-
公开(公告)号：CN115729532B
公开(公告)日：2023-04-18
申请号：CN202310036231.7
申请日：2023-01-10
Applicant: 西安电子科技大学
IPC: G06F8/30 , G06F8/41 , G06N3/0464 , G06N3/0475
Abstract: 本发明涉及Java程序方法名推荐技术领域，公开了基于生成对抗网络的Java程序方法名推荐方法及系统，该方法，包括以下步骤：S1，代码预处理；S2，方法名生成；S3，方法名判别；S4，生成对抗网络训练。本发明解决了现有技术存在的模型结构臃肿、针对性强、数据准备阶段消耗了大量的人工精力、不具有实用性等问题。
-
公开(公告)号：CN114896514B
公开(公告)日：2022-09-30
申请号：CN202210825930.5
申请日：2022-07-14
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的Web API标签推荐方法，包括：根据元路径从Web API数据中抽取出Web API节点的邻居节点，将其映射到欧几里德空间中。使用注意力机制将各邻居节点的向量表示聚合，得到局部聚合信息；使用注意力机制将不同元路径下局部聚合信息进行聚合，得到语义信息；将语义信息输入多标签分类器中，完成对Web API的标签推荐。本发明使用图神经网络，每次从Web API节点中抽取邻居节点，避免了数据稀疏性问题；聚合了Web API节点的局部结构信息和语义信息，提高了服务查找结果的精确性，减少了推荐模型的计算量，解决了物品冷启动问题。
-
公开(公告)号：CN114741429A
公开(公告)日：2022-07-12
申请号：CN202210420154.0
申请日：2022-04-20
Applicant: 西安电子科技大学
IPC: G06F16/2458 , G06F16/9535 , G06F16/906 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图神经网络的Web API关联模式挖掘方法，包括以下步骤：S1、收集Web API数据集，并将其转化为异构图，将异构图输入图神经网络；S2、基于输入图神经网络的异构图，通过图神经网络进行多通道卷积操作得到若干第一图结构；S3、将若干第一图结构进行拼接堆叠，得到第二图结构；S4、将第二图结构输入图卷积神经网络得到分类结果，并根据分类结果对用户进行推荐，完成Web API关联模式的挖掘。
-
公开(公告)号：CN114201669A
公开(公告)日：2022-03-18
申请号：CN202111391897.1
申请日：2021-11-19
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F8/36 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于词嵌入与协同过滤技术的API推荐方法，所述API推荐方法包括：S1：对API真实调用记录进行初始处理，得到API调用矩阵；S2：对所述API调用矩阵中所有用户调用API的API序列进行训练，得到API‑API相似度矩阵；S3：对所述API调用矩阵中所有API跟随用户的用户序列进行训练，得到用户‑用户相似度矩阵；S4：根据所述API调用矩阵、所述用户‑用户相似度矩阵和所述API‑API相似度矩阵，分别得到API侧调用预测模型和用户侧调用预测模型；S5：根据所述API侧调用预测模型以及所述用户侧调用预测模型，得到最终预测模型；S6：根据所述最终预测模型，输出API推荐结果。
-
公开(公告)号：CN119150974A
公开(公告)日：2024-12-17
申请号：CN202411622375.1
申请日：2024-11-14
Applicant: 西安电子科技大学
IPC: G06N5/022 , G06N3/0475 , G06N3/094
Abstract: 本发明公开了一种基于对抗学习与标签传播的时序知识图谱中实体对齐方法，涉及知识表达领域，用以提升实体对齐的准确性和鲁棒性。本发明对于待对齐的时序知识图谱，分别从时序知识图谱中实体与关系和时间的邻接矩阵中，迭代学习含有关系和时间语义信息的实体标签，得到两个时序知识图谱的标签实体嵌入向量；基于对抗学习分别消除各标签实体嵌入向量中实体的度感知，得到两个时序知识图谱的最终实体嵌入向量；基于对预对齐的时序知识图谱样本中等价实体的半监督学习，在两个最终实体嵌入向量间进行实体对齐。本发明充分考虑了实体随时间和关系推移对实体对齐的影响，同时消除了实体度感知对实体对齐的影响，提升了对齐的准确率和鲁棒性。
-
Patent Agency Ranking
公开(公告)号：CN118228729A
公开(公告)日：2024-06-21
申请号：CN202410224707.4
申请日：2024-02-29
Applicant: 西安电子科技大学
IPC: G06F40/295 , G06F16/33 , G06F40/166 , G06F40/151 , G06F16/35 , G06N3/094 , G06N3/0475 , G06N3/0442 , G06N3/045
Abstract: 本发明公开了一种基于对抗学习与特征增强的领域命名实体识别方法和系统，涉及自然语言处理领域，用以提高在特定领域命名实体识别的泛化能力，更好地解决嵌套实体识别问题。本发明使用检索增强方法从外部知识库引入外部文本与原始文本进行组合，再送入ERNIE‑health预训练语言模型进行词嵌入，并使用FGM方法生成对抗样本来提高模型鲁棒性。下游使用BiLSTM模型进行特征提取，并使用挤压和激励机制对特征进行重校准，最后送入CRF模型中进行序列标签标注。本发明能够更好地理解特定领域的语言特征，提高了模型对真实场景下噪声数据的处理能力，增强了识别模型的泛化能力，提高了标签识别的效率和精确度。
-
公开(公告)号：CN117493697B
公开(公告)日：2024-04-26
申请号：CN202410002159.0
申请日：2024-01-02
Applicant: 西安电子科技大学
IPC: G06F16/9535 , G06F40/30 , G06N3/044 , G06N3/048 , G06N3/08 , G06F8/70 , G06F16/33 , G06F16/35 , G06F18/24 , G06F18/25
Abstract: 本发明公开了一种基于多模态特征融合的Web API推荐方法和系统。通过使用深度学习网络处理混搭服务的文本描述，得到混搭服务的文本特征向量，使用神经协同过滤网络处理混搭服务与Web API的历史调用记录，得到混搭服务的交互特征向量，再融合混搭服务的文本特征向量和交互特征向量，得到混搭服务的预测向量，计算预测向量得到Web API预测值；根据历史调用记录，以最小化预测值与实际值的差距为目的对模型进行训练。将预开发的混搭服务输入到训练的模型，得到推荐的Web API预测值，根据预测值大小对候选Web API排序作为推荐结果。本发明融合了混搭服务的多种特征，有效整合了各种模态的互补信息，提高了推荐Web API的准确性。
-
公开(公告)号：CN117521659B
公开(公告)日：2024-03-26
申请号：CN202410010206.6
申请日：2024-01-04
Applicant: 西安电子科技大学
IPC: G06F40/295 , G06F40/216 , G06N3/0455 , G06N3/0475 , G06N3/048 , G06N3/0499 , G06N3/08 , G06F16/33 , G06F16/35
Abstract: 本发明公开了一种基于语义增强预训练孪生网络的中文实体链接方法和系统。通过将短文本的实体指代在知识库中匹配出候选实体集合及各候选实体的实体描述信息，将短文本、候选实体前后分别用第一标记分界后，与候选实体描述信息输入BERT，以分别提取整体特征、实体指代特征、候选实体及其实体描述特征，分别对实体指代特征和候选实体及其实体描述特征进行最大池化，再借助多层感知机分别提取第一向量和第二向量，用多层感知机从整体特征获取第三向量，拼接各向量及其之间的运算向量，进行维度固定后以此进行激活、全连接，得到预测值；链接预测值为1的候选实体到短文本。本发明模型结构简单，链接准确率高。
-
公开(公告)号：CN117648197A
公开(公告)日：2024-03-05
申请号：CN202410123314.4
申请日：2024-01-30
Applicant: 西安电子科技大学
Abstract: 本发明公开了一种基于对抗学习与异构图学习的序列化微服务资源预测方法，属于时间序列预测领域，用以提升资源预测的准确性、泛化能力和计算效率。本发明使用微服务资源节点与运行在各节点上的容器构建异构图，利用图神经网络进行学习，获取异构图中的节点表示，在训练过程中利用对抗学习方法提高图神经网络的训练质量，增强图神经网络的鲁棒性和节点表示的质量，同时降低计算复杂度。最后将异构图中每个节点的节点表示与对应节点的时间序列数据相结合，采用LSTM和多头注意力机制进行CPU利用率的预测。本发明提升了预测模型的泛化能力和预测准确率，提高了模型训练速度和预测效率。
-
公开(公告)号：CN117573871A
公开(公告)日：2024-02-20
申请号：CN202311551011.4
申请日：2023-11-20
Applicant: 西安电子科技大学
IPC: G06F16/35 , G06F18/213 , G06F18/25 , G06N3/0442 , G06N3/08 , G06Q10/04 , G06Q50/00 , G06F18/241
Abstract: 本发明公开了一种编程问答社区内对于问题的回复时间预测的方法。本发明分别收集问题的文本信息和数字特征，将问题文本词嵌入后，利用双向BiLSTM提取问题文本特征，并经注意力层后得到文本特征，与数字特征相融合为多模态特征，利用多模态特征及对应的回复时间对分类器模型进行训练，在使用时，利用分类器模型对编程问答社区中的新问题进行回复时间的预测。本发明充分考虑了编程问答社区不同版块之间的特征差异，利用同一个预测模型即实现了对不同领域问题回复时间预测的适用，并且具有较高的准确度。
-
-
-
-
-
-
-
-
-
Search Results
35
records
(took 0.028 seconds)
