-
公开(公告)号：CN115033783B
公开(公告)日：2024-09-13
申请号：CN202210568362.5
申请日：2022-05-23
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/36 , G06N3/048
Abstract: 一种面向跨域场景的双重细粒度知识迁移系统，包括：依次相连的输入层、嵌入层、双重细粒度知识迁移层和预测层，输入层根据用户和物品的唯一标识，采用独热编码方式，生成用户和物品的独热编码表示；嵌入层基于用户和物品的独热编码表示，采用查表法，将稀疏的、高纬度的独热编码表示映射到连续的低维空间，得到初始嵌入向量；双重细粒度知识迁移层将任一交互的用户‑物品对的初始嵌入向量拼接得到域内知识表示，通过细粒度知识提取和迁移得到跨域知识表示，并将域内知识表示和跨域知识表示进行自适应融合，得到最终的知识表示；预测层根据最终的知识表示生成交互的预测分数，并进一步得到推荐结果。本发明有效地对用户在跨域场景下的行为进行建模，实现域间知识的迁移、互补与融合，从而对用户在未来与物品的交互进行预估，生成有效的推荐结果，提高用户的体验感和对系统的满意程度。
-
公开(公告)号：CN117635841A
公开(公告)日：2024-03-01
申请号：CN202311659303.X
申请日：2023-12-06
Applicant: 上海交通大学
Abstract: 一种基于毫米波的非侵入式3D面部重构方法，通过在离线阶段构建并训练基于嵌入三重损失和改进ConvNeXt的卷积网络模型，在在线阶段通过采集人脸反射的毫米波信号并预处理后输入训练后的卷积网络模型，基于提取到的由脸部关键点构成的脸部形状后，经仿射变换和区域放大后重构得到面部表情，最后通过FLAME模型实现三维面部重构。本发明结合毫米波数据特性设计特定算法感知人脸细粒度的3D特征，实现准确的3D面部重构，能够在不需要任何光照、不侵犯个人隐私的情况下实现非侵入式3D面部重建。
-
公开(公告)号：CN117496596A
公开(公告)日：2024-02-02
申请号：CN202311489515.8
申请日：2023-11-10
Applicant: 上海交通大学
IPC: G06V40/20 , G06N3/0442 , G06V10/82
Abstract: 一种基于毫米波信号的手部姿态重建方法，通过毫米波雷达感知用户手部的姿态，收集用户手部的运动数据，对采集到的信号进行预处理，然后分别使用基于两阶段注意力的沙漏网络(mmSpaceNet)和长短期记忆网络(LSTM)从预处理信号中提取出手部的空间特征和时间特征，以在三维空间中进行回归处理，实时生成手部三维骨架；通过通用手部参数化模型(MANO)重建具有更详细表面的3D手部网格，最终实现对用户手部姿态的三维重建。本发明采用成本较低的毫米波雷达，无需用户穿戴，且不依赖环境条件，不会带来隐私泄露问题，可以实现鲁棒的细腻表示的手部三维网格，拓宽了应用范围。
-
公开(公告)号：CN110955826B
公开(公告)日：2023-06-20
申请号：CN201911088184.0
申请日：2019-11-08
Applicant: 上海交通大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/044 , G06N3/0455
Abstract: 一种基于改进型循环神经网络单元的推荐系统，包括：多用户行为数据编码器和多任务解码器，编码器基于用户的交互序列数据抽取用户的购物意图信息，并用隐藏状态序列表示，三个解码器分别对应不同的任务，根据挖掘到的用户购物意图分别完成预测下一个交互的物品和类别、判断两个序列是否属于同一个用户、推荐用户新的物品等三种任务。本发明通过两种循环神经网络来建模用户多种不同的行为数据；同时考虑到交互行为的复杂性，本发明利用多个循环神经网络，分别建模交互行为数据中不同商品类别层面的信息；此外，本发明通过多任务学习，给用户和物品学习具有商品类别等语义信息的向量表达，基于多种用户行为数据，缓解数据稀疏性问题，挖掘交互序列中包含的多种商品类别层面的信息，提升推荐效果。
-
公开(公告)号：CN116011616A
公开(公告)日：2023-04-25
申请号：CN202211586132.8
申请日：2022-12-09
Applicant: 上海交通大学
IPC: G06Q10/04 , G06Q50/26 , G06F16/906 , G06F16/909 , G06N3/044 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种智慧城市人流密集区域的灾害建模与预测方法，包括分析多种城市人流密集区域的灾害演变过程中涉及的多源异构数据，设计城市人流密集区域的灾害的多维度统一表示方式；对城市人流密集区域的灾害时序数据进行处理，通过时序关联规则算法挖掘城市人流密集区域的灾害时序数据的关联关系；基于所述关联关系构建关联事件图；基于所述多源异构数据的预测模型，对多维度的城市人流密集区域的灾害表示进行分类预测，将结果对应到关联事件图中进行城市人流密集区域的灾害的预测。本发明使用时序关联规则挖掘算法，抽取出融入人类知识的城市人流密集区域的灾害危害关联关系图，进而结合时序数据的模型预测，使预测结果更具有解释性与可靠性。
-
Patent Agency Ranking
公开(公告)号：CN115544352A
公开(公告)日：2022-12-30
申请号：CN202210600257.5
申请日：2022-05-27
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 一种基于多视图任务关系感知元学习的预测方法及系统，针对给定冷启动用户的推荐任务，利用该任务自身的上下文交互信息学习用户个性化偏好表示的同时，利用该任务与其他推荐任务的多视图关联关系，聚合相似任务表示。基于学到的任务表示，本发明利通过查询在历史模型训练过程中学习到的任务感知的快速权重记忆，来为该任务生成个性化定制的评分预测模型初始参数。最终，评分预测模型通过在少量可观测交互上进行参数局部更新，得到该用户特有的评分预测模型，可以生成个性化推荐结果。
-
公开(公告)号：CN114880576A
公开(公告)日：2022-08-09
申请号：CN202210611429.9
申请日：2022-05-31
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/9537 , G06F16/9035 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/18
Abstract: 一种基于时间感知的超图图卷积会话推荐方法，将物品点击序列转化为基于时间感知的超图以及局部图，并分别根据时间感知超图图卷积捕捉超图中的高阶的物品转换关系，根据图注意力网络挖掘会话序列数据中物品间的依赖关系，经训练后实现同时收敛后，预测将要点击的下一个物品。本发明在构图中要充分挖掘物品的时间间隔信息并应用于图卷积中，将已知的会话序列构成超图和局部图，图中每条边的权重由物品的出现次数和时间间隔共同决定，并通过推荐系统模型预测下一个将要被点击的物品。
-
公开(公告)号：CN113099506B
公开(公告)日：2022-08-02
申请号：CN202110354235.0
申请日：2021-03-31
Applicant: 上海交通大学
Abstract: 本发明提出了一种软件定义卫星网络中基于链路时效的路由方法及系统。路由方法包括如下几个部分：(1)通过卫星网络控制器对卫星相对位置的测量和计算，计算得到星间链路有效时间。(2)结合星间链路有效时间和链路时延，可用带宽等QoS属性计算出链路的综合代价。(3)通过SDN北向接口向用户提供不同QoS的服务，并根据用户对不同QoS的需求由控制器提供定制化的路由服务。(4)根据星间链路有效时间对即将失效的传输路径进行灰度切换和重路由。通过本发明，可以有效减少LEO卫星网络因频繁链路切换和失效造成的传输抖动和丢包，提高LEO卫星网络传输可靠性。
-
公开(公告)号：CN114499624A
公开(公告)日：2022-05-13
申请号：CN202111495136.0
申请日：2021-12-08
Applicant: 上海交通大学
Abstract: 本发明提供了一种天地一体化信息网络中多源数据融合处理方法及系统，包括：天地一体化信息网络根据逻辑管理层次进行网络状态和资源实时管控；地面控制中心将一定时间内获取的多个任务进行切分，并根据任务间关系进行融合构成一个多任务执行图；对多任务执行图进行子任务的分组及抽象，并经过序列化后形成全序抽象任务图；地面控制中心依据所管控网络域的网络视图以及序列化后的抽象任务图进行处理路径规划，并对抽象任务进行最小代价部署规划；控制层中控制器将收到的抽象任务进行拆分，并进行处理路径规划和任务部署规划；执行层在接收到子任务后，按照控制节点下发的计算策略和流表进行任务的计算和传输；并将传算结果返回至用户。
-
公开(公告)号：CN109522474B
公开(公告)日：2021-05-18
申请号：CN201811224350.0
申请日：2018-10-19
Applicant: 上海交通大学
IPC: G06F16/9535 , G06F16/2458 , G06Q30/06
Abstract: 本发明提供了一种基于交互序列数据挖掘深度用户相似性的推荐方法，所述推荐方法包括对用户与物品交互的原始记录数据进行预处理，以获得用户与物品的交互序列数据，并根据所述交互序列数据生成用户‑物品交互矩阵和用户‑gram矩阵；根据所述用户‑物品交互矩阵和所述用户‑gram矩阵构建推荐模型，并训练所述推荐模型；基于经过训练的推荐模型，计算出每个用户对所有物品的偏好，并根据偏好值由高到低对所有物品进行排序；去除用户已交互过的物品，将剩余物品中预定个偏好值最高的物品作为个性化推荐的结果推荐给对应用户。本发明将用户对物品的偏好情况和用户间的相似性应用于推荐方法中，解决了数据稀疏性的问题，提高了推荐准确率。
-
-
-
-
-
-
-
-
-
Search Results
180
records
(took 0.027 seconds)
