-
公开(公告)号：CN114282687A
公开(公告)日：2022-04-05
申请号：CN202111667759.1
申请日：2021-12-31
Applicant: 复旦大学
IPC: G06N20/00
Abstract: 本发明属于时间序列推荐技术领域，具体为基于因子分解机的多任务时序推荐方法。本发明具体步骤为：根据不同的推荐任务需求处理数据并得到相似性矩阵；将用户静态特征和根据相似性矩阵筛选出的动态特征作为模型静态任务和动态任务的输入；不同任务经过嵌入层、注意力机制、因子分解交互层、线性层得到最终给结果；根据结果和损失更新模型参数，不断训练直至达到收敛停止条件；保存模型，在新数据中加载模型并得到TOPN推荐结果。本发明着力提高因子分解机模型在时序推荐场景中的实用性和准确性，将多任务、注意力机制等与因子分解机相结合，从而提升因子分解机在现实时序推荐任务中的效果。
-
公开(公告)号：CN113723954A
公开(公告)日：2021-11-30
申请号：CN202110657813.8
申请日：2021-06-15
Applicant: 复旦大学 , 上海信联信息发展股份有限公司
Abstract: 本发明属于区块链技术领域，具体为一种对区块链中异常交易节点进行检测和监管的方法。本发明方法包括：设计新型跨链数字身份模型，通过统一身份入口和跨链网关以及分布式存储技术对多条异构链进行交易数据的融合操作，这种操作模式为所有交易的产生、查询和认证、监管等提供统一的渠道；采用图神经网络的人工智能技术对区块链中交易和地址节点所构成的动态结构进行图的构建，通过汇聚周边地址节点的特征信息对目标地址节点进行复合特征构建，从区块链点对点的通信和交易空间结构对整个系统中的异常行为进行检测监管；本发明能够有效地提高区块链异常检测的效率，为区块链在更广泛的场景应用提供了技术支持。
-
公开(公告)号：CN107295072B
公开(公告)日：2020-07-28
申请号：CN201710441131.7
申请日：2017-06-13
Applicant: 复旦大学
IPC: H04L29/08
Abstract: 本发明公开了一种基于私有云的缓存数据一致性维护方法。本发明方法由基于缓存的地址空间回溯算法，基于缓存的控制算法和基于缓存的操作执行算法组成。基于缓存的地址空间回溯算法是将缓存状态切换到远程操作产生时；基于缓存的控制算法是在执行远程操作时将缓存状态进行更新；基于缓存的操作执行算法描述的是远程操作的执行逻辑。本发明通过维护私有云下每个缓存节点中数据的一致性，使得重定向的请求能够直接从新定位的应用服务器节点中获取数据，而不会出现大量请求击穿缓存层直接访问数据持久层的情况，解决了原本数据服务在架构动态伸缩的情况下无法保证高效的问题。
-
公开(公告)号：CN106126700B
公开(公告)日：2020-05-12
申请号：CN201610504217.5
申请日：2016-07-01
Applicant: 复旦大学
IPC: G06F16/953 , G06F16/9535 , G06Q50/00
Abstract: 本发明属于社会网络建模与分析技术领域，具体涉及一种微博谣言传播的分析方法。该方法基于微博谣言传播模型对微博谣言传播的诱因机理进行分析，所提UASR微博谣言传播模型，该模型基于谣言传播过程中用户的领域影响力、谣言微博自身的特点以及外部社会因素对用户传谣心理的作用，对用户节点进行状态划分，并构建适当的阈值函数定义节点状态转换规则，以尽可能准确地刻画谣言传播过程中各因素对谣言实际传播路径和效果的作用。本发明方法可比较完整、真实的模拟现实世界中微博谣言的传播过程。
-
公开(公告)号：CN111127184A
公开(公告)日：2020-05-08
申请号：CN201911061595.0
申请日：2019-11-01
Applicant: 复旦大学
Abstract: 本发明属于信用评估技术领域，具体为一种分布式组合信用评估方法。本发明方法包括：通过分布式二分均值聚类算法，分析属性的对信用评估的重要性，并在计算样本间距离时通过加权的方式考虑属性重要性的不同，有效地将用户划分到信用类似的类簇中；采用基于变量加权聚类的组合技术，对用户特征数据进行建模，具体是将用户按相似性划分到不同聚簇，然后训练多个不同类别间任意两个聚簇的判别分类器，并通过加权的策略组合它们的分类结果，从而构建用户信用评估模型；然后，利用该模型依据用户特征数据自动地对其信用状况作出判别。本发明大大提升了信用评估方法的计算效率和可扩展性，也提高了在大数据信用评估应用中的适用性。
-
Patent Agency Ranking
公开(公告)号：CN111125375A
公开(公告)日：2020-05-08
申请号：CN201911331390.X
申请日：2019-12-21
Applicant: 复旦大学
Abstract: 本发明属于世系要技术领域，具体为基于节点结构相似性和语义邻近性的世系图摘要方法。本发明包括两个阶段：相似节点集合标识阶段，根据节点的结构相似性和语义邻近性将相似的节点聚集在一起，标识一系列相似节点集合；节点集合替换阶段，世系图中包含多种类型节点，如数据节点、活动节点、代理节点等，针对不同类型的节点集合采用了不同的替换策略，从而保证替换后世系图的有效性；本发明结合活动节点间影响力邻近性和时间邻近性定义活动节点的语义距离，最终标识语义临近的活动节点集合。本发明方法使用超节点替换结构相似和语义相似的节点集合，提炼世系图中的相似节点，降低了世系图的结构复杂性和语义复杂性，提高了世系图的可理解程度。
-
公开(公告)号：CN111104603A
公开(公告)日：2020-05-05
申请号：CN201911061594.6
申请日：2019-11-01
Applicant: 复旦大学
IPC: G06F16/9536 , G06F16/9535 , G06Q30/02
Abstract: 本发明属于个性化推荐技术领域，具体为一种基于Lambda架构的实时混合推荐方法及系统。本发明推荐方法包括：结合基于相对词频的内容推荐算法和基于增量更新的协同过滤推荐算法，以加权混合推荐的方式提供推荐服务；同时实时更新项与项之间的相似性，实时调整推荐列表中的候选项，增强推荐结果的实时性和准确性；本发明系统包括离线计算模块、实时计算模块和对外服务模块；数据源包括新闻URL数据和用户点击流数据；用户点击数据以流的形式持续到达推荐系统；本发明利用开源组件的优点，借助MapReduce编程思想处理海量离线数据，基于Storm分布式流计算框架处理实时到来的流数据，将离线计算部分和实时计算部分结合起来，最终实现实时新闻推荐系统高吞吐、低时延的目标。
-
公开(公告)号：CN110989977A
公开(公告)日：2020-04-10
申请号：CN201911056064.2
申请日：2019-10-31
Applicant: 复旦大学
Abstract: 本发明属于智能家居技术领域，具体为一种面向残疾人的智能家居环境个性化定制方法。本发明方法包括：设计事件触发规则范式，设计事件触发规则模型，设计事件触发规则引擎，构建服务组件模型；本发明通过设计基于唯一事件源的事件触发规则引擎，为用户提供一种贴近自然语言的家居自动化服务编辑方法，降低家居自动化服务的编辑难度；同时根据服务组件的设备类型和功能类型，对服务组件进行了封装和抽象，进一步屏蔽不同软硬件设备底层实现的复杂性，保证服务组件统一简洁的用户体验。本发明可满足向残疾人的智能家居个性化定制服务需求。
-
公开(公告)号：CN110825978A
公开(公告)日：2020-02-21
申请号：CN201911026575.X
申请日：2019-10-26
Applicant: 复旦大学
IPC: G06F16/9536
Abstract: 本发明属于用户兴趣偏好预测技术领域，具体为基于近邻用户特征共享的多任务协同过滤方法。本发明包括两个阶段：K近邻用户群生成阶段，尽可能地产生用户的K个最相似邻居用户；兴趣预测阶段，借助K近邻用户预测当前活跃用户对于未评价物品可能的评分情况；本发明基于相似用户具有相似兴趣的认知，借鉴多任务特征学习方法在处理稀疏数据的优势，先根据具有重要性的皮尔逊相似度确定用户的K近邻用户群，然后在近邻用户范围内对用户特征空间进行不同程度的局部分享，最终获取用于兴趣预测的协同过滤的特征参数。此方法采用相似用户的反馈数据即相似用户的兴趣偏好，来补充当前用户的兴趣特征，缓和了数据稀疏问题，提高了推荐预测的准确性。
-
公开(公告)号：CN107391585A
公开(公告)日：2017-11-24
申请号：CN201710484040.1
申请日：2017-06-23
Applicant: 复旦大学
CPC classification number: G06F17/3087 , H04L67/18
Abstract: 本发明属于任务推荐技术领域，具体为一种基于位置的微互助推荐方法。本发明首先综合残疾人和志愿者互助之间的特点和需求关系，建立结构化的数据来表示各种模型；然后在模型的基础之上分析影响用户接受志愿任务的因素并将其量化表示，最后建立面向残疾人和志愿者的推荐策略，针对不同的用户进行相应的志愿任务推荐。本发明一方面能够解决残疾人和志愿者之间的人数差异，另一方面也能够更快地帮助残疾人解决生活中的琐碎事务，做到“全民志愿”和“就近公益”。它是通过扩展现有的推荐技术，融合了残疾人、志愿者等用户的所处位置、兴趣特征、历史记录而提出的推荐方案。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.059 seconds)
