一种新颖性约束下基于矩阵分解的商品推荐方法

    公开(公告)号:CN118115236A

    公开(公告)日:2024-05-31

    申请号:CN202410207226.2

    申请日:2024-02-26

    Inventor: 蹇洁 张博涵 张鹏

    Abstract: 本发明属于计算机技术领域,具体涉及一种新颖性约束下基于矩阵分解的商品推荐方法;该方法包括:计算不同商品对用户的流行新颖度、距离新颖度和交互新颖度;根据流行新颖度、距离新颖度和交互新颖度计算商品对用户的总新颖度;构建用户物品评分矩阵,根据商品总新颖度构建分解目标函数;根据分解目标函数,采用矩阵分解算法对用户物品评分矩阵进行矩阵分解,得到用户潜在特征和物品潜在特征;根据用户潜在特征和物品潜在特征计算商品估计评分;选取商品估计评分较高的M个商品构建推荐列表,按照推荐列表向用户推荐商品;本发明的推荐结果新颖度高且准确性高,用户体验感良好。

    基于混合采样和动态集成学习的漂移数据流分类方法

    公开(公告)号:CN117932435A

    公开(公告)日:2024-04-26

    申请号:CN202410107340.8

    申请日:2024-01-25

    Abstract: 本发明属于工业互联网大数据与机器学习领域,涉及基于混合采样和动态集成学习的漂移数据流分类方法,包括:对数据流进行分块,得到数据区块;利用混合采样技术对数据区块进行混合采样,得到平衡数据集;利用平衡数据集生成候选分类器池;利用改进的KNORA‑E算法根据候选分类器池和平衡数据集构建最佳分类集成模型;根据最佳分类集成模型计算分类结果,根据分类结果计算评估指标,根据评估指标更新最佳分类集成模型的权重;本发明通过使用改进的KNORA‑E算法,综合考虑不同分类器的局部特性、复杂度、训练时间以及构建时间,根据数据的变化动态选择适合的基分类器,提高模型的性能和泛化能力。

    一种基于自相关误差优化的深度时序卷积知识追踪方法

    公开(公告)号:CN116432707A

    公开(公告)日:2023-07-14

    申请号:CN202310173204.4

    申请日:2023-02-28

    Abstract: 本发明涉及一种基于自相关误差优化的深度时序卷积知识追踪方法,属于计算机领域。该方法以时间卷积网络和注意力机制为主模型,引入了一个自相关系数与模型参数一起训练。模型中时间卷积网络由于扩张卷积和残差连接的存在,解决深度网络存在的梯度问题和长期依赖问题,注意力机制的引入能够自适应地确定学生答题序列中的特征和长短期特征中信息的重要性,自相关系数的引入能够避免模型在训练过程中陷入局部最优解。上述方法提升了模型的预测精度和运算效率。

    一种基于时序卷积网络和注意力机制的深度知识追踪系统

    公开(公告)号:CN116151311A

    公开(公告)日:2023-05-23

    申请号:CN202310169389.1

    申请日:2023-02-27

    Abstract: 本发明涉及一种基于时序卷积网络和注意力机制的深度知识追踪系统,属于计算机技术领域。该系统包括输入层、遗忘层、拼接层、学习层和预测输出层;根据教育学理论艾宾浩斯曲线理论和记忆衰退学说,引入了表征学生在学习过程中遗忘行为的因素,能够更准确地模拟学生的学习行为,提升模型的预测性能;时序卷积网络中的卷积网络层经过训练,可以更加准确地提取学生学习序列中的特征,加入的注意力机制可以自适应地确定学生学习序列中的遗忘信息,以及短期特性信息的重要性。两者的使用提升了模型的运算效率和数据利用率。

    一种基于注意时序网络的中文词性标注系统

    公开(公告)号:CN116108841A

    公开(公告)日:2023-05-12

    申请号:CN202310165069.9

    申请日:2023-02-24

    Inventor: 张鹏 周志强

    Abstract: 本发明涉及一种基于注意时序网络的中文词性标注系统,属于计算机技术领域。该系统包括输入层、遗忘层、拼接层、学习层和预测输出层;根据教育学理论艾宾浩斯曲线理论和记忆衰退学说,引入了表征学生在学习过程中遗忘行为的因素,能够更准确地模拟学生的学习行为,提升模型的预测性能;时序卷积网络中的卷积网络层经过训练,可以更加准确地提取学生学习序列中的特征,加入的注意力机制可以自适应地确定学生学习序列中的遗忘信息,以及短期特性信息的重要性。两者的使用提升了模型的运算效率和数据利用率。

    一种基于ANFIS的实验室危险化学品异常信息预警方法

    公开(公告)号:CN113505925A

    公开(公告)日:2021-10-15

    申请号:CN202110781857.1

    申请日:2021-07-09

    Abstract: 本发明涉及一种基于ANFIS的实验室危险化学品异常信息预警的方法,属于人工智能领域,包括剂量‑时序预警模型、ANFIS预警模型;剂量‑时序预警模型,用于将实验室信息管理系统中的预计归还时间和预计使用剂量数据做处理,最后输出一个是否预警的概率P1;ANFIS预警模型,由五层ANFIS网络结构组成,用于通过数据集训练之后,将信息管理系统中的预计归还时间和预计使用剂量数据做处理,最后输出一个是否预警的概率P2;最后将剂量‑时序预警模型和ANFIS预警模型得到的概率P1和P2做加权计算,得到最终的预警概率P,并判断是否需要预警。

    一种基于标识的物联网终端测试方法与装置

    公开(公告)号:CN112732500A

    公开(公告)日:2021-04-30

    申请号:CN202011613472.6

    申请日:2020-12-30

    Abstract: 本发明涉及一种基于标识的物联网终端测试方法与装置,属于移动通信领域。该测试方法包括:读取并解析待测物联网终端标识;通过物联网终端识别技术确定所述物联网终端标识的符合性;生成与所述物联网终端标识相对应的测试管理编码;根据所述测试管理编码确定相应测试策略,并下发指令至测试装置;对测试数据进行分析,得到所述物联网终端的测试结果,生成与所述物联网终端测试结果相对应的测试结果编码;生成并存储物联网终端综合标识编码。采用本方法能够通过标识技术提高物联网终端测试的效率,并保障物联网终端标识的符合性。

    基于改进多变量灰色预测模型的基坑变形预测方法及装置

    公开(公告)号:CN106759546B

    公开(公告)日:2018-11-13

    申请号:CN201611252546.1

    申请日:2016-12-30

    Abstract: 本发明属于地铁工程技术领域,特别涉及一种基于改进多变量灰色预测模型的地铁基坑变形预测方法及装置;所述方法包括获取m个监测点的基坑原始沉降值序列;利用基坑原始沉降值序列生成基坑累计沉降值序列;采用多变量灰色预测模型,根据基坑累计沉降值序列计算基坑背景值序列;采用多变量灰色预测模型,根据基坑累计沉降值序列计算基坑变形发展趋势参数;根据基坑变形发展趋势参数计算基坑沉降预测值序列;本发明降低了多变量灰色预测模型的基坑沉降预测值预测误差,优化了多变量灰色预测模型的基坑沉降预测效果;本发明装置可以实现地铁基坑围护结构中多个监测点的变形预测,更好的分析基坑的变形情况,是解决地铁基坑变形预测的有效设备。

Patent Agency Ranking