-
公开(公告)号：CN105069094A
公开(公告)日：2015-11-18
申请号：CN201510477123.9
申请日：2015-08-06
Applicant: 苏州大学
IPC: G06F17/30
CPC classification number: G06F17/30613 , G06F17/30675
Abstract: 本发明公开了一种基于语义理解的空间关键字索引方法，包括：构建空间文本对象的索引结构；初始化索引结构中的优先队列；读出所述优先队列中的第一个索引节点；当第一个索引节点是为非叶节点时：读取索引结构，得到第一个索引节点的子节点集合；按照与查询点综合距离下界距离升序的方式，将子节点集合插入所述优先队列；当第一个索引节点为叶节点时：访问叶节点对应的语义层和文本层，得到语义候选空间文本对象集合和文本候选空间文本对象集合；更新文本候选空间文本对象集合的结果上界；当结果上界小于综合距离下界或所述优先队列为空时，结束查询。本发明能够根据文本的语义理解对空间关键词进行索引，使得索引的结果更加的准确。
-
公开(公告)号：CN104778284A
公开(公告)日：2015-07-15
申请号：CN201510236691.X
申请日：2015-05-11
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明的空间图像查询方法和系统，在接收到用户提交的空间图像查询请求后，对该请求中所包含的携带位置信息的查询图像进行预设处理，得到查询图像的视觉词袋模型；之后，利用查询图像的视觉词袋模型及位置信息，对图像数据集进行基于图像内容及位置信息的搜索，实现基于图像内容相似度及空间临近度的top-k图像(最优的k个图像)查询，供用户参考。可见，区别于传统的图像查询技术依据关键词进行文本查询，本发明依据用户提交的图像进行基于图像内容(采用视觉词袋模型表征)的查询，不存在文本查询中所存在的局限性问题，可有效处理空间图像的查询问题。
-
公开(公告)号：CN104679904A
公开(公告)日：2015-06-03
申请号：CN201510124552.8
申请日：2015-03-20
Applicant: 苏州大学张家港工业技术研究院
IPC: G06F17/30
Abstract: 本发明公开了一种路网中位置点查询方法及装置，应用于路网，所述路网中包括多个位置点，每个位置点具有其各自的空间位置信息及位置属性信息，所述方法包括：接收查询请求，所述查询请求包括查询位置点及查询关键字；基于所述查询请求，确定所述路网中的目标位置点；其中，所述目标位置点的位置属性信息与所述查询关键字之间的对应关系满足预设第一条件，且所述目标位置点的空间位置信息与所述查询位置点的位置信息之间的对应关系满足预设第二条件。
-
公开(公告)号：CN103617429A
公开(公告)日：2014-03-05
申请号：CN201310688732.X
申请日：2013-12-16
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开一种主动学习分类方法和系统，该方法首先从原始的未标注样本集中筛选出不确定性较高的各个样本，得到最不确定样本集；之后，利用样本间的相似性将最不确定样本集分为h个不同的聚类，相似性较高的样本被划分在同一个聚类中，并筛选出每个聚类中最具代表性的样本，构成最具代表性样本集；后续对该最具代表性样本集进行信息标注，利用标注的样本训练分类器，最终实现利用训练的分析器对目标对象进行分类。可见，本发明通过聚类，将较为相似的、冗余性较高的样本划分在同一类中，以及基于聚类进行筛选避免了最终所选的待标注样本之间的冗余性，降低了标注时间和工作量，提高了分类效率。
-
公开(公告)号：CN119537705A
公开(公告)日：2025-02-28
申请号：CN202510100544.3
申请日：2025-01-22
Applicant: 苏州大学
IPC: G06F16/9535 , G06F18/25 , G06N3/042 , G06N3/0455 , G06N3/08
Abstract: 本发明涉及数据处理技术领域，公开了一种基于谱图多项式滤波器的多模态推荐方法及系统，方法包括：将用户数据和项目数据输入至PolyRec模型中，PolyRec模型包括多模态编码器、行为编码器和多模态对齐模块；利用多模态编码器对用户数据和项目数据进行编码和融合，获取第一特征；利用行为编码器对用户数据进行编码，获取第二特征；将第一特征和第二特征输入至多模态对齐模块进行融合，输出个性化推荐结果。本发明通过整合用户的多模态特征和不同频率的行为信息，能更全面地捕捉用户偏好；采用频率信号缩放器和统一的频谱图神经网络函数，使模型能够灵活适应不同频率信号的特征，进一步增强了推荐系统的鲁棒性和适应性。
-
Patent Agency Ranking
公开(公告)号：CN112925893B
公开(公告)日：2023-09-15
申请号：CN202110308770.2
申请日：2021-03-23
Applicant: 苏州大学
IPC: G06F16/332 , G06F16/335 , G06F16/387 , G06F16/9535 , G06F16/9537 , G06N3/04 , G06N3/084 , G06N3/092
Abstract: 本发明提供了一种对话式兴趣点推荐方法、装置、电子设备及介质，该方法包括：利用用户访问兴趣点的历史访问序列生成训练兴趣点序列、时间训练序列及位置训练序列；其中，历史访问序列中包含有用户访问兴趣点的访问时间及兴趣点的地理位置信息；将所有兴趣点、训练兴趣点序列、时间训练序列及位置训练序列输入时空兴趣点推荐网络中进行训练，生成兴趣点推荐序列及访问预测值；当接收到用户发送的对话推荐请求时，确定接收时间及接收时间在一天中对应的预设时间段，并利用预设时间段、兴趣点推荐序列及访问预测值生成对话状态；将对话状态输入时空策略网络中进行强化学习，向用户进行对话推荐。本发明可综合兴趣点的时空因素提升兴趣点推荐准度。
-
公开(公告)号：CN111612252B
公开(公告)日：2023-06-13
申请号：CN202010439016.8
申请日：2020-05-21
Applicant: 苏州大学
IPC: G06Q10/047 , G06Q10/0631 , G06Q50/26 , G06N3/126
Abstract: 本申请公开了一种大规模应急设施的自动选址方法、装置及计算机可读存储介质。其中，方法包括基于待规划区域的城市路网数据，计算待规划区域内中所有路网节点之间通行的最短路径；对最短路径和预先构建的设施选址模型进行编码操作，设施选址模型表示基于应急设施布局规则所设立的应急设施在选址过程中需要满足选址条件；基于编码后的最短路径，利用遗传算法计算设施选址模型的最优解，得到待选址应急设施在待规划区域的设立总数量和设立位置信息，以作为应急设施的选址信息进行自动输出。在无需事先确定应急设施的设立数量的前提下，便可实现为这类需要平衡设施的安全性和经济性方面矛盾、且规模较大的应急设施进行选址，优化城市应急设施的布局。
-
公开(公告)号：CN111522962B
公开(公告)日：2023-05-02
申请号：CN202010277778.2
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06F16/36 , G06F16/9535 , G06N3/084 , G06N3/048
Abstract: 本申请公开了一种序列推荐方法、装置及计算机可读存储介质。其中，方法包括预先将用户集‑项目集构成的双向图和知识图谱结合并统一为混合知识图谱；将待推荐用户和混合知识图谱的历史交互序列输入序列推荐模型中；该模型包括知识图嵌入模块、图注意力网络和循环神经网络；知识图嵌入模块将混合知识图谱的所有节点编码为向量，图注意力网络根据每个节点的嵌入和相邻节点的嵌入递归更新各节点的嵌入以捕获全局的用户‑项目和项目‑项目之间的关系；循环神经网络对用户交互序列项目进行编码以获取用户的动态偏好；最后根据该模型的输出确定待推荐用户的推荐序列信息，从而基于知识图中实体与局部图上下文之间的高阶依赖关系进行高准确度的序列推荐。
-
公开(公告)号：CN111415222B
公开(公告)日：2023-05-02
申请号：CN202010196317.2
申请日：2020-03-19
Applicant: 苏州大学
IPC: G06Q30/0601
Abstract: 本发明公开了一种物品推荐方法，包括：利用两层自适应注意力网络，从用户历史评论和目标物品对应的物品历史评论中获取用户对目标物品的可见偏好信息和不可见偏好信息；利用评论驱动的视觉注意力模网络结合偏好信息，计算目标物品的图像向量表示；将原用户向量表示与偏好信息结合，得到目标用户向量表示；将原物品向量表示与图像向量表示结合，得到目标物品向量表示；对目标用户向量表示和目标物品向量表示进行相似度评分计算；根据评分计算结果向用户进行物品推荐。本发明充分结合了用户的可视偏好信息和不可视偏好信息进行物品推荐，较大地提高了物品推荐的准确性。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN108829761B
公开(公告)日：2022-03-15
申请号：CN201810522792.7
申请日：2018-05-28
Applicant: 苏州大学
IPC: G06F16/9537 , G06Q30/06
Abstract: 本发明公开了一种兴趣点推荐方法，包括：利用预先创建的分层嵌入兴趣点推荐模型对目标用户的兴趣点进行推荐，得到目标用户的兴趣点列表；其中，分层嵌入兴趣点推荐模型的创建过程为：利用用户偏好的分层结构，构建层级嵌入结构矩阵；其中，用户偏好为对用户在位置社交网络的兴趣点进行挖掘所得的信息；利用用户对兴趣点的喜好程度，构建兴趣点推荐模型；将层级嵌入结构矩阵嵌入至兴趣点推荐模型，得到分层嵌入兴趣点推荐模型。通过本发明中的方法，能够显著提升对用户兴趣点推荐的准确度及效率。相应的，本发明公开的一种兴趣点推荐系统、介质及设备，同样具有上述有益效果。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.022 seconds)
