-
公开(公告)号：CN110287336B
公开(公告)日：2021-08-27
申请号：CN201910530084.2
申请日：2019-06-19
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535 , G06Q50/14
Abstract: 本发明提供了一种面向旅游景点推荐的游客画像构建方法，利用游客历史游览的景点序列在旅游知识图谱上的传播生成游客历史游览景点序列相对于候选景点的特征向量，通过注意力网络给不同的特征向量分配不同的权重，计算得到上述特征向量的加权和，该加权和即是游客的表示向量，将上述得到的表示向量作为游客画像的表示，在个性化景点推荐阶段，再将景点表示向量和游客画像做内积运算生成游客游览该景点的概率，按照不同景点的概率大小为游客生成景点推荐的列表。
-
公开(公告)号：CN108052683B
公开(公告)日：2021-08-03
申请号：CN201810058745.1
申请日：2018-01-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于余弦度量规则的知识图谱表示学习方法，首先将知识图谱中的实体与关系随机嵌入到两个向量空间；其次利用候选实体统计规则，统计相关关系对应的三元组集与候选实体向量集；再次利用余弦相似度构造目标向量与候选实体的评分函数，对候选实体进行评价；最后利用损失函数将所有相关关系的候选实体向量与目标向量进行统一训练，并通过随机梯度下降算法最小化损失函数。当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。
-
-
公开(公告)号：CN113177136A
公开(公告)日：2021-07-27
申请号：CN202110460027.9
申请日：2021-04-27
Applicant: 桂林电子科技大学
IPC: G06F16/65 , G06F16/683 , G06F40/211 , G06F40/216 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及音乐风格分类技术领域，涉及一种基于注意力的音频和歌词的多模态音乐风格分类方法，步骤如下：一、数据获取；二、音频预处理：先对音频数据采取Mel频谱特征提取，然后经过CNN网络得到音频特征；三、歌词预处理：先进行BERT预训练得到词向量，然后经过HAN网络得到歌词特征向量；四、attention模间融合：通过Attention模间融合，将获取的音频和歌词特征，进行交互融合获取融合的Attention注意力向量，再与音频和歌词特征向量拼接，获得包含音频和歌词各自模态特征，以及模态间融合特征的音乐风格特征；五、经过softmax层进行分类。本发明能较佳地对数据进行学习和分类。
-
公开(公告)号：CN109493915B
公开(公告)日：2021-05-07
申请号：CN201811518891.4
申请日：2018-12-12
Applicant: 桂林电子科技大学
Abstract: 本发明提出一种基于不确定图模型侦测蛋白质复合物的方法，该方法包括：将蛋白质作为不确定图的顶点，蛋白质之间的相互作用作为不确定图的边；根据不确定图模型，定义期望稠密度，判断每个顶点是否属于核；计算蛋白质和他邻居蛋白质的皮尔逊系数，进一步判断该蛋白质是否属于核；根据不确定图模型，定义邻居顶点相关度，判断该蛋白质是否属于附件；对所有挖掘到的蛋白质复合物进行冗余过滤。本发明所采用的不确定图模型具有很好的表示动态PPI网络，更切合实际，从而加快了搜索效率，更能精确预言蛋白质复合物。
-
Patent Agency Ranking
公开(公告)号：CN112116142A
公开(公告)日：2020-12-22
申请号：CN202010961528.0
申请日：2020-09-14
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/20 , G06N3/08 , G06K9/62 , G06F16/28 , G06F16/2458 , G06F16/2455 , G06F16/21
Abstract: 本发明公开了一种基于深度学习的学生成绩预测系统及方法，涉及深度学习技术领域，包括数据管理模组和模型运作模组，所述数据管理模组包括用户信息模块和成绩信息模块，用户信息模块用以实现用户注册、用户登录和用户信息修改的功能，所述成绩信息模块用以实现用户对成绩信息的查询以及对成绩信息的修改，所述模型运作模组包括模型训练模块和模型预测模块，所述模型训练模块实现对多次的模型初训练，所述模型预测模块与所述模型训练模块通信，实现对初训练后模型的成绩预测，利用了深度学习算法，深度学习能够快速提取稀疏数据的重要特征，并处理复杂的非线性数据，从而提高预测模型的准确率。
-
公开(公告)号：CN112018521A
公开(公告)日：2020-12-01
申请号：CN202010866866.6
申请日：2020-08-26
Applicant: 桂林电子科技大学
IPC: H01Q17/00
Abstract: 本发明为一种基于二氧化钒的电/光可调太赫兹双频吸收器，其主要特征是：包括金属基底、位于金属基底之上的高阻硅层和固定于高阻硅层表面的二维阵列，每个阵列单元包括一个小尺寸方形开口环金属结构、一个大尺寸方形开口环金属结构、2个相变垫片和1条引线。上相变垫片处于单元内引线上侧的小尺寸方形开口环金属结构开口处，下相变垫片处于单元内引线下侧的大尺寸方形开口环金属结构开口处。二维阵列两侧各固定一电极，分别连接直流电源的正负极。吸收器的调谐触发方式为两种，电触发与激光触发。本发明可用电/光实现太赫兹双频吸收器的快速有效调谐，无需繁琐的更换不同吸收频率太赫兹吸收器，适用于不同场合，操作简单。
-
公开(公告)号：CN107590139B
公开(公告)日：2020-10-27
申请号：CN201710856687.2
申请日：2017-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于循环矩阵翻译的知识图谱表示学习方法，首先利用随机生成方法对错误三元组进行生成，并将所有实体与关系分别嵌入不同空间；其次利用循环矩阵生成规则，生成循环矩阵对实体进行投影；再次通过评分函数对三元组的嵌入进行评价；最后利用两种不同损失函数将实体和关系关联起来，并使用SGD算法最小化损失函数，当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。本发明具有较强可行性和良好的实用性。
-
公开(公告)号：CN111460249A
公开(公告)日：2020-07-28
申请号：CN202010110899.8
申请日：2020-02-24
Applicant: 桂林电子科技大学
IPC: G06F16/951 , G06F16/9535 , G06N3/04 , G06N3/08 , G06Q50/20
Abstract: 本发明提供的是一种基于学习者偏好建模的个性化学习资源推荐方法。其特征是：将从在线学习平台中获取学习者相关学习日志文件，包括学习者的历史课程注册记录、对应课程分数以及课程相关属性等数据作为输入数据，通过嵌入注意力机制来更好地获取学习者的历史课程偏好，将其作为自动编码器神经网络的编码输入，然后构建课程知识图谱获得课程先决知识关系，根据课程之间的关联性进行解码，最后计算出学习者学习目标课程的概率，根据概率由大到小来生成学习者的目标推荐列表，以此提高推荐结果的个性化和准确性。
-
公开(公告)号：CN110555112A
公开(公告)日：2019-12-10
申请号：CN201910777238.8
申请日：2019-08-22
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535 , G06F16/9537 , G06Q10/06 , G06Q50/14 , G06N3/04
Abstract: 本发明提供了一种基于用户正负偏好学习的兴趣点推荐方法，使用神经网络学习用户和景点交互的深层次特征，同时训练出两个神经网络模型，正偏好神经模型和负偏好神经模型；正偏好神经网络模型产生用户喜欢的景点的列表，然后通过负偏好神经网络模型优化并得到最终推荐列表，为用户提供更精确的景点推荐；以解决传统的兴趣点推荐精度不高和推荐结果个性化程度低等问题。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.049 seconds)
