-
公开(公告)号：CN115146618B
公开(公告)日：2024-03-05
申请号：CN202210797477.1
申请日：2022-07-08
Applicant: 西北工业大学
IPC: G06F40/211 , G06F40/30 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于对比表示学习的复杂因果关系抽取方法，首先，为了将隐式因果关系转化成显式因果关系，从大规模数据集中寻找具有显式因果关系连接词的样例集合初始化记忆动量，这些样例以 三元组的形式组织；接着，获取训练数据集中的文本包含的因果论元集合，将这些因果论元与记忆动量中的因果论元三元组进行匹配，选取相似度最高的因果关系连接词，作为数据增强的因果关系连接词构造正样例；互换正样例中原因和结果的位置，构造负样例。最后，采用对比学习框架，以双向长短期记忆网络和Transformer作为主干网络，学习文本中包含的因果关系。本发明能解决复杂因果关系抽取困难的问题，大幅提高模型的抽取性能。
-
公开(公告)号：CN116450838A
公开(公告)日：2023-07-18
申请号：CN202310239515.6
申请日：2023-03-13
Applicant: 西北工业大学
IPC: G06F16/36 , G06F18/214 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种面向复杂因果关系抽取模型的收敛加速方法，首先构造正负样本进行数据增强，其次通过对比表示学习框架抽取文本中的因果关系；最终通过引入多样性自步学习来提升对比表示学习抽取复杂因果关系的收敛速度。本发明使基于对比表示学习的复杂因果关系抽取模型收敛速度大幅度提升，通过在多个数据集上进行测试，抽取准确率高达90％。
-
公开(公告)号：CN110737764B
公开(公告)日：2023-07-07
申请号：CN201911015873.9
申请日：2019-10-24
Applicant: 西北工业大学
IPC: G06F16/332 , G06F16/33 , G06F40/126 , G06F40/284 , G06N3/045 , G06N3/0455
Abstract: 本发明一种个性化对话内容生成方法，包括：多轮对话内容生成模型，个性化多轮对话内容生成模型，多样化的个性化对话内容生成模型；利用Transformer模型根据上下文信息得到序列中每个单词高效的向量表示，通过学习自然语言之间的序列依赖关系，可以根据前文自动预测生成后文内容，实现根据对话上下文生成相应回复内容，同时加入多种优化算法，可以降低通用性回复的生成概率，从而提高生成对话内容的多样性。
-
公开(公告)号：CN113032415A
公开(公告)日：2021-06-25
申请号：CN202110236093.8
申请日：2021-03-03
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于用户偏好与知识图谱的个性化产品描述生成方法，通过对产品标题进行实体信息提取，再使用Graph Attention从外部知识库中提取与实体信息最相关的知识并进行融合，进一步增强实体中的知识；同时基于模型预测出用户的多个兴趣标签，再对用户进行聚类分析，通过TFIDF为同类用户构建专属的个性化词库；最后提出了一种多重指针生成网络融合来自产品标题、外部知识库与个性化词库中的知识，最终生成具有信息量、多样性的个性化产品描述。本发明能够通过产品标题与外部知识库，依据用户历史行为自动批量生成个性化的产品描述，解决人工撰写产品描述费事费力的问题。
-
公开(公告)号：CN111753145A
公开(公告)日：2020-10-09
申请号：CN202010523249.6
申请日：2020-06-10
Applicant: 西北工业大学
IPC: G06F16/903 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于时序模式的移动应用使用预测方法，获取移动应用的标签数据，根据移动应用属性信息、移动应用使用顺序构建用户与移动应用的二部图；然后使用图神经网络模型建模用户与移动应用之间的关系，得到移动应用的节点向量表示；然后分别将移动应用的节点向量以及用户使用移动应用的位置、时间、使用量等嵌入，得到相应的嵌入向量；然后将嵌入向量输入到基于attention机制的RNN模型，得到用户使用偏好；最后构建DNN模型，输出用户下一时刻是否会使用当前移动应用的标签。本发明可以更加全面地利用智能手机使用数据使得用户操作变得简单高效，并且也可以对电池能耗和移动应用搜索时间提前计划与优化。
-
Patent Agency Ranking
公开(公告)号：CN111695625A
公开(公告)日：2020-09-22
申请号：CN202010523267.4
申请日：2020-06-10
Applicant: 西北工业大学
Abstract: 本发明公开了一种基于多级注意力机制网络的移动应用流行度预测方法，获取移动应用的各项特征数据，对数据进行预处理操作，针对时序数据进行标准化等操作，筛选用于流行度预测的特征；分析所述筛选出的特征序列与目标应用的流行度序列的线性、非线性相关性；对于不同类型的特征设计不同模块，包括时间层级模块、特征层级模块，用于捕获特征与目标应用的流行度之间的相关性；构建不同模块间共享相同的网络结构，不同模块的输出进行融合并输入至多层感知机中，生成对目标应用未来流行度的预测值。
-
公开(公告)号：CN110083769A
公开(公告)日：2019-08-02
申请号：CN201910354445.2
申请日：2019-04-29
Applicant: 西北工业大学
IPC: G06F16/9535 , G06Q30/06
Abstract: 发明的一种面向用户偏好演化的移动应用推荐方法，首先从在线应用商店中获取移动应用的相关数据，构建线性模型获得关于用户与未安装移动应用的评分矩阵；然后针对用户偏好随时间演化过程，建立用户偏好随时间变化的LSTM模型；然后基于用户与移动应用的复杂交互构建DNN模型；最后基于建立的深度广度框架的移动应用推荐模型，预测用户对移动应用的评分。本发明可以更加全面地利用智能手机使用数据提供给用户安装移动应用的建议，进一步地为应用商店平台给用户精准推荐移动应用提供辅助决策。
-
公开(公告)号：CN109658147A
公开(公告)日：2019-04-19
申请号：CN201811533711.X
申请日：2018-12-14
Applicant: 西北工业大学
IPC: G06Q30/02
Abstract: 本发明公开了一种基于霍克斯过程的移动应用流行度预测方法，首先从在线应用商店中获取移动应用的相关数据，从中提取并分析影响移动应用流行度的复杂因素；然后针对复杂因素，基于霍克斯过程，建立移动应用流行度预测模型；最后基于建立的模型，预测移动应用未来的流行度。本发明考虑了多种复杂因素对移动应用流行度的影响，并通过对复杂因素进行分析，基于霍克斯过程，建立流行度预测模型，从而准确地预测移动应用未来的流行度，为移动应用开发者提供辅助决策。
-
公开(公告)号：CN109556597A
公开(公告)日：2019-04-02
申请号：CN201811365320.1
申请日：2018-11-16
Applicant: 西北工业大学
Abstract: 本发明提供一种基于群体视觉的行人导航方法，通过分析用户的移动轨迹和用户沿途采集的图片生成细粒度地图，从而对后续用户进行情境导航，解决了电子地图道路信息缺失的问题。相比于其他使用群体移动数据进行导航的工作来说，本发明整合了每个用户轨迹之间的关联关系，根据这些轨迹生成了一个细粒度导航地图，解决了与引导者不同起点不同终点的用户的导航问题。同时，使用图片对导航过程中的重要节点进行视觉提示，避免了用户在导航过程中频繁辨认方向的困扰，使得用户可以更加直观地跟随导航路线。
-
公开(公告)号：CN102137158A
公开(公告)日：2011-07-27
申请号：CN201110058155.7
申请日：2011-03-10
Applicant: 西北工业大学
IPC: H04L29/08
Abstract: 本发明公开了一种利用设备代理系统实现信息设备资源共享的方法，用设备代理系统实现设备之间的资源共享，设备代理系统为需要资源共享的设备提供一个虚拟的设备供其访问，称为设备代理，再由该设备代理调用实际的设备完成资源共享，具体包括以下步骤：a.设备加入网络后，向指定IP地址的服务器注册自己的信息，服务器根据设备的注册信息生成与该设备对应的设备代理；b.设备需要其他设备提供资源时，不直接与拥有该资源的设备沟通，而是通过向服务器发起资源共享请求，由服务器上的设备代理代为完成沟通。本发明能以较低的成本和网络开销实现家庭信息网络中的设备资源共享。
-
-
-
-
-
-
-
-
-
Search Results
53
records
(took 0.03 seconds)
