-
公开(公告)号：CN118377979B
公开(公告)日：2024-09-27
申请号：CN202410813896.9
申请日：2024-06-24
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F16/9537 , G06F16/9535 , G06F16/36 , G06F18/25
Abstract: 本发明公开了一种基于时序知识图谱的兴趣点推荐方法、介质及电子设备。本发明以用户的历史行为轨迹和多模态信息为基础，构建了动态时序知识图谱和静态群组知识图谱，分别用于学习用户随时间变化的兴趣偏好和不随时间变化的稳定特征。同时，本发明运用深度学习方法建立了一个兴趣点推荐模型，可结合用户评论情感嵌入序列从两个知识图谱中提取兴趣点融合特征表示和用户融合特征表示，以准确预测下一时刻目标用户最可能访问的兴趣点。本发明具有准确度高、可扩展性强等特点，可为个性化地用户行为轨迹预测提供支持。
-
公开(公告)号：CN118643149A
公开(公告)日：2024-09-13
申请号：CN202410764855.5
申请日：2024-06-14
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F16/35 , G06F16/33 , G06F40/289 , G06F40/284 , G06F40/12 , G06F18/22 , G06F18/23213 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种多源海量教育数据统一集成方法，包括如下步骤：步骤1、获取学习文档、服务说明文档和事项说明文档，并进行文档加载和分块；步骤2、分别将学习文档、服务说明文档和事项说明文档作为输入，获取文档中单词级别词向量；步骤3、通过注意力机制计算单词级别词向量与上下文词向量的相似性，并根据单词级别词向量以及相似性得到句子级别词向量；步骤4、通过注意力机制计算句子级别词向量与句子级别上下文词向量的相似性，并根据句子级别词向量以及相似性得到文档级别词向量；步骤5、根据文档级别词向量执行文本任务。该方法可以更准确地对文本进行分类，大幅度提升检索的正确性，以提升生成答案的正确率。
-
公开(公告)号：CN118410781A
公开(公告)日：2024-07-30
申请号：CN202410624049.8
申请日：2024-05-20
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F40/166 , G06V30/19 , G06F18/22 , G06F16/332 , G06N20/00 , G06N5/04
Abstract: 本发明公开了一种基于多提示词的领域大模型端到端问答生成方法，包括如下步骤：步骤1、对原文件进行等长度切分得到分片文本提取文本信息，从而得到具有高噪声的文本片段；步骤2、对文本片段进行预处理；步骤3、预处理后的文本进行多方法文本切分得到文本块集合；步骤4、根据说明书类型和生成问题的目标，在已知的prompt库中选择对应的prompt；步骤5、将文本块集合中的文本块和选取的prompt输入大模型，利用端到端的方法生成问答，并录入数据库中；步骤6、将生成的问答组合成问答对{(Qj,Aj)}，并将总和问答文件D放入数据库中，该方法可以提高问答生成时语料的质量，同时充分利用大模型的性能，实现更高质量的问答生成。
-
公开(公告)号：CN118377979A
公开(公告)日：2024-07-23
申请号：CN202410813896.9
申请日：2024-06-24
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F16/9537 , G06F16/9535 , G06F16/36 , G06F18/25
Abstract: 本发明公开了一种基于时序知识图谱的兴趣点推荐方法、介质及电子设备。本发明以用户的历史行为轨迹和多模态信息为基础，构建了动态时序知识图谱和静态群组知识图谱，分别用于学习用户随时间变化的兴趣偏好和不随时间变化的稳定特征。同时，本发明运用深度学习方法建立了一个兴趣点推荐模型，可结合用户评论情感嵌入序列从两个知识图谱中提取兴趣点融合特征表示和用户融合特征表示，以准确预测下一时刻目标用户最可能访问的兴趣点。本发明具有准确度高、可扩展性强等特点，可为个性化地用户行为轨迹预测提供支持。
-
公开(公告)号：CN118377796A
公开(公告)日：2024-07-23
申请号：CN202410660884.7
申请日：2024-05-27
Applicant: 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC: G06F16/2452 , G06F40/30 , G06F40/205 , G06N3/045 , G06N3/0985 , G06N5/04 , G06F40/211 , G06F40/253 , G06F40/295
Abstract: 本发明公开了一种面向领域大语言模型的Text2SQL语义解析方法，包括如下步骤：S1、连接领域数据库并存储数据库模式信息；S2、基于领域数据库和领域背景知识构建知识库并挂载到大语言模型中；S3、基于SQL‑to‑Text模型生成Text‑SQL数据集；S4、使用Text‑SQL数据集对大语言模型进行微调、评估和优化，构建高性能的Text2Sql模型；S5、输入自然语言问题并基于Prompt和领域知识库对其优化；S6、通过Text2Sql模型解析语义并基于需求设计Prompt推理结果。该方法基于Prompt优化自然语言问题输入，面向领域大模型预训练微调并挂载领域知识库进行数据增强生成，这样做可以实现复杂的查询需求，无需依赖繁琐的人工工作，同时有效降低了数据噪声和语义歧义的风险。该方法还可以应用于各种领域并提高Text2SQL的准确性。
-
Patent Agency Ranking
公开(公告)号：CN114154740A
公开(公告)日：2022-03-08
申请号：CN202111510019.7
申请日：2021-12-10
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司 , 杭州电子科技大学
Abstract: 本发明公开了一种基于兴趣点时空残差神经网络的多方向交通流量预测方向。该方法基于短时车辆轨迹数据，通过加入时间信号和兴趣点信号来增强时空特征，利用3D CNN提取车流变化随时间变化的时空特征，结合残差神经网络避免模型过拟合，最后对带有时空特征信息进行加权压缩，输出带有移动状态的车流分布矩阵，实现了对区域交通流量的预测。本发明方法良好地关联了车流的空间分布随时间变化的特征，并综合了时间信号与兴趣点信号关系，有精度高、实用性强等特点，可以为公共设施部署、交通导流、用地规划等提供决策支撑。
-
公开(公告)号：CN114219581B
公开(公告)日：2025-05-09
申请号：CN202111669824.4
申请日：2021-12-31
Applicant: 杭州电子科技大学
IPC: G06Q30/0601 , G06F16/906 , G06F16/9537
Abstract: 本发明涉及一种基于异构图的个性化兴趣点推荐方法及系统。其方法包括步骤：S1获取用户‑兴趣点签到记录；S2基于签到记录构建用户‑兴趣点‑时间异构子图、用户‑类别异构子图；S3基于异构子图计算用户对于兴趣点的兴趣点偏好概率、类别偏好概率；S4基于签到记录计算用户对于兴趣点的一般签到概率，并计算兴趣点流行度；S5根据兴趣点的经纬度和签到记录，计算在地理位置偏好影响下用户对于兴趣点的地理位置偏好签到概率；S6基于兴趣点偏好概率、类别偏好概率、兴趣点流行度、地理位置偏好签到概率，预测用户对兴趣点的总体签到概率；S7基于总体签到概率，对用户进行兴趣点推荐。在推荐兴趣点时综合考虑了多种重要因素，提高了兴趣点推荐的准确性。
-
公开(公告)号：CN119598352B
公开(公告)日：2025-05-02
申请号：CN202510112683.8
申请日：2025-01-24
Applicant: 杭州电子科技大学
IPC: G06F18/2431 , G06F18/2323 , G06F18/23213 , G06F18/2135 , G06F18/25 , G06F18/22 , G06N3/042 , G06N3/045 , G06N3/084 , G06N3/0985 , G06F11/34 , G06Q10/10
Abstract: 本发明公开了一种支持RPA和基于图神经网络的活动分类方法及系统。本发明依据输出的重构特征再进行聚类的操作，能够有效地处理用户操作行为日志中多轨迹交错、存在复杂流程时分类效果不佳的问题。本发明在构建模型时，将边和节点信息融合进注意力机制，所得的消息特征表示综合考虑了上下文的节点和边之间关系和更复杂的语义信息，所得到的重构向量可以更加准确表示活动之间的交互，从而有利于对用户操作行为日志的复杂轨迹任务进行正确分类。
-
公开(公告)号：CN114330314B
公开(公告)日：2025-05-02
申请号：CN202111593675.8
申请日：2021-12-22
Applicant: 杭州电子科技大学
IPC: G06F40/258 , G06F40/289 , G06F16/35 , G06F18/2413 , G06F18/22
Abstract: 本发明涉及一种基于多示例学习的工业互联网专利识别方法，利用自然语言处理技术，将专利中的摘要信息切分成句子，并利用基于句子关系图的文本主题句抽取算法来抽取摘要中的主题句，可以有效减少计算开销。同时通过结合标题和摘要中抽取的主题句，将专利转换为为句子包，其中每个专利看作包，包中的每个句子看作示例。最后，通过采用K近邻算法(K Nearest Neighbors，KNN)来预测新样本的类别。通过本发明方法能有效提高工业互联网专利识别效果，极大地减少人工审查代价，对专利检索有着非常重要的意义。
-
公开(公告)号：CN118377965B
公开(公告)日：2025-04-11
申请号：CN202410526812.3
申请日：2024-04-29
Applicant: 杭州电子科技大学
IPC: G06F16/9535 , G06F16/901 , G06N3/0464 , G06N3/096 , G06N3/0985
Abstract: 本发明公开了一种因子感知图阶段性负采样表示学习个性化服务方法，步骤如下：S1、输入用户的历史标记数据；S2、根据用户和服务之间的交互构建用户‑服务邻接矩阵；S3、构建负样本候选集合；S4、在无向图G中迭代地执行图卷积生成用户和物品的嵌入表征；S5、利用解耦技术分解出负因子，并对负因子的语义进行约束；S6、利用用户增强挑选出真正的负面实例以进行训练；S7、将正负实例与真负实例相结合，生成合成的硬负实例，以进行进一步性能优化；S8、对正面实例和令人困惑的正面实例之间进行迁移学习；S9、将用户和服务在不同层的嵌入表示相加作为最终表示；S10、推荐：计算最终表示的内积作为每个服务的推荐得分，为用户推荐分数最高的若干个服务。
-
-
-
-
-
-
-
-
-
Search Results
254
records
(took 0.043 seconds)
