公开(公告)号：CN118484528A

公开(公告)日：2024-08-13

申请号：CN202410665810.2

申请日：2024-05-27

Applicant: 北京邮电大学

Inventor： 朱一凡 ,  郭爽 ,  冯煜 ,  宋美娜 ,  欧中洪 ,  鄂海红

IPC: G06F16/335 ,  G06F16/9536 ,  G06F16/33 ,  G06F16/36 ,  G06N5/022 ,  G06N3/0442 ,  G06N3/0455

Abstract: 本发明涉及论文推荐技术领域，尤其是指一种学术论文推荐方法、装置、设备及计算机存储介质。本发明所述的学术论文推荐方法，构建统一的知识图谱，通过神经网络同时考虑文本内容和学术图谱信息，实现用户和论文等关键实体的准确量化描述；本发明还提出一种深度学习推荐模型，根据输入用户过去的行为和实体特征，自动地调整权重从而更有效地捕捉序列中的重要信息；本发明挖掘大规模异质图谱中的学习者行为并将其与学习者当前的主题文本偏好相融合，自主学习学者和学术论文的向量表示并挖掘学者与未来论文的潜在关系，实现了精准的学术论文推荐。

公开(公告)号：CN118196575A

公开(公告)日：2024-06-14

申请号：CN202410294327.8

申请日：2024-03-14

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  魏亚东 ,  暴浩彤 ,  杨峻伟 ,  范家伟 ,  朱一凡 ,  尧思远 ,  宋美娜

IPC: G06V10/80 ,  G06V10/25 ,  G06V10/766 ,  G06V10/764 ,  G06V10/22 ,  G06V10/40 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/08

Abstract: 本申请提出了一种基于多视角特征融合与元特征编码的小样本目标检测方法，包括：对待检测图像数据进行多视角嵌入融合，得到融合后的图像数据；使用特征提取网络对融合后的图像数据进行图像特征提取，并结合区域建议网络确定图像数据的候选区域，并将候选区域进行RoI池化，得到RoI特征；将RoI特征分别输入全连接网络和元特征编码器中，获取分类特征、回归特征及元特征，并将元特征和分类特征进行融合，得到最终分类特征；通过分类器和回归器根据回归特征与最终分类特征确定图像数据中目标的定位与分类。采用上述方案的本发明在进行小样本目标检测时能够保证新类泛化性，并实现对基类知识的有效保留，缓解灾难性知识遗忘问题。

公开(公告)号：CN118158229A

公开(公告)日：2024-06-07

申请号：CN202410158465.3

申请日：2024-02-04

Applicant: 北京邮电大学

Inventor： 欧中洪 ,  游张政 ,  严韬 ,  朱一凡 ,  尧思远 ,  宋美娜

IPC: H04L67/104 ,  H04L67/12 ,  H04L43/0852 ,  H04L43/0829 ,  H04L43/10

Abstract: 本发明提出一种时延敏感的联邦学习中央节点选举方法，包括，将物联网场景下的lot设备划分为负责训练的普通节点和同时承担训练和协调的委员会节点；通过改造raft算法的心跳包机制来感知每个委员会节点到其他节点的时延；实时检测每个委员会节点的时延及丢包情况，通过低时延联邦学习中央节点选举机制选举出能够保障集群联邦学习稳定性的中央协调节点。本发明提出的方法，采用低延迟、高性能的选举策略，通过委员会机制，将区块链的共识范围缩小至可控可信的区域，减少大量冗余区块存储带来的通信和计算开销。

公开(公告)号：CN118447295A

公开(公告)日：2024-08-06

申请号：CN202410450591.6

申请日：2024-04-15

Applicant: 北京邮电大学

Inventor： 宋美娜 ,  冯煜 ,  田震 ,  朱一凡 ,  韩宗甫 ,  罗浩然 ,  张光卫

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/0455 ,  G06F18/213 ,  G06F18/23213 ,  G06F18/22

Abstract: 本申请提出了一种基于双提示的增量式适配异构分布的图像分类方法，包括：获取待分类的图像和对应的文本，并将图像和文本输入图像分类模型中，输出图像分类结果，其中，将图像和文本输入图像分类模型中，包括：确定图像的可计算向量，将其与共享提示拼接，并将拼接结果输入图像Transformer模型中，输出图像特征，其中，图像Transformer模型的注意力层嵌入个性化提示；将文本转换为向量，将其与个性化提示拼接，并将拼接结果输入文本Transformer模型中，输出文本特征，其中，文本Transformer模型包含图像和文本之间的语义联系；将图像特征和文本特征进行计算得到预测图像分类结果。采用上述方案的本发明能够有效缓解灾难性遗忘问题，实现了模型跨不同领域适配的能力。

公开(公告)号：CN118170894A

公开(公告)日：2024-06-11

申请号：CN202410607312.2

申请日：2024-05-16

Applicant: 北京邮电大学 ,  北京白星花科技有限公司

Inventor： 鄂海红 ,  罗浩然 ,  孙博宇 ,  宋美娜 ,  汤子辰 ,  彭诗耀 ,  张文泰 ,  麻程昊 ,  朱一凡 ,  王苏宏

IPC: G06F16/332 ,  G06F16/33 ,  G06F16/36 ,  G06F40/194 ,  G06N3/042 ,  G06N5/022 ,  G06N5/048

Abstract: 本发明涉及信息技术领域，尤其是指一种知识图谱问答方法、装置、设备及计算机存储介质。本发明所述的知识图谱问答方法，首先使用微调后的大语言模型生成应用于知识图谱的知识图谱查询语句，大语言模型在处理自然语言问题方面具有极大优势，可以快速准确生成训练数据。然后对生成的查询语句中抽取得到的实体和关系在知识图谱的实体库和关系库中进行检索，在对检索到的结果依据相似度作进一步模糊逻辑运算，即使在知识图谱不完全的情况下，模糊逻辑运算也能够得到可能性最高的答案，并且在降低时间复杂度的同时提升了准确率，最后生成自然语言形式的回答语句给用户。