-
公开(公告)号：CN118467855A
公开(公告)日：2024-08-09
申请号：CN202410911451.4
申请日：2024-07-09
Applicant: 北京邮电大学 , 中国人民解放军91054部队
IPC: G06F16/9536 , G06N3/042 , G06N3/0895
Abstract: 本发明公开一种自监督协同过滤推荐方法、装置及系统和存储介质，结合随机游走、聚类、自监督等方法通过设计两个不同的通道来学习节点特征。其中基于GCN的通道是为了深入挖掘用户之间的高阶社会关系，首先通过聚类来得到用户的直接社会关系，之后通过GCN来进一步挖掘用户之间的高阶隐藏社会关系。此外，为了更有效的学习商品的特征和用户与商品之间的关联信息，通过随机游走来构建商品超边组，此举是为了让商品特征更突出，不再单一的通过商品与用户的关联来突出商品特征。通过最大化两个通道学习到的会话表示之间的互信息和前置任务的最优表示，可以帮助模型实现自监督的过程，从而达到更好的效果。
-
公开(公告)号：CN116205217B
公开(公告)日：2023-09-01
申请号：CN202310495624.4
申请日：2023-05-05
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N20/00
Abstract: 本发明公开一种小样本关系抽取方法、系统、电子设备及存储介质，涉及数据处理技术领域。所述方法包括：获取目标文本；根据小样本关系抽取模型和目标文本确定实体关系表示；实体关系表示包括实体文本及对应的概念和关系；其中，小样本关系抽取模型是通过对比学习损失和交叉熵损失进行训练的；小样本关系抽取模型包括概念编码模块、句子编码模块和文本概念融合模块；概念编码模块和句子编码模块均与文本概念融合模块连接；概念编码模块是基于skip‑gram模型构建的；句子编码模块是基于Bert嵌入模型构建的；文本概念融合模块是基于自我注意机制网络和相似度门构建的。本发明能够在样本不充分时，提高对样本关系抽取的准确率。
-
公开(公告)号：CN116668457A
公开(公告)日：2023-08-29
申请号：CN202310433026.4
申请日：2023-04-21
Applicant: 北京邮电大学 , 国网信息通信产业集团有限公司
IPC: H04L67/1074 , H04L67/10 , H04W28/084 , G06N3/048 , G06N3/08 , G06F18/2321 , G06F18/2415
Abstract: 本发明提供一种算力网络资源分配方法及装置，在区块链网络链下部署保留价格计算模型计算交易保留价格，并在链上执行密封二价拍卖；虚拟估值拟合模型通过神经网络拟合迈尔斯拍卖机制中的虚拟估值函数，通过神经网络拟合估值的累积分布函数和分布密度函数，优化逼近和查找能够为用户带来最高收益的交易保留价格，鼓励用户出售空闲算力资源。通过将交易保留价格计算和拍卖过程分别部署在线下和线上，能够降低区块链网络智能合约的设计难度。
-
公开(公告)号：CN116205220A
公开(公告)日：2023-06-02
申请号：CN202310438459.9
申请日：2023-04-23
Applicant: 北京邮电大学
IPC: G06F40/284 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/0499 , G06N3/096
Abstract: 本发明公开一种触发词和论元的抽取方法、系统、设备及介质，涉及自然语言处理技术领域。所述方法包括：获取目标文本；所述目标文本是由自然语言的字符数据构成的文本；对所述目标文本进行预处理，得到事件信息；所述事件信息包括文本段落及对应的事件类型和事件属性；利用事件抽取模型，对所述事件信息的触发词和论元进行抽取，得到事件分析结构；所述事件分析结构是由触发词及对应的字符数据、论元及对应的字符数据构成的；所述事件抽取模型包括依次连接的多头注意力模块和T5预训练模型；所述多头注意力模块包括依次连接的编码器和解码器。本发明能够提高事件抽取检测的精确率。
-
公开(公告)号：CN116205217A
公开(公告)日：2023-06-02
申请号：CN202310495624.4
申请日：2023-05-05
Applicant: 北京邮电大学
IPC: G06F40/279 , G06F40/216 , G06F16/35 , G06N20/00
Abstract: 本发明公开一种小样本关系抽取方法、系统、电子设备及存储介质，涉及数据处理技术领域。所述方法包括：获取目标文本；根据小样本关系抽取模型和目标文本确定实体关系表示；实体关系表示包括实体文本及对应的概念和关系；其中，小样本关系抽取模型是通过对比学习损失和交叉熵损失进行训练的；小样本关系抽取模型包括概念编码模块、句子编码模块和文本概念融合模块；概念编码模块和句子编码模块均与文本概念融合模块连接；概念编码模块是基于skip‑gram模型构建的；句子编码模块是基于Bert嵌入模型构建的；文本概念融合模块是基于自我注意机制网络和相似度门构建的。本发明能够在样本不充分时，提高对样本关系抽取的准确率。
-
Patent Agency Ranking
公开(公告)号：CN103051500B
公开(公告)日：2015-09-09
申请号：CN201310001448.0
申请日：2013-01-04
Applicant: 北京邮电大学
Abstract: 本发明提出一种服务网络系统的测试方法，方法包括以下步骤：运行服务网络系统；对多个服务节点进行监听，并获取多个服务节点的通讯信息；根据通讯信息生成模拟测试数据，并向多个服务节点发送测试命令，测试命令具有配置信息；多个服务节点根据对应的测试命令和模拟测试数据进行压力测试，并获取多个服务节点的测试信息；对多个服务节点的测试信息进行统计和分析以根据分析结果得到服务网络系统的测试结果。本发明的方法能够真实、客观且可靠地反映出服务网络系统的性能。本发明还提出了一种服务网络系统的测试系统。
-
公开(公告)号：CN103051500A
公开(公告)日：2013-04-17
申请号：CN201310001448.0
申请日：2013-01-04
Applicant: 北京邮电大学
Abstract: 本发明提出一种服务网络系统的测试方法，方法包括以下步骤：运行服务网络系统；对多个服务节点进行监听，并获取多个服务节点的通讯信息；根据通讯信息生成模拟测试数据，并向多个服务节点发送测试命令，测试命令具有配置信息；多个服务节点根据对应的测试命令和模拟测试数据进行压力测试，并获取多个服务节点的测试信息；对多个服务节点的测试信息进行统计和分析以根据分析结果得到服务网络系统的测试结果。本发明的方法能够真实、客观且可靠地反映出服务网络系统的性能。本发明还提出了一种服务网络系统的测试系统。
-
公开(公告)号：CN101969659A
公开(公告)日：2011-02-09
申请号：CN201010290106.1
申请日：2010-09-21
Applicant: 北京邮电大学
IPC: H04W24/04
Abstract: 本发明涉及移动通信技术领域，公开了一种用户事件跟踪方法及系统，所述方法包括：获取TMSI和IMSI映射关系改变相关的信令流程中的信令消息；根据所述信令流程中的信令消息获取TMSI和IMSI的映射关系的变动情况；获取TMSI和IMSI分离的信息；根据获取的TMSI和IMSI分离的信息及所述映射关系变动情况，跟踪给定时间段内各用户事件。利用本发明，无需查询拜访位置寄存器即可获得IMSI和TMSI的对应关系变化，实时跟踪对应关系，从而实现对用户事件的正确跟踪。
-
公开(公告)号：CN116205220B
公开(公告)日：2024-02-06
申请号：CN202310438459.9
申请日：2023-04-23
Applicant: 北京邮电大学
IPC: G06F40/284 , G06N3/0455 , G06N3/042 , G06N3/048 , G06N3/0499 , G06N3/096
Abstract: 本发明公开一种触发词和论元的抽取方法、系统、设备及介质，涉及自然语言处理技术领域。所述方法包括：获取目标文本；所述目标文本是由自然语言的字符数据构成的文本；对所述目标文本进行预处理，得到事件信息；所述事件信息包括文本段落及对应的事件类型和事件属性；利用事件抽取模型，对所述事件信息的触发词和论元进行抽取，得到事件分析结构；所述事件分析结构是由触发词及对应的字符数据、论元及对应的字符数据构成的；所述事件抽取模型包括依次连接的多头注意力模块和T5预训练模型；所述多头注意力模块包括依次连接的编码器和解码器。本发明能够提高事件抽取检测的精确率。
-
公开(公告)号：CN111461004B
公开(公告)日：2023-08-22
申请号：CN202010246814.9
申请日：2020-03-31
Applicant: 北京邮电大学
IPC: G06V20/40 , G06V10/764 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 本申请公开了一种基于图注意力神经网络的事件检测方法，包括：获取输入句子的图结构数据；将图结构数据的每个该节点输入到预设的图注意力神经网络以更新该节点的特征向量；根据更新后的每个节点的特征向量判定句子的触发词；更新每个节点的特征向量包括：计算当前节点在句子中的权重，以及当前节点与当前节点的邻居节点之间的相关系数权重；根据当前节点在句子中的权重，以及当前节点与邻居节点之间的相关系数权重，计算当前节点赋予给邻居节点的注意力分数；根据注意力分数更新当前节点的特征向量。本方案在利用邻居节点的特征聚合更新中心节点的过程中，更加全面的考虑了中心节点对其邻居节点赋予的权重参数问题，大大提高了事件检测的精确率。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.074 seconds)
