公开(公告)号：CN111581529A

公开(公告)日：2020-08-25

申请号：CN202010376592.2

申请日：2020-05-07

Applicant: 之江实验室 ,  湖南大学

Inventor： 姜文君 ,  胡园园 ,  任德盛 ,  张吉 ,  李晓鸿 ,  徐旸 ,  李玮

IPC: G06F16/9536 ,  G06Q50/20

Abstract: 本发明提出了一种结合学生适合度和课程搭配度的课程推荐方法及装置，涉及计算机数据处理技术领域，该在线课程搭配推荐方法包括：获取在线课程学习平台的用户数据和课程数据；计算目标用户对于不同课程的选择的可能性值；根据课程的可能性值大小进行排序，并选取可能性最大的前d个课程，以生成课程推荐的第一子推荐列表C1；对用户u所选课程类别进行统计分析，对专业课程和其它课程分别选取搭配度高的课程，综合构建第二子推荐列表C2；将第一子推荐列表C1和第二子推荐列表C2融合，以生成最终推荐结果。该在线课程搭配推荐方法兼顾了用户与课程之间的选择合适度以及课程之间的可搭配性，提高了推荐课程的准确性，更好地满足了用户的学习需求。

公开(公告)号：CN111506785A

公开(公告)日：2020-08-07

申请号：CN202010150112.0

申请日：2020-03-06

Applicant: 之江实验室 ,  合肥工业大学

Inventor： 姜元春 ,  张吉 ,  孙见山 ,  任祖杰 ,  单海军 ,  刘心语 ,  钱洋 ,  梁瑞成

IPC: G06F16/9032 ,  G06F16/951 ,  G06F40/284 ,  G06N7/00 ,  G06Q50/00 ,  G06Q50/26

Abstract: 本发明提供一种基于社交文本的网络舆情话题识别方法，涉及文本数据处理技术领域。本发明考虑到噪音词对文本话题发现的影响，将生成词中的主题词和生成词的噪声词分开，将噪音词过滤并推断出每个词的主题词分布，从而能准确的判断出生成该词对应的网络舆情话题，提高网络舆情话题识别的准确率，为后续的舆情监测、政府或者相关管理部门舆情引导和个性化营销等实际场景提供准确的数据支持。

公开(公告)号：CN114693427B

公开(公告)日：2025-02-07

申请号：CN202210222726.4

申请日：2022-03-07

Applicant: 之江实验室

Inventor： 王振 ,  姜婷 ,  张吉

IPC: G06Q40/03 ,  G06F18/25 ,  G06F18/2415 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/088 ,  G06N3/09 ,  G06N3/048

Abstract: 本发明涉及金融信贷反欺诈领域，公开了一种金融信贷反欺诈方法，该方法利用信贷中的数据构建多关系时序网络，并对网络中节点特征进行转化，使得表征向量保留原有数据特征的同时，还保留了原数据的角色信息；使用邻居聚合的方法将不同关系不同时间下的网络节点特征进行更新，并添加对应的异步时间戳信息；最后使用门控循环后期融合模型对不同关系各个时间步的特征进行融合，获得融合后的信贷申请者的图节点联合特征，对申请者是否是消费套现或信用卡套现进行准确地判断，达到高效信贷反欺诈的效果。

公开(公告)号：CN114003815B

公开(公告)日：2024-03-29

申请号：CN202111299225.8

申请日：2021-11-04

Applicant: 之江实验室 ,  合肥工业大学

Inventor： 张吉 ,  姜元春 ,  周凡 ,  许增辉 ,  孙见山 ,  余婷 ,  钱洋 ,  王永恒 ,  吴乐

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00

Abstract: 本发明公开了一种网络舆情主题及其关注用户群体的发现方法，其步骤包括：1构建舆情文档中数据集合，2建模舆情文本话题，关注舆情文本话题的用户群体，3设计有参贝叶斯模型，4利用坍塌式吉布斯抽样算法进行参数推断。本发明在应对大规模的在线社交媒体内容以及社交用户评论行为时，一方面能够结合主题分析快速、有效、准确地发现网络中的舆情主题，有助于舆情检测，为舆情的引导和控制提供决策支持；另一方面能够识别关注每个舆情话题的用户群体，实现对社交媒体用户依据关注话题的异同进行快速精准的分类。

公开(公告)号：CN117688972A

公开(公告)日：2024-03-12

申请号：CN202311733434.8

申请日：2023-12-15

Applicant: 之江实验室

Inventor： 姜婷 ,  张泽川 ,  张宇 ,  余婷 ,  齐豪 ,  张吉

IPC: G06N3/042 ,  G06N3/063 ,  G06N3/08 ,  G06F18/214 ,  G06F18/24

Abstract: 本发明公开了一种基于FPGA加速的图神经网络解释方法和装置，提出使用FPGA硬件对面向节点分类的图神经网络的解释过程进行并行加速，并改进其中BFS在节点遍历和最短路径查找的过程，优化了算法计算和存储的需求，加速了解释结果的生成；本发明在计算HN值的过程中，利用矩阵特性对乘法运算进行优化处理，将密集矩阵乘法转为稀疏密集矩阵乘法，使用多PE并行处理优化资源占用，大大提高了图神经网络解释加速的性能，此外设计了一种基于FIFO存储计算任务分发的总体架构来降低节点间的计算差异，解决了基于节点分类的图神经网络解释方法在实际数据应用中时间复杂度高的难点，提高了解释的时间效率。

公开(公告)号：CN117312633A

公开(公告)日：2023-12-29

申请号：CN202311465612.3

申请日：2023-11-07

Applicant: 之江实验室

Inventor： 余婷 ,  李东 ,  张宇 ,  齐豪 ,  姜婷 ,  许增辉 ,  侯琳琳 ,  赵进 ,  张吉

IPC: G06F16/9035 ,  G06F16/901 ,  G06F15/78 ,  G06F9/48

Abstract: 本发明公开了一种基于带HBM的FPGA的动态极大团枚举装置及方法，包括：HBM存储外界PC主机传来的用于更新图结构的动态边流、全图邻接矩阵、以及候选团；矩阵计算单元基于动态边流更新全图邻接矩阵并发送更新的全图邻接矩阵至HBM存储，同时确定需要更新候选团的待更新头节点；排序计算单元根据更新的全图邻接矩阵和每个待更新头节点通过数据分块排序构建候选团重构的排序集；更新计算单元基于候选团重构的排序集并行执行各待更新头节点对应的候选团的更新任务，并将更新的候选团发送至HBM存储，并更新的候选团被发送至PC主机以采取过滤操作提取极大团，这样支持流水线式的增量极大团计算，提升任务的整体计算效率。

公开(公告)号：CN117078995A

公开(公告)日：2023-11-17

申请号：CN202310723079.X

申请日：2023-06-16

Applicant: 之江实验室 ,  浙江大学

Inventor： 杨易 ,  刘璟颢 ,  朱霖潮 ,  张吉 ,  王振

IPC: G06V10/764 ,  G06V20/70 ,  G06F40/279 ,  G06F16/35

Abstract: 本说明书公开了一种文本生成的方法、装置、存储介质及电子设备，获取待识别图像，从待识别图像中确定出各对象所在的图像区域，作为从待识别图像中提取出的各目标图像。将各目标图像以及预设的用于描述所有类别对象的第一文本输入到预设的识别模型中，以使识别模型从各目标图像提取出图像特征，以及从第一文本中提取出文本特征，并根据各目标图像的图像特征和第一文本的文本特征之间的相似度，确定每个目标图像中包含的对象所属的类别。将各目标图像的图像特征以及类别输入到预设的文本生成模型中，以使文本生成模型根据各目标图像的图像特征和类别输出用于描述待识别图像的内容的描述文本。

公开(公告)号：CN116662554B

公开(公告)日：2023-11-14

申请号：CN202310924083.2

申请日：2023-07-26

Applicant: 之江实验室

Inventor： 侯琳琳 ,  余婷 ,  许增辉 ,  张吉

IPC: G06F16/35 ,  G06F40/211 ,  G06F40/30 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了基于异构图卷积神经网络的传染病方面级情感分类方法，通过采集传染病舆情文本，并按方面类别和情感极性进行分类标注，再输入至词嵌入层，得到第一特征向量；将第一特征向量输入BiLSTM，得到第二特征向量，将第二特征向量组成第一向量表示矩阵；构建异构图；利用异构图卷积神经网络算法对异构图进行聚合更新，得到第二向量表示矩阵；将第二向量表示矩阵输入至注意力机制层；然后掩码层屏蔽非方面单词的隐藏状态向量，增强的方面特征向量；最后得到情感预测标签。采用本方法可以有效地分类社交媒体中与传染病舆情相关方面实体的情感极性，大大提高了方面情感分类任务的检测效果，有助于人们更好地理解公共舆论。

公开(公告)号：CN116561590A

公开(公告)日：2023-08-08

申请号：CN202310834041.X

申请日：2023-07-10

Applicant: 之江实验室

Inventor： 姜婷 ,  侯磊 ,  余婷 ,  姚妮 ,  张吉 ,  张磊

IPC: G06F18/214 ,  G01L1/24 ,  G06F18/15 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084

Abstract: 本发明公开了一种基于深度学习的微纳光纤负载大小和位置预测方法及装置，提出一种基于多尺度一维卷积神经网络(1D‑CNN)和长短期记忆网络（LSTM）的方法(MSCNN‑LSTM)，能够同时精确预测施加在微纳光纤表面的负载大小和位置。通过数据增强的技术解决了在可用数据集较少的情况下深度学习易陷入过拟合的风险，同时通过将光谱数据与当前时间无负载下原始光谱数据做比值，解除了因原始光谱变化引起的数据偏差对模型预测的影响，提高模型对光谱数据对应负载大小和位置预测准确率。本发明方法在整个实验范围内能准确预测负载大小（MAE=0.02N）和负载施加位置（MAE=7.6um）,可用于开发广泛运用的触觉传感器。

公开(公告)号：CN116310451A

公开(公告)日：2023-06-23

申请号：CN202310108429.1

申请日：2023-02-03

Applicant: 之江实验室 ,  清华大学

Inventor： 高跃 ,  张欣炜 ,  张吉 ,  余婷

IPC: G06V10/762 ,  G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06V10/40 ,  G06N3/0464 ,  G06N3/08

Abstract: 本申请涉及一种超图连续学习方法、装置、电子设备及存储介质，其中，方法包括：提取样本特征，并基于预设度量方式利用样本特征建立超图；面向连续学习过程中结点与超边不断增加的超图，使用基于预设采样策略或基于预设聚类策略获得表达原始超图结构的第一子超图；合并第一子超图与新增的超边、结点所构成的超图，获得表达增长后的超图结构的第二子超图；基于第二子超图，利用基于预设超图神经网络的学习方法获得对无标签结点的预测结果。由此，解决了相关技术中，在进行超图学习时，忽略超图对复杂高阶关联的刻画能力，使得连续学习过程中分类任务的准确率降低，难以提升模型的运算效率，提高了模型对内存的需求等问题。