一种面向深度答案推荐模型的主动学习方法

    公开(公告)号:CN112487172B

    公开(公告)日:2023-07-18

    申请号:CN202011491346.8

    申请日:2020-12-16

    Abstract: 本发明公开了一种面向深度答案推荐模型的主动学习方法,涉及人工智能领域,具体为:首先,针对某个线上社区问答平台,将每个问题和对应的若干候选答案分别作为一个样本;利用通常采用的深度答案推荐模型通过dropout构建贝叶斯神经网络,包括在每层权重前设置dropout机制;然后,利用贝叶斯神经网络计算每个样本的近似期望损失;并将期望损失按从大到小排序,并选取前K个作为待标注数据样本;接着,将前K个样本中的每个样本分别分给三个用户,进行最优答案的人工标注,并将标注结果进行融合;训练当前线上社区问答平台的深度答案推荐模型;直至深度答案推荐模型达到收敛且最优性能。本发明有效减少了基于深度学习的答案推荐模型训练所需要的标注数据量。

    面向微服务持续集成的代码质量问题检测及修复方法

    公开(公告)号:CN114968819A

    公开(公告)日:2022-08-30

    申请号:CN202210737640.5

    申请日:2022-06-27

    Abstract: 本发明公开了一种面向微服务持续集成的代码质量问题检测及修复方法,应用于信息处理技术领域。在微服务场景下,开发者提交代码后,会触发持续集成流水线,执行本发明方法。本方法包括以下步骤:对代码的多种质量问题进行自动检测,包括代码风格检测、代码安全性检测以及代码单元测试;对检测出的代码部分质量问题进行自动修复;修复完成后将代码质量问题的检测和修复结果统一反馈给开发者。本发明可以自动对代码质量问题进行排查和修复,从而大大提高微服务场景下持续集成开发过程的质量和效率。

    一种基于注意力机制的API误用检测方法及系统

    公开(公告)号:CN114741322A

    公开(公告)日:2022-07-12

    申请号:CN202210566644.1

    申请日:2022-05-24

    Inventor: 吴文峻 杨京波

    Abstract: 本发明提出一种基于注意力机制的API误用检测方法及系统,包括如下步骤:步骤1、获取检测领域预定量代码;步骤2、将所述预定量代码转化为基于注意力机制API误用检测模型所需训练数据;步骤3、利用所述训练数据训练所述基于注意力机制API误用检测模型,得到模型参数;步骤4、获取待检测代码,将待检测代码转化为所述基于注意力机制API误用检测模型要求的数据格式,将待检测代码转换的数据格式通过所述基于注意力机制API误用检测模型,得到检测结果,对所述待检测代码生成检测报告。本发明将自注意力机制应用于API使用规约的学习以及API误用检测,通过采集大量Java代码并通过静态分析构造API使用的样本集,并使用神经网络对这些样本进行训练,构造自动检测API误用的模型。

    一种基于患者症状描述文本的疾病分类智能服务方法

    公开(公告)号:CN114676258A

    公开(公告)日:2022-06-28

    申请号:CN202210354283.4

    申请日:2022-04-06

    Abstract: 本发明提出一种基于患者症状描述文本的疾病分类智能服务方法,属于人工智能领域,具体为:首先,从现有数据中根据患者症状的描述语句提取实体,并标注类型,作为样本存储到图形数据库;然后,通过生成器,生成各样本同类型的新样本并标注,针对每个新样本,利用检查器判断出可用样本加入已标注数据集;接着依次构建实体识别微服务,输入实际患者的症状描述文本,输出实体的识别结果;构建疾病查询微服务,在图形数据库中查询与实体的识别结果相关的疾病并排序,作为候选疾病结果输出;最后,构建用户交互微服务,将实体识别结果,候选疾病结果以及历史健康数据一起打包返给患者;本发明降低了运维成本,方便后续更新和完善数据。

    一种面向编程初学者的个性化智能辅导方法

    公开(公告)号:CN114092288A

    公开(公告)日:2022-02-25

    申请号:CN202111395652.6

    申请日:2021-11-23

    Abstract: 本发明公开了一种面向编程初学者的个性化智能辅导方法,涉及教育智能化领域;首先,针对某个题目的各编程作业,以块为粒度进行划分;然后,将测试样例输入到各作业程序中,得到各自的变量执行轨迹;根据匹配条件,将正确的作业程序分为聚类,从每个类中随机选择一个模板;针对当前错误作业程序,逐个选择模板与之进行变量执行轨迹的匹配,采用笛卡尔积生成映射关系并计算每一个映射关系对应的修复代价;选择满足变量匹配完全一致且代价值最小的映射关系,将正确变量对应到错误程序对应的变量上,修复对应的知识点,完成最终的修复反馈生成。最后,构建联合因子模型,实现对学生的编程学习状态进行评估;本发明提高了编程作业的修复率。

    一种面向程序设计语言课程个性化学习效果分析系统及方法

    公开(公告)号:CN107123068A

    公开(公告)日:2017-09-01

    申请号:CN201710280214.2

    申请日:2017-04-26

    Inventor: 吴文峻 王珊珊

    Abstract: 本发明涉及一种面向程序设计语言课程个性化学习效果分析系统及方法,包括学生认知能力评估、实践能力评估模块、反馈模块;所述方法基于学生面向程序设计语言课程的普通作业和程序作业答题行为,利用数学模型训练学习方法评估学生的认知能力以及实践能力;利用数据统计方法处理认知能力与实践能力数据并向学生反馈学习效果信息,实现个性化展示。本发明能够判定学生的认知与实践双向学习效果,不仅能够更加准确的给出学生公正的评分,还可以指示教师找到学生存在的知识薄弱部分,及时向学生个性化反馈知识不扎实的地方,实现面向程序设计语言课程知识点粒度的微观学习效果评价与学习轨迹建立。

    一种面向备份任务的重复数据删除方法

    公开(公告)号:CN105786651A

    公开(公告)日:2016-07-20

    申请号:CN201610110134.8

    申请日:2016-02-29

    Inventor: 吴文峻

    CPC classification number: G06F11/1453

    Abstract: 本发明公开了一种面向备份任务的重复数据删除方法,首先,划分备份任务;将硬盘上完成了全部查重过程的指纹仓库放入集合B?bucket;然后,在内存中建立局部缓存和全局缓存;将B?bucket中的元素放入全局缓存;将当前备份任务的所有指纹依次放入指纹仓库C?bucket;当C?bucket处于满态后更新,遍历并记录更新后的最大指纹与最小指纹;然后,在B?bucket中寻找具有这两个指纹的指纹仓库,并加入局部缓存;对更新后的每一个指纹在局部缓存和全局缓存中进行查询并标记后,将未被标记的指纹保存到指纹仓库N?bucket中;标记的指纹进行删除;最后,当N?bucket满态后替换并加入局部缓存,并更新全局缓存。优点在于:解决了指纹查询瓶颈问题;缩小查重范围,提高重删效率;保持较高的吞吐率。

    一个基于云计算的视频会议的转码分发系统

    公开(公告)号:CN103699447A

    公开(公告)日:2014-04-02

    申请号:CN201410007678.2

    申请日:2014-01-08

    Abstract: 本发明提供一个基于云计算的视频会议的转码分发系统,包括控制模块、调度模块、转码模块、数据收发模块以及资源监测模块。系统部署于云端的虚拟机中。调度模块将流水线中抽象节点部署到实际虚拟机当中。数据收发、转码模块在调度模块的控制下实现对视频流的实际转码、分发操作。与此同时,资源监测模块实时监测各虚拟机状态,供调度模块进行计算任务分配决策使用。本发明利用云计算服务有效解决了视频会议中多种类客户端导致的视频转码问题。

Patent Agency Ranking