-
公开(公告)号：CN110837602A
公开(公告)日：2020-02-25
申请号：CN201911071659.5
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 本发明属于数据挖掘、社交网络分析技术领域，特别涉及一种基于表示学习和多模态卷积神经网络的用户推荐方法，包括获取用户数据并进行预处理；构建网络结构特征向量和用户文本特征向量；根据网络结构特征向量计算用户相似度，利用注意力机制提取用户文本特征向量中的关键信息；构建卷积神经网络，并在卷积神经网络的卷积层之前建立一个融合层，将网络结构特征与用户文本特征的关键信息进行融合，得到网络节点矩阵；将当前时刻的待测用户的特征空间向量输入卷积神经网络，得到下一时刻待测用户可能产生的用户关系，并将预测的用户关系推送给待测用户；本发明可以有效识别用户之间的关系，并且识别过程的避免了全局运算，降低了计算复杂度。
-
公开(公告)号：CN110795641A
公开(公告)日：2020-02-14
申请号：CN201911071623.7
申请日：2019-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9536 , G06Q50/00 , G06K9/62 , G06N3/04 , G06N3/08 , G06F17/18 , G06F40/289
Abstract: 本发明属于社交网络谣言信息控制技术领域，特别涉及一种基于表示学习的网络谣言传播控制方法，包括获取原始数据进行预处理，并对预处理后的原始数据进行时间分片；提取用户社交结构、用户历史信息、用户基本属性三个方面的相关属性向量，并将相关属性转换为低位稠密实质向量；构建图卷积神经网络，并将特征向量作为图卷积神经网的输入；利用训练数据对图卷积神经网络进行训练；图卷积神经网络输出下一个时刻用户的粉丝参与话题的概率、该粉丝参与谣言的概率以及该粉丝参与辟谣话题的概率；若该用户参与谣言的概率最大，则将辟谣消息推送给该用户；本发明使用表示学习的方法全貌表示了谣言话题下用户的特征，从而使最后的预测效果更好。
-
公开(公告)号：CN104731963B
公开(公告)日：2018-06-15
申请号：CN201510158370.2
申请日：2015-04-03
Applicant: 重庆邮电大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于车联网的网格化路径推荐方法，属于信息检索领域。本发明采用网格划分法，构建网格OD矩阵，以目标用户输入的起始地和目的地为搜索中心，划分九宫格的搜索网格，仅从搜索网格中，考虑个体移动特征、网格的路径静态特征和动态特征，线性组合路径开销函数，根据路径开销函数得到目标用户的路径最近邻居集，针对搜索半径，提供迭代搜索目标用户更为准确的邻居集，提升了推荐结果的准确度。该方法减少了计算网格的时间复杂度，克服传统路径特征计算单一性的问题，重新定义了路径特征的构成及其计算规则。可以广泛应用于交通运输、社交网络等相关领域。
-
公开(公告)号：CN104731963A
公开(公告)日：2015-06-24
申请号：CN201510158370.2
申请日：2015-04-03
Applicant: 重庆邮电大学
IPC: G06F17/30
CPC classification number: G06F17/3087 , G06F17/30867
Abstract: 本发明公开了一种基于车联网的网格化路径推荐方法，属于信息检索领域。本发明采用网格划分法，构建网格OD矩阵，以目标用户输入的起始地和目的地为搜索中心，划分九宫格的搜索网格，仅从搜索网格中，考虑个体移动特征、网格的路径静态特征和动态特征，线性组合路径开销函数，根据路径开销函数得到目标用户的路径最近邻居集，针对搜索半径，提供迭代搜索目标用户更为准确的邻居集，提升了推荐结果的准确度。该方法减少了计算网格的时间复杂度，克服传统路径特征计算单一性的问题，重新定义了路径特征的构成及其计算规则。可以广泛应用于交通运输、社交网络等相关领域。
-
公开(公告)号：CN113888238B
公开(公告)日：2024-04-09
申请号：CN202111243596.4
申请日：2021-10-25
Applicant: 重庆邮电大学
IPC: G06Q30/0242 , G06Q30/0251 , G06N3/0464 , G06N3/08
Abstract: 本发明属于电商大数据推荐领域，涉及一种广告点击率预测方法、装置及计算机设备；所述方法包括获取电商平台的用户行为数据，用户肖像数据和广告数据；对用户行为数据进行预处理形成用户行为序列；将用户行为序列、用户肖像数据、广告数据分别进行编码表示，得到对应特征的嵌入向量；采用基于注意力机制的深度神经网络，提取出用户的兴趣表示向量；采用堆栈式自动编码机，提取出用户肖像特征与广告特征之间的隐形关系向量；将用户的兴趣表示向量和隐形关系向量输入到多层感知机中进行联合训练，得到广告点击率的预测结果；本发明能够有效提高电商平台广告的点击率，实现精准营销和推荐的效果。
-
Patent Agency Ranking
公开(公告)号：CN117763227A
公开(公告)日：2024-03-26
申请号：CN202311550519.2
申请日：2023-11-20
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/901 , G06F18/25 , G06N3/0464 , G06N3/042 , G06N3/045
Abstract: 本发明属于推荐技术领域，具体涉及一种基于兴趣组划分和多信息融合的推荐方法，包括：获取用户‑物品历史交互数据及用户社交信息；将用户和物品以及他们之间的关系表示成图结构；通过卷积神经网络对图结构表示中的用户节点进行一阶邻居节点信息捕获；进行用户节点兴趣组划分；通过卷积神经网络在各自的兴趣组内进行用户节点和物品节点的高阶邻居节点信息捕获；提取用户和节点的特征执行内积操作，得到的内积值作为用户对这个物品喜爱程度值进行推荐。本发明聚焦于用户与物品交互的隐藏信息及用户的社交信息，提取用户和物品之间的高阶相关性和特征表示，同时引入了兴趣组划分的思想，从而提高了推荐的准确度。
-
公开(公告)号：CN117333454A
公开(公告)日：2024-01-02
申请号：CN202311296978.2
申请日：2023-10-08
Applicant: 重庆邮电大学
IPC: G06T7/00 , G06T5/00 , G06V10/764 , G06N3/0464 , G06V10/82 , G06N3/08 , G06V10/74 , G06V10/44
Abstract: 本发明属于器件缺陷检测领域，具体涉及一种数码管芯片溢胶缺陷识别方法，包括：在传送带运动状态下使用多个相机分别拍摄传送带上数码管芯片的各个面；将得到的图片进行数据增强和光照均衡处理；构建数码管芯片缺陷检测模型，通过光照均衡处理后的图片对数码管芯片缺陷检测模型进行训练；将待检测的数码管芯片图像进行预处理并送入到已训练好的模型中检测，最后获得识别检测结果。本发明通过将YOLOv5模型的C3模块中增加了双重注意力机制，提高对缺陷目标的准确性和鲁棒性；通过引入对比学习网络，它具有更强的泛化能力和鲁棒性，这使得模型在应用于实际生产环境时更加灵活和可靠。
-
公开(公告)号：CN117095155A
公开(公告)日：2023-11-21
申请号：CN202310906241.1
申请日：2023-07-21
Applicant: 重庆邮电大学
IPC: G06V10/20 , G06V10/40 , G06V10/82 , G06V10/774 , G06V10/80 , G06N3/0464 , G06N3/08 , G06T7/00
Abstract: 本发明属于计算机视觉领域，具体涉及一种基于改进的YOLO自适应注意力‑特征增强网络的多尺度数码管检测方法，包括：获取待检测的数码管图像，对数码管图像进行预处理；将预测处理后的数码管图像输入到改进的YOLO自适应注意力‑特征增强网络中，通过特征金字塔模块和路径聚合网络对特征图进行多尺度特征聚合处理，得到聚合后的高层特征图；将高层特征图输入到检测模块中，得到检测结果；本发明采用自适应意力模块和特征增强模块对特征图进行多尺度特征提取和增强处理，从而提高了检测精度。
-
公开(公告)号：CN115085808B
公开(公告)日：2023-10-17
申请号：CN202210645161.0
申请日：2022-06-09
Applicant: 重庆邮电大学
IPC: H04B10/116 , H04B10/69 , G06N3/0464 , G06N3/084
Abstract: 本发明属于可见光通信中数字信号处理领域，特别涉及一种基于小波神经网络的VLC系统时频联合后均衡方法，包括在接收端的信号经过同步、归一化后输入到基于小波神经网络的时频联合后均衡器进行非线性补偿，得到均衡后的PAM信号，所述基于小波神经网络的时频联合后均衡器包括时域子网、频域子网、通道注意力模块以及输出层，其中时域子网和频域子网分别用于提取时域和频域的特征，并将提取的特征输入通道注意力模块获取时域分量、频域分量的补偿权重，在输出层通过时域分量、频域分量及其分别对应补偿权重计算获取均衡后的信号；本发明联合时域和频域特征来补偿信号在传输过程中产生的非线性损伤，降低系统的误码率，提高系统的传输性能。
-
公开(公告)号：CN112307343B
公开(公告)日：2023-04-07
申请号：CN202011225114.8
申请日：2020-11-05
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06Q30/0201 , G06Q30/0601 , G06N3/045 , G06N3/047 , G06N3/088
Abstract: 本发明属于网络对齐领域，具体涉及一种基于双层迭代补偿和全貌表示的跨电商书城用户对齐方法，该方法包括：获取用户数据，对用户数据进行预处理；提取预处理后用户数据的相关属性；将提取的相关属性输入到基于双层迭代和全貌信息的跨书城电商系统用户对齐模型中，得到用户的数据分布；根据用户的数据分布对用户进行对齐处理；本发明采用交替迭代补偿机制对异质平台稀疏数据进行补偿，获取更有效的实验数据。
-
-
-
-
-
-
-
-
-
Search Results
58
records
(took 0.029 seconds)
