-
公开(公告)号：CN111831880A
公开(公告)日：2020-10-27
申请号：CN202010107153.1
申请日：2020-02-21
Applicant: 桂林电子科技大学
IPC: G06F16/951 , G06F16/215 , G06F16/28
Abstract: 本发明公开了一种基于微酒店平台的智能问答方法，该方法利用Python爬取携程、途牛等网站公开发布的酒店信息，并对爬取数据进行预处理，构建知识图谱。在此基础上，对用户所提出的问题文本采用自然语言处理技术获取实体，使用word2vec词向量训练方法将该实体训练成词向量，并采用余弦相似度算法计算该实体节点对应的词向量与上述预处理数据建立的知识图谱之间的相似度，进而按相似度由高到低排序对用户问题进行答复，解决了传统问答算法答非所问，无法回答复杂语句的问题。本方法利用知识图谱对数据非常好的描述能力，实现本方法在具体应用中无需使用大量的质量高的问答语料，有利于提高包含复杂语义的自然语言问句的回答准确性。
-
公开(公告)号：CN107292402B
公开(公告)日：2020-05-19
申请号：CN201710562299.3
申请日：2017-07-11
Applicant: 桂林电子科技大学
Abstract: 本发明一种公开基于日程预匹配的时间金额约束拼车方法，通过将用户在特定平台上发布的日程相关信息提取出来，利用预设区分活跃用户阈值的计算方法，筛选活跃用户，在针对活跃用户利用金额时间撮合方法结合活跃用户的相关信息，继续进行拼车用户的预匹配计算，对于在拼车金额以及拼车时间问题上符合匹配程度的生成两个集合，再将两个集合中寻找最合适的乘客对它们进行组合，组合成功之后，通过微信进行通知匹配成功，继而再去联系司机。本发明实现了在拼车过程中结合办公日程，为办公行程介绍了大量不必要的等待时间，降低了临时拼车的人多车少的局面，缓解了交通压力。
-
公开(公告)号：CN110824430A
公开(公告)日：2020-02-21
申请号：CN201911148838.4
申请日：2019-11-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于北斗定位系统的水下定位方法，包括如下操作步骤：S1：长基线定位：将换能器安装在船体上，向位置已知的固定在海底的应答器发出测量信号；S2：短基线定位：将3个以上换能器固定在船体上组成声基阵，由声基阵内的一个换能器向应答器发出测量信号，测量信号经应答器接收后反馈发送至声基阵内所有换能器；S3：超短基线定位：超短基线的所有声单元集中安装在一个收发器中，组成声基阵，通过测定声单元的相位差来确定换能器到目标的方位。本发明可以通过北斗提供实时高精度的空间坐标基准，对于水下跟踪、导航应用，通过浮标北斗的单点定位提供的空间坐标即可以实现水下米级定位，提高水下定位精度。
-
公开(公告)号：CN110650532A
公开(公告)日：2020-01-03
申请号：CN201910935402.3
申请日：2019-09-29
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于RFID的医疗床定位系统及其定位方法，系统包括上位机、位置服务器、定位基站和电子标签、网络读卡器，不同编号的电子标签设置在各个医疗床上，若干个定位基站设置定位区域内，电子标签与定位基站通信连接，每个定位基站通过网络读卡器与位置服务器通信连接，位置服务器与上位机通信连接，从位置服务器上取各医疗床位的数据，并显示在地图上。位置服务器接收各个定位基站发来的电子标签信息，通过数据分析运算得出各个电子标签的位置信息，并最终将这些位置信息传输至上位机。该系统可以实时监控医疗床的位置，可以记录和监测医疗床的转移，通过知晓医疗床的位置和转移路径可以方便医院为医疗床上的需要紧急救治的病人开辟绿色通道为抢救争取时间。
-
公开(公告)号：CN110633363A
公开(公告)日：2019-12-31
申请号：CN201910883202.8
申请日：2019-09-18
Applicant: 桂林电子科技大学
IPC: G06F16/335 , G06F17/27 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于NLP和模糊多准则决策的文本实体推荐方法，其特征在于，包括如下步骤：1）采用word2vec对文本进行词向量训练；2）对每个词向量进行相似度计算；3）构造模糊多准则决策的推荐过程；4）量化实体词向量相似度参数5）构造模糊决策标准矩阵；6）用相对比较法确定标准实体的权重；7）使用模糊聚合算子量化实体推荐过程的总体用户偏好；8）得到被推荐实体的排名，进行推荐。这种方法能缩短文本实体推荐时间、提高词向量相似度精度，同时具有推荐精度高、软件运算量低的特点，在保证文本相似度精度的前提下实现精准推荐的要求。
-
Patent Agency Ranking
公开(公告)号：CN110334221A
公开(公告)日：2019-10-15
申请号：CN201910649318.5
申请日：2019-07-18
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535
Abstract: 本发明公开一种基于知识图谱路径的可解释性推荐方法，该方法通过获取用户的交互历史，将交互历史作为知识图谱的种子集，从种子集中获取用户-项的数据集，在得到种子集的前提下，对种子集进行对应知识图谱的三元组查询，并将这些三元组抽取出来，将三元组信息中的组合实体和关系的语义来生成路径表示，根据路径进行推理来推断用户偏好；确定一个三元组路径后，在限制路径长度为4的前提下，查询该路径头实体到尾实体其它的路径，用多个三元组表示；找到多条路径后，对每条路径进行池操作来区分不同路径对预测推荐的贡献；选择贡献分最大的路径对用户进行解释性推荐。该方法推荐精度高，并解决了推荐的不透明性问题。
-
公开(公告)号：CN110049447A
公开(公告)日：2019-07-23
申请号：CN201910294259.4
申请日：2019-04-12
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于位置信息的伙伴关系分析方法，包括wifi发射单元、wifi信号强度检测终端、数据处理终端和伙伴关系分析单元组成的分析模型，分析方法步骤为：1）wifi发射单元设置在需要检测的场所；2）wifi信号强度检测终端采集wifi发射单元发射的信号强度，将信号强度信息实时报送至数据处理终端；3）数据处理终端将接收到的信号强度与线下预先采集完成的指纹数据库进行对比，采用KNN算法计算得到实时位置信息，并采用K-Mean聚类方法将收集的所有的位置信息进行聚类，最后将位置信息和聚类信息报送至伙伴关系分析单元；4）伙伴关系分析单元通过聚类关系和位置信息分析得到伙伴关系的分析结果。该方法实时性强，计算量小，精度高，能得到准确的伙伴关系。
-
公开(公告)号：CN109670172A
公开(公告)日：2019-04-23
申请号：CN201811486378.1
申请日：2018-12-06
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于复合神经网络的景区异常事件抽取方法，该方法是对获取的事件原始文本语料进行数据预处理，事件句转换为词向量，将其序列传入到双向长短时记忆网络，利用双向长短时记忆网络来训练得到每个候选触发词的语义特征；再将以词向量表示的事件句序列传入到卷积神经网络中，利用卷积神经网络训练得到候选触发词所在事件句的全局特征；通过综合候选触发词的语义特征与候选触发词所在句子的全局特征，利用softmax作为分类器来对每个候选触发词进行分类，从而找出景区异常事件的触发词，并根据人工标注的触发词类型来将事件类型分类。本发明能够快速准确的抽取景区异常事件，处理繁复冗杂文本中的异常事件，效率高且泛用性佳。
-
公开(公告)号：CN109302690A
公开(公告)日：2019-02-01
申请号：CN201811158765.2
申请日：2018-09-30
Applicant: 桂林电子科技大学
Abstract: 本发明涉及一种基于优化卡尔曼滤波的非视距室内定位方法，利用卡尔曼滤波器的平滑滤波特性，将室内定位中非视距情况下的定位漂移降至最低。相对于传统卡尔曼滤波器而言，优化卡尔曼滤波算法对室内定位的具体场景应用更加匹配，对非视距定位的漂移纠正实现按需部署、环境自适应、降低计算量等优势。本发明在室内定位方法上采取超声波（Ultrasonic）作为测量媒介，选取超声波频率范围为18-22kHz的Chirps信号作为载体；利用基于三边测量求时间差的TDOA算法，有效减少由于定位基站时间不同步而造成的定位误差；对于有遮挡的非视距（NLOS）情况，借助优化的卡尔曼滤波平滑处理定位数据严重漂移情况。
-
公开(公告)号：CN109255033A
公开(公告)日：2019-01-22
申请号：CN201811308701.6
申请日：2018-11-05
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于位置服务领域的知识图谱的推荐方法，抽取位置实体，得实体集作为知识图谱的种子集；将种子集与知识图谱中实体对应，构成实体对应表；将知识图谱中知识图谱三元组，通过Word2Vec模型将词汇嵌入n维空间中，生成对应的向量，得到位置或领域实体向量集E和关系向量集R，用TransE算法对实体向量集E和关系向量集R进行翻译，得到能够快速计算实体间的语义相似性的三元组向量集；根据位置或领域实体向量集E，分别计算搜索位置或领域间的语义相似性simA,B(A，B)，生成旅游位置的语义相似性矩阵；用语义相似性矩阵进行Top-k推荐列表，将推荐列表按机器学习聚类算法进行聚类，将类聚结果推荐给用户。该方法推荐精度高，解决冷启动和稀疏性问题。
-
-
-
-
-
-
-
-
-
Search Results
216
records
(took 0.05 seconds)
