公开(公告)号：CN116127199A

公开(公告)日：2023-05-16

申请号：CN202310402642.3

申请日：2023-04-17

Applicant: 昆明理工大学

Inventor： 刘骊 ,  田志轩 ,  付晓东 ,  彭玮 ,  刘利军

IPC: G06F16/9535 ,  G06F16/9537 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08 ,  G06Q30/0601

Abstract: 本发明涉及针对服装序列推荐的用户偏好建模方法。本发明首先获取用户—服装的长期偏好、短期偏好及主观偏好；其次，基于用户—服装的长期偏好、短期偏好构建偏好学习模块，自动度量输入偏好权重，得到动态偏好；然后，通过定义包含多用户意图感知注意力机制的意图感知模块，根据多个用户—服装交互子序列对当前用户的主观偏好进行学习，引入知识库并定义交互意图集以融合服装特征，计算意图感知重要性得到意图偏好；最后，定义统一偏好空间，对动态偏好和意图偏好进行偏好融合并将基于时序与意图两种空间的偏好融合到该偏好空间中，输出最终用户—服装的总体偏好。本发明能够建模用户动态和意图偏好，有效用于精准的服装序列推荐。

公开(公告)号：CN111584010B

公开(公告)日：2022-05-27

申请号：CN202010249587.5

申请日：2020-04-01

Applicant: 昆明理工大学

Inventor： 彭玮 ,  李霞 ,  戴伟

IPC: G16B40/20 ,  G16B25/10 ,  G06N3/04 ,  G06N3/08 ,  G06N20/20

Abstract: 本发明公开了一种基于胶囊神经网络和集成学习的关键蛋白质识别方法，包括：步骤1：利用Cytoscape工具提取蛋白质在蛋白质相互作用网络中的八种生物学特征；步骤2：使用胶囊神经网络提取八种生物学特征的更深层的增强特征；步骤3：将生物学特征和蛋白质增强特征进行连接；步骤4：将步骤3得到的连接后的特征放入到集成模型Multi‑ensemble中，对模型进行训练，并利用训练好的集成模型预测新的关键蛋白质；步骤5：输出结果。本发明通过胶囊神经网络提取的增强特征比初始的生物学特征更能提高一些机器学习模型预测关键蛋白质的准确性。并且通过融合初始生物学特征和增强特征能进一步提高机器学习模型预测关键蛋白质的准确性。