-
公开(公告)号：CN118797163B
公开(公告)日：2025-03-21
申请号：CN202410937718.7
申请日：2024-07-12
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于数据增强与表征对齐的购物篮推荐方法及系统，包括：将购物篮数据嵌入表征输入到降噪自编码器及变分自编码器进行数据增强得到两种更具鲁棒性的购物篮嵌入表征，基于自编码器的解码器完成对两种重构购物篮表征对齐，并且与原来的购物篮嵌入表征构成三组正样本对，基于预设数量K抽出与用户购物篮不相关的项目，与三组购物篮嵌入表征构成3*K组负样本，通过对比学习，最大化正样本对的相似性，最小化负样本对的相似性，完成模型的训练。本发明利用自编码器对购物篮的嵌入表征进行数据增强，进而构建对比学习，用来优化购物篮的嵌入表征，从而提升下一个购物篮推荐任务的效果。
-
公开(公告)号：CN118820588A
公开(公告)日：2024-10-22
申请号：CN202410830003.1
申请日：2024-06-25
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06Q30/0201 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于图卷积和自注意力机制的购物篮推荐方法及系统，包括：基于包含购物篮、商品项、商品类型、价格以及用户等多个类型节点的图结构数据，通过图卷积网络聚合每个节点的邻接信息，从而更全面捕捉节点与图结构之间的内在联系。同时，构建用户的价格特征学习模块以精确表达相邻用户之间的相似价格偏好。通过引入注意力机制精确分配价格、用户、商品、购物篮之间的权重，使得模型可以结合用户偏好，做出具有针对性和个性化的推荐。本发明优化了推荐算法的性能，提高了用户的满意度，实现推荐系统与用户需求的更精确的匹配。
-
公开(公告)号：CN118628162A
公开(公告)日：2024-09-10
申请号：CN202411105564.1
申请日：2024-08-13
Applicant: 华南农业大学
IPC: G06Q30/0202 , G06N3/0442 , G06N3/0455 , G06N3/08 , G06F17/18 , G06F18/232
Abstract: 本发明公开了基于聚类分析和注意力机制的客户复购意愿预测方法及系统，获取用户的历史购买信息，根据所述历史购买信息构建时间序列，并基于时间序列对用户的购买行为特征进行聚类，根据聚类结果划分用户得到不同的用户群；基于深度学习方法构建时间序列特征提取模型，对聚类后得到的用户群分别训练，通过所述时间序列特征提取模型，提取不同用户群内的用户画像特征；根据决策策略模型将预测概率超过阈值的用户输出作为具有复购意愿的客户名单。通过本发明能够有效实现客户复购意愿的精准预测，并提供了一套高效、节能的B2B客户复购意愿预测系统，实现智能决策和高效监控。
-
公开(公告)号：CN116415253A
公开(公告)日：2023-07-11
申请号：CN202310248986.3
申请日：2023-03-14
Applicant: 温氏食品集团股份有限公司 , 华南农业大学
IPC: G06F21/57 , G06F21/56 , G06F8/75 , G06F16/901 , G06N3/042 , G06N3/0455 , G06N3/088 , G06N3/0464
Abstract: 本发明提供一种基于超图神经网络的程序漏洞检测方法及系统，所述方法包括：获取待检测的源程序，对源程序的语句进行标注，得到带标签的标准数据集；提取源程序的控制流信息和数据流信息，构建程序依赖图；对程序依赖图进行兴趣点分析并提取兴趣点，根据兴趣点生成程序依赖图子图，得到源程序的结构化信息；将程序依赖图子图的节点转化为向量，得到源程序的非结构化信息；将程序依赖图子图转化为超图结构，输入到超图神经网络中进行训练，得到检测模型；利用检测模型对全部程序依赖图子图进行检测，得到程序漏洞检测结果。本发明提供的检测方法检测准确率高，检测粒度小，可以处理复杂逻辑的代码缺陷，具有迁移容易的优点。
-
公开(公告)号：CN120072038A
公开(公告)日：2025-05-30
申请号：CN202510117225.3
申请日：2025-01-24
Applicant: 温氏食品集团股份有限公司 , 华南农业大学
IPC: G16B20/00 , G16B5/00 , G16B40/20 , G16B50/10 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/047 , G06N3/09
Abstract: 本发明涉及生物信息学技术领域，公开了一种lncRNA基因序列与蛋白质相互作用预测方法及系统，方法包括获取lncRNA和miRNA的序列数据，以及蛋白质数据；计算lncRNA、miRNA和蛋白质的相似性，以lncRNA、miRNA和蛋白质为节点，lncRNA、miRNA和蛋白质之间的相似性关系为边，构建异构信息网络；根据元路径，从异构信息网络提取子图，并对子图进行图卷积操作，生成lncRNA、miRNA和蛋白质的特征表示；对lncRNA、miRNA和蛋白质的特征表示进行融合处理，得到融合特征表示；将融合特征表示输入训练好的预测模型进行预测，得到lncRNA与蛋白质相互作用的预测结果。本发明在多样化数据集上的适应性增强，能够更准确地预测lncRNA与蛋白质之间的相互作用，有效提高lncRNA与蛋白质相互作用预测的准确性。
-
Patent Agency Ranking
公开(公告)号：CN120067949A
公开(公告)日：2025-05-30
申请号：CN202510230094.X
申请日：2025-02-28
Applicant: 华南农业大学
IPC: G06F18/2433 , G06F18/20 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G06N3/0442 , G06N3/042 , G06N5/022
Abstract: 本发明公开了基于知识感知的多尺度时间序列异常段检测方法及系统，涉及数据挖掘技术领域，包括：获取企业的多变量时间序列并进行预处理，将多变量时间序列分解为趋势分量和季节分量，构建时间序列知识图，基于时间序列知识图使用关系图注意力网络及门控递归单元构建趋势分量的时间动态特性，获取趋势分量的预测值；将多变量时间序列的季节分量分解为单变量序列并分割为补丁，利用多尺度Transformer捕捉季节分量的各个模式，提取季节分量的模式特征，获取季节分量的预测值；计算趋势分量的预测值和季节分量的预测与实际观测值的偏差，生成异常分数进行异常判定。本发明有效提高了多维时间序列异常检测的准确性和鲁棒性。
-
公开(公告)号：CN119883868A
公开(公告)日：2025-04-25
申请号：CN202510186910.1
申请日：2025-02-20
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
IPC: G06F11/362 , G06F11/3668 , G06F8/41
Abstract: 本发明涉及基于代码大模型Agent的白盒单元测试生成方法及装置，属于代码测试技术领域，本发明通过代码大模型Agent对所述待测代码文件进行处理，生成候选测试用例，进而引入编译验证器，将候选测试用例输入所述编译验证器中进行验证，获取未通过验证的测试用例和错误日志以及通过验证的测试用例，从而构建代码修复模型，将未通过验证的测试用例和错误日志输入代码修复模型中进行修复，对修复通过验证的测试用例以及通过验证的测试用例进行测试。本发明的提示生成器动态适配待测代码，提升了测试用例的语义关联性和生成的准确性。其次，编译验证与自动修复闭环，提高了测试用例的通过率和可执行性。
-
公开(公告)号：CN118820588B
公开(公告)日：2025-02-07
申请号：CN202410830003.1
申请日：2024-06-25
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06Q30/0201 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于图卷积和自注意力机制的购物篮推荐方法及系统，包括：基于包含购物篮、商品项、商品类型、价格以及用户等多个类型节点的图结构数据，通过图卷积网络聚合每个节点的邻接信息，从而更全面捕捉节点与图结构之间的内在联系。同时，构建用户的价格特征学习模块以精确表达相邻用户之间的相似价格偏好。通过引入注意力机制精确分配价格、用户、商品、购物篮之间的权重，使得模型可以结合用户偏好，做出具有针对性和个性化的推荐。本发明优化了推荐算法的性能，提高了用户的满意度，实现推荐系统与用户需求的更精确的匹配。
-
公开(公告)号：CN118628215B
公开(公告)日：2024-11-29
申请号：CN202411108273.8
申请日：2024-08-13
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06N3/0442 , G06N5/022 , G06Q30/0201 , G06F16/36
Abstract: 本发明公开了一种基于全局与动态知识图谱引导的价格感知推荐方法及系统，通过获取B2B电子商务平台中用户与商品的历史交互数据，以天为粒度对商品价格进行等级划分并通过等级划分获取商品的动态价格特征，以天为单位构造含有用户、商品等节点的动态知识图谱与全局知识图谱；利用知识图谱嵌入学习技术学习全局知识图谱与动态知识图谱的节点表征；构建基于深度学习的价格感知推荐模型，将学习到的节点表征用于模型输入，通过模型捕获商品价格和用户偏好的动态变化，并利用贝叶斯排序损失训练模型。通过本发明，能够显著提升推荐系统性能与用户体验，同时，提升数据推荐效果。
-
公开(公告)号：CN118521423A
公开(公告)日：2024-08-20
申请号：CN202410986747.2
申请日：2024-07-23
Applicant: 华南农业大学 , 温氏食品集团股份有限公司
Abstract: 本发明公开了一种基于多模态物联网的家禽养殖智慧监测方法及系统，该方法包括下述步骤：布设用于采集环境信息的传感器；获取外部天气数据和传感器收集的数据；选择序列长度为w的连续时间序列数据，并划分为数据集；构建DDTCN模型并基于训练集进行模型训练；基于验证集调节DDTCN模型的参数并评估DDTCN模型的性能；使用不同历史时间窗口信息和不同的预测长度，将测试集的连续时间序列数据输入训练后的DDTCN模型，得到预测值，获取当前实时数据，计算当前实时数据与保存的预测值的差值，通过阈值判断是否发出预警。本发明能根据数据自动调整模型参数，更及时地发现潜在的问题和风险，减少因延迟响应而导致的损失。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.018 seconds)
