种一级多模态特征信息进行拼接融合处理，生成二级多模态融合特征信息和三级多模态融合特征信息；将所述二级多模态融合特征信息和三级多模态融合特征信息进行决策级融合处理，生成多模态情感分类结果。该方法能够兼顾模态信息之间的连贯性和交互性，获得的结果具有较高的准确度。
-
Patent Agency Ranking
公开(公告)号：CN115470704A
公开(公告)日：2022-12-13
申请号：CN202211129049.8
申请日：2022-09-16
Applicant: 烟台大学
IPC: G06F30/27 , G06F111/06
Abstract: 本发明公开了一种动态多目标优化方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：获取多目标优化事件的事件信息，包括：环境信息和历史信息；建立多目标优化事件的事件模型；根据环境信息检测多目标优化事件的环境是否变化；若多目标事件的环境发生变化，则根据历史信息和环境信息，基于两种预测策略计算事件模型的原始帕累托最优集；将原始帕累托最优集输入至社会学习优化模型进行学习训练，计算事件模型的目标帕累托最优集，目标帕累托最优集为多目标事件的最优集。本发明实施例公开的技术方案提高了动态多目标优化方法对环境变化的适应能力，在环境变化后仍能准确获得解决方案。
-
公开(公告)号：CN114995964A
公开(公告)日：2022-09-02
申请号：CN202210540726.9
申请日：2022-05-17
Applicant: 烟台大学
Abstract: 本发明公开了一种组合服务重构方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：预测组合服务中原始组件服务的一般服务质量以及领域服务质量；将原始组件服务的一般服务质量和领域服务质量分别与原始组件服务对应的一般服务质量约束和领域服务质量约束对比，根据对比结果确定组合服务中失效的原始组件服务；为失效的原始组件服务获取对应的替换组件服务；利用替换组件服务代替失效的原始组件服务，生成重构组合服务。本发明公开的技术方案在进行服务QoS失效判断时，综合预测服务所具有的一般服务质量(GQoS)领域服务质量(DQoS)失效的情况，实现及时对组合服务进行动态重构。
-
公开(公告)号：CN113850346B
公开(公告)日：2022-04-29
申请号：CN202111205166.3
申请日：2021-10-15
Applicant: 烟台大学
IPC: G06V10/762 , G06K9/62
Abstract: 本发明属于边缘服务领域，提供了一种MEC环境下多维属性感知的边缘服务二次聚类方法及系统。该方法包括，将边缘服务所在服务器的地理位置与边缘服务器的硬件配置作为一级聚类指标；将服务质量与信誉度作为二级聚类指标；采用基于密度的最小生成树启发式分段聚类算法，依据一级聚类指标，对边缘服务进行一级聚类，得到地理位置相近、服务器质量相似的服务类簇；采用基于密度峰值的层次聚类算法，依据二级聚类指标，对所述地理位置相近、服务器质量相似的服务类簇进行二级聚类，得到边缘服务聚类结果。
-
公开(公告)号：CN113537623A
公开(公告)日：2021-10-22
申请号：CN202110872257.6
申请日：2021-07-30
Applicant: 烟台大学
Abstract: 本公开提供了一种基于注意力机制及多模态的服务需求动态预测方法及系统，包括：获取服务使用过程中产生的文本数据及图像数据；分别对所述文本数据及图像数据进行特征提取；将提取的特征输入预先训练的基于软注意力与多模态机器学习的预测模型中，实现用户下一时刻的服务需求的预测；其中，所述基于软注意力与多模态机器学习的预测模型，具体为：基于特征共享机制实现多模态数据特征的融合；利用软注意力机制对融合后的特征进行处理，并将获得的结果输入到预先训练的GRU网络，获得用户的服务兴趣特征向量表示；基于用户信息特征及其服务兴趣特征向量表示，通过全连接层实现对用户下一时刻的服务需求的预测。
-
公开(公告)号：CN113537622A
公开(公告)日：2021-10-22
申请号：CN202110872246.8
申请日：2021-07-30
Applicant: 烟台大学
IPC: G06Q10/04
Abstract: 本公开提供了一种基于动态信任感知的服务偏好预测方法及系统，包括：获取消费群体对服务的评分数据并进行相应预处理；利用基于动态信任感知的偏好演化模型对当前服务的消费群体进行偏好演化，实现消费群体内个体间的偏好交互；基于偏好演化结果，获得消费群体对当前服务的偏好预测结果；其中，所述基于动态信任感知的偏好演化模型在有界置信模型的基础上，采用异构有界置信阈值来判断个体之间是否发生交互，且引入了动态异构交互偏好接受度算子，用于个体对交互对象偏好影响的接受程度的建模；同时，引入动态异构信任度，用于对个体偏好表达的诚实程度进行建模。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.03 seconds)
