公开(公告)号：CN110209922B

公开(公告)日：2023-11-10

申请号：CN201810601391.0

申请日：2018-06-12

Applicant: 中国科学院自动化研究所 ,  腾讯科技(深圳)有限公司

Inventor： 吴书 ,  黄婷婷 ,  杨敏

IPC: G06F16/9535

Abstract: 本发明实施例提供一种对象推荐方法、装置、存储介质及计算机设备，本实施例通过获取目标对象的多种属性信息，构建该目标对象的特征向量，按照各目标对象的操作顺序输入预测模块得到预测特征向量。可见，本实施例丰富了特征向量的表达内容，且在模型计算过程中考虑了各目标对象的操作顺序，提高了预测结果的准确性；并且，由于应用平台输出的多个对象共享一属性信息，极大减少了训练预测模型的参数数量，降低了模型训练难度，且能够适用于数量庞大的应用场景。

公开(公告)号：CN116796001A

公开(公告)日：2023-09-22

申请号：CN202310628310.7

申请日：2023-05-30

Applicant: 中国科学院自动化研究所

Inventor： 吴书 ,  刘强 ,  王亮 ,  张孟奇 ,  陈丹丹 ,  徐辉杰

IPC: G06F16/36 ,  G06F16/28 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/08

Abstract: 本发明涉及自然语言处理技术领域，提供一种动态知识图谱预测方法、装置、电子设备及存储介质，该方法获取历史事件语料；将历史事件语料输入至图谱构建模型，得到当前时刻的知识图谱。该图谱构建模型通过隐含关系提取模块及关系编码模块实现对历史事件语料中隐含关系的提取及编码，通过实体时序表征模块得到当前时刻的知识图谱，使得到的知识图谱不仅包含有历史事件语料中各实体已经存在的关系信息，还包含在历史事件语料中隐含的各实体的关联关系，知识图谱的准确性更高，使知识图谱后续应用效果更佳。而且，通过历史事件语料的不断更新，可以实现知识图谱的准确动态预测。本发明已受到了国家重点研发计划项目(2019YQ1601)的资助。

公开(公告)号：CN106777891B

公开(公告)日：2019-06-07

申请号：CN201611043691.9

申请日：2016-11-21

Applicant: 中国科学院自动化研究所

Inventor： 吴书 ,  王亮 ,  谭铁牛

IPC: G16H10/60

Abstract: 本发明公开了数据特征选择和预测方法及装置。方法包括：步骤S1、采集用户信息和对应的血压观测数据，形成数据集，并从所述数据集中剔除异常值点；步骤S2、从所述数据集中的用户信息中提取用户特征；步骤S3、从所述数据集中的血压观测数据提取血压特征；步骤S4、将所提取的用户特征和血压特征进行归一化处理，处理结果作为训练样本形成训练集，利用所述训练集中的训练样本输入至支持向量机模型和/或梯度迭代决策树模型之中，训练得到预测模型。本发明利用医学知识指导数据的清洗和特征工程选取工作，有效提升模型的准确性。

公开(公告)号：CN106844765A

公开(公告)日：2017-06-13

申请号：CN201710098500.7

申请日：2017-02-22

Applicant: 中国科学院自动化研究所

Inventor： 谭铁牛 ,  王亮 ,  吴书 ,  余峰 ,  刘强

IPC: G06F17/30 ,  G06N3/08

Abstract: 本发明公开了一种基于卷积神经网络的显著信息检测方法及装置。所述方法包括：对于所爬取的数据集，确定每个事件发展各个阶段的时间分布，并确定时间节点；对于每一个事件，根据所确定的时间节点将所述事件样本对应的所有的事件信息分成若干份，将每一个时间阶段内事件信息的文本内容拼接成一个段落，生成段落数据集；根据段落的分布表达算法学习所述段落数据集中每个段落的无监督表达向量；对于一个事件，将每个段落的无监督表达向量输入到深度卷积神经网络模型，利用多层卷积操作得到事件各个阶段的低层到高层的表达，通过k最大池化操作提取事件各个阶段的关键特征，最后通过一个全连接层对输入的信息进行不实信息的分类。

公开(公告)号：CN103903163B

公开(公告)日：2017-05-10

申请号：CN201410069229.0

申请日：2014-02-27

Applicant: 中国科学院自动化研究所

Inventor： 王亮 ,  吴书 ,  徐松

IPC: G06F17/00

Abstract: 本发明公开了一种基于耦合主题模型的协同滤波方法，用于在推荐系统中有效结合历史评分信息与用户生成内容(User‑generated Content，简称UGC)，通过进行评分预测进行有效推荐。该方法包括以下步骤：1)获取用户生成内容的记录；2)获取用户对产品的评分记录；3)提取用户文档和产品文档；4)利用耦合主题模型学习用户特征向量和产品特征向量；5)根据特征向量计算目标用户对不同产品的评分，来进行相应的产品推荐。本发明引入对用户生成内容信息的分析，能够直接的显式的发现用户兴趣和产品属性，而且有效解决了评分矩阵的稀疏问题，获得比基于用户评分信息的预测更准确的效果。

公开(公告)号：CN103903163A

公开(公告)日：2014-07-02

申请号：CN201410069229.0

申请日：2014-02-27

Applicant: 中国科学院自动化研究所

Inventor： 王亮 ,  吴书 ,  徐松

IPC: G06Q30/02 ,  G06F17/30

Abstract: 本发明公开了一种基于耦合主题模型的协同滤波方法，用于在推荐系统中有效结合历史评分信息与用户生成内容(User-generated？Content，简称UGC)，通过进行评分预测进行有效推荐。该方法包括以下步骤：1)获取用户生成内容的记录；2)获取用户对产品的评分记录；3)提取用户文档和产品文档；4)利用耦合主题模型学习用户特征向量和产品特征向量；5)根据特征向量计算目标用户对不同产品的评分，来进行相应的产品推荐。本发明引入对用户生成内容信息的分析，能够直接的显式的发现用户兴趣和产品属性，而且有效解决了评分矩阵的稀疏问题，获得比基于用户评分信息的预测更准确的效果。