-
公开(公告)号：CN116468048A
公开(公告)日：2023-07-21
申请号：CN202310453062.7
申请日：2023-04-25
Applicant: 重庆邮电大学
IPC: G06F40/30 , G06F40/166 , G06N5/02 , G06N3/0442 , G06N3/0499 , G06N3/045 , G06Q10/10 , G06Q30/016
Abstract: 本发明涉及自然语言处理领域，特别涉及一种基于大数据知识图谱的互联网电商投诉智能处理方法，所述方法包括获取用户投诉文本数据，并按照最大长度截断；将用户投诉文本数据输入到经由知识图谱预训练后的基于编码结构的文本语义模型中，输出文本语义结果向量；将其输入到基于BiGRU+FNN解码结构的文本张量模型中，输出文本语义结果向量的文本张量；将文本张量输入到SLRO下游网络中，输出用户投诉文本数据的三元组信息；将用户投诉文本数据的三元组信息输入到经由知识图谱预训练后的基于编解码结构的文本生成模型中，输出三元组的投诉解决方案；本发明可自动处理电商用户投诉并给出具体且正确的解决方案，提升用户满意度。
-
公开(公告)号：CN110874437B
公开(公告)日：2023-06-16
申请号：CN201911115322.X
申请日：2019-11-14
Applicant: 重庆邮电大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/9538
Abstract: 本发明涉及一种基于多重兴趣点对排序的个性化兴趣点推荐方法，属于位置推荐领域。该方法包括：S1获取用户隐式反馈签到数据；S2对用户隐式反馈签到数据进行分析，挖掘用户签到数据的空间分布特征，确定用户的活动区域；S3计算用户对于各活动区域兴趣点的偏好，并将用户的历史签到数据划分为三种样本；S4将三种样本数据作为多重兴趣点对排序模型的训练数据，采用随机梯度下降算法对模型参数进行迭代学习，获得用户对不同兴趣点的偏好程度；S5根据用户对兴趣点偏好程度的高低向用户推荐一定数量的兴趣点列表。本发明缓解了签到数据稀疏性的影响，同时有助于挖掘用户具有潜在偏好的兴趣点，从而使兴趣点推荐的精确度得到提升。
-
公开(公告)号：CN115758223A
公开(公告)日：2023-03-07
申请号：CN202211545535.8
申请日：2022-12-05
Applicant: 重庆邮电大学
IPC: G06F18/24
Abstract: 本发明属于自然语言处理技术领域，具体涉及一种智能数据噪声筛选方法，包括：获取多标记数据，构建真实标记矩阵和含噪标记矩阵；通过真实标记矩阵和含噪标记矩阵构建噪声筛选模型；训练模型，并控制模型复杂度；对模型进行优化，并求解模型的参数，并更新参数得到最优参数，固定最优参数得到最优的噪声筛选模型；将待筛选数据输入最优的噪声筛选模型，得到真实标记数据。本发明利用含噪标记矩阵构建一个多标记分类器和噪声标记检测器，一方面减少冗余标记噪声对模型准确率的负面影响并生成具有区分性的特征信息，另一方面通过减少标记维度来提高模型的训练和预测效率，训练后的偏多标记学习模型对特征噪声和冗余标记噪声都具有更强的鲁棒性。
-
公开(公告)号：CN109523018B
公开(公告)日：2022-10-18
申请号：CN201910016242.2
申请日：2019-01-08
Applicant: 重庆邮电大学
IPC: G06V10/764 , G06V10/774 , G06V10/82 , G06N3/04
Abstract: 本发明请求保护一种基于深度迁移学习的图片分类方法，其中,所述的领域适应至少包含两个领域的数据,分别为源域和目标域，并且源域数据为已标记的样本数据.所述方法主要包括以下步骤:步骤1)数据准备阶段.准备源域数据和目标域数据,确定目标类别集合.步骤2)特征提取模型构建阶段.使用ResNet和自注意力网络构建基础特征提取模型.步骤3)领域对抗模型构建阶段.使用领域对抗模型预测样本类别和样本领域；步骤4)训练阶段.对源域和目标域样本进行领域标记,设置基于样本迁移权重的损失函数.步骤5)预测阶段.对目标域数据进行预测,将类别预测结果作为最终结果.本发明降低标记成本,达到知识迁移的目的。
-
公开(公告)号：CN110059183B
公开(公告)日：2022-08-23
申请号：CN201910221691.0
申请日：2019-03-22
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于大数据的汽车行业用户观点情感分类方法，包括101对数据进行预处理操作；102对数据进行特征工程构建操作；103建立多个机器学习模型包括LightGBM、随机森林、Catboost模型，并进行模型融合操作；104通过已建立的模型，根据文本内容、主题、情感分析等数据了解消费者。本发明主要是通过对文本内容、主题、情感分析等数据进行预处理、Jieba分词和分析数据提取特征，建立多个机器学习模型，从而预测汽车行业用户的情感，使得汽车厂商获得快速、准确的方式来了解消费者需求，使得汽车厂商能够根据消费者对汽车的情感对汽车做最有效的改进。
-
Patent Agency Ranking
公开(公告)号：CN110060102B
公开(公告)日：2022-05-03
申请号：CN201910313789.9
申请日：2019-04-18
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于偏标记学习的用户所在商铺定位大数据预测方法，包括：101对用户的购物状态数据进行预处理操作；102根据每个样本所对应的候选商铺集合构建偏标记数据集；103对偏标记数据集进行特征提取操作；104根据特征空间构建相似度图；105根据相似度图进行概率传播；106通过传播所收敛的概率，从偏标记数据集的候选商铺集合中预测出用户未来有行为互动的商铺。本发明主要是通过对用户历史数据进行预处理，提取特征，转换偏标记数据集，建立偏标记学习模型，根据用户的位置行为的偏标记数据集，从每个用户所对应的候选商铺集合中预测出用户未来有行为互动的商铺，使得用户能够获得更为精准的个性化推送服务，提高用户的购物体验。
-
公开(公告)号：CN114093445A
公开(公告)日：2022-02-25
申请号：CN202111369388.9
申请日：2021-11-18
Applicant: 重庆邮电大学
Abstract: 本发明属于偏多标记学习、数据挖掘领域，具体涉及一种基于偏多标记学习的患者筛选标记方法；该方法包括：获取患者的病理样本数据，将病理样本数据输入到训练好的基于偏多标记学习的医疗文本语义信息大数据预测模型中，预测患者的患病类型和患病概率，根据患者的患病类型和患病概率对患者进行标记；本发明对分类类别不平衡性问题进行进一步的处理，可以预测到更精准的标记结果，病人可根据此标记结果进行健康管理，医生也可以根据此结果对病人进行下一步诊断，具有良好的社会效益和经济效益。
-
公开(公告)号：CN113643027A
公开(公告)日：2021-11-12
申请号：CN202110767294.0
申请日：2021-07-07
Applicant: 重庆邮电大学
Abstract: 本发明公开了一种基于区块链实现行业网络积分管理的方法及装置，该方法中监管机构发布该行业积分标准合约与商户注册合约。积分标准合约通过合约代码限定适配于该行业内的积分用途以及若干指标。商户可以通过提供证书以及待发布积分基本信息调用积分标准合约发布自己的积分账本合约。每个商户积分账本合约中都实现了积分的票卷累计兑换功能以及通兑功能，用户使用积分时可以实现单类积分票卷的累计兑换以及多类积分的汇通。监管机构可以实现透明化、规范化积分管理；商家可以快捷部署积分，降低运行积分系统成本，增加自身用户粘性，发放积分票卷可减少链上交易数量降低节点压力，优化小微多次积分的发放效率。
-
公开(公告)号：CN109466725B
公开(公告)日：2021-05-18
申请号：CN201811184499.0
申请日：2018-10-11
Applicant: 重庆邮电大学
Abstract: 本发明请求保护一种基于神经网络和图像识别的智能水面漂浮物打捞系统，涉及智能识别和自动控制领域，包括1)双体船结构建模；2)图像采集与处理；3)图片识别模型建模；4)船体控制模型建模，根据图像识别出的漂浮物坐标与识别区域三等分线坐标的比较，通过一个线性函数求出下一时刻的偏转方向；5)智能水面漂浮物打捞系统的搭建，将单片机、电池、发动机、散热器、打捞网、广角摄像头、PC等器材组装成一个智能水面漂浮物打捞船，然后将构造好的船体控制程序烧录进智能水面漂浮物识别系统的单片机中，实现智能水面漂浮物识别系统转向、巡航、掉头等功能，本发明无需人为控制便能自动、快速、高效率地打捞起水面漂浮物，实现自主清淤。
-
公开(公告)号：CN112487274A
公开(公告)日：2021-03-12
申请号：CN202011386336.8
申请日：2020-12-02
Applicant: 重庆邮电大学
IPC: G06F16/9532 , G06F16/9535 , G06F16/33 , G06F16/335 , G06F16/35 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于文本点击率的搜索结果推荐方法及系统，属于机器学习、和自然语言处理领域，所述方法包括：对搜索文本query和title进行预处理操作；对文本query和title构建特征工程；利用改进DRCN构建的RRSCN深度匹配模型进行特征提取；利用RRSCN深度匹配模型构建预训练模型；根据特征工程和RRSCN深度匹配模型构建三输入的全连接层网络；本发明根据文本query和title预测query下文本点击率，通过构建特征工程，特征选择工作，构建三输入深度学习文本匹配模型，从而可以更精确的预测文本预估点击率和相关性，准确的给用户推荐最有可能点击的搜索结果，提高用户的体验性。
-
-
-
-
-
-
-
-
-
Search Results
242
records
(took 0.035 seconds)
