-
公开(公告)号：CN101360070A
公开(公告)日：2009-02-04
申请号：CN200810030346.0
申请日：2008-08-22
Applicant: 华南理工大学 , 广州数园网络有限公司
Abstract: 本发明提供基于不信任策略的垃圾邮件过滤方法，步骤包括：本地垃圾邮件过滤服务器接收发信服务器发送来的邮件的部分邮件信息；本地垃圾邮件过滤服务器采取不信任策略，给发信服务器回复收取邮件错误信息；启用发送异常重发机制正常的发信服务器将所述邮件重发至本地垃圾邮件过滤服务器，本地垃圾邮件过滤服务器记录重发邮件的部分邮件信息，根据这些信息生成新的算法值，若与原来的算法值匹配，表示属于重发邮件，继续接收此邮件正文、附件等内容，做后续处理；不启用重发机制的发信服务器不会重发邮件，由此实现了垃圾邮件过滤功能。本发明操作逻辑简单、拦截率高、效率好，能有效提升垃圾邮件过滤效果和拦截能力。
-
公开(公告)号：CN119961519A
公开(公告)日：2025-05-09
申请号：CN202510061002.X
申请日：2025-01-15
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/9536 , G06N5/022 , G06N3/096 , G06N3/09 , G06N3/0895 , G06N3/045 , G06N3/042
Abstract: 本发明公开了一种高效知识蒸馏的知识图谱推荐方法、设备及介质，其中方法包括：通过四项蒸馏任务，将知识从大型的基于知识图谱的教师模型转移到小型的单层图注意力网络学生模型中，其中四项蒸馏任务包括：1)用户嵌入和物品嵌入的蒸馏；2)用户嵌入和物品嵌入的角度蒸馏；3)用户和物品预测结果的蒸馏；4)用户和物品预测结果的蒸馏；获取输入数据，输入经过四项蒸馏任务获得的学生模型中，输出推荐结果。本发明除了在嵌入层面和预测层面进行知识蒸馏，还在角度属性和知识图谱注意力信息层面实现知识蒸馏，不仅能提高模型训练的收敛速度，还能更有效地提取知识图谱中的信息，缓解KG中的数据噪声问题和冷启动问题。
-
公开(公告)号：CN119669428B
公开(公告)日：2025-05-06
申请号：CN202510175026.8
申请日：2025-02-18
Applicant: 华南理工大学
IPC: G06F16/3329 , G06N5/022 , G06N5/04
Abstract: 本发明为数据处理技术领域，公开了一种融合知识图谱和大模型的智能问答方法、装置及存储介质，包括：获取待答复的原始问题；对原始问题进行实体抽取生成实体信息集，进行问题重写生成原始问题的相似问题；遍历实体信息集中的每一个实体信息，基于融合相似问题的搜索策略在预设知识图谱中进行搜索与筛选，获取知识路径；根据知识路径获得知识，根据任务指令和原始问题，通过答案生成大模型结合所获得的知识进行逻辑推理，生成原始问题的预测答案；对预测答案进行真实性检测，对预测答案进行过滤，生成目标答案。本发明降低了大模型产生不实或无关信息的可能性，降低了计算成本，缓解了大模型生成答案的幻觉问题，提升了答案的可信度和精确度。
-
公开(公告)号：CN118227448A
公开(公告)日：2024-06-21
申请号：CN202410641525.7
申请日：2024-05-22
Applicant: 华南理工大学 , 创曦教育科技(广东)有限公司
IPC: G06F11/34 , G06N3/006 , G06N3/0442 , G06N3/0985
Abstract: 本发明公开了基于深度学习的大语言模型系统负载预测方法，包括以下步骤：S1、收集原始大语言模型系统负载时间序列数据；S2、对原始大语言模型系统负载时间序列数据进行预处理操作，所述预处理操作包括小波变换和数据归一化处理；S3、建立基于深度学习的大语言模型系统负载预测模型；S4、利用改进人工蜂群算法优化大语言模型系统负载预测模型的超参数；S5、利用优化后的大语言模型系统负载预测模型对未来系统负载趋势进行预测。本发明利用小波变换进行原始大语言模型系统负载数据进行特征提取，将原始数据分解成趋势部分和细节部分，后续针对不同特性的子序列分别进行建模预测，能够减少不同特征数据的互相影响，进一步提升预测精度。
-
公开(公告)号：CN117640077A
公开(公告)日：2024-03-01
申请号：CN202311427835.0
申请日：2023-10-31
Applicant: 华南理工大学 , 珠海大横琴股份有限公司 , 广东南方通信建设有限公司
Abstract: 本发明公开了一种基于多密钥同态加密跨链数据安全共享方法，包括：应用链注册：源链和目标链分别通过网关节点向中继链发起注册请求，中继链完成注册登记后返回各自应用链ID；数据查询：源链数据请求方向中继链发起跨链数据查询交易，中继链验证交易并进行链信息查询，并将结果返回；会话密钥协商：源链数据请求方发起跨链数据共享请求，网关节点首次验证后，向中继链发起密钥协商交易，源链和目标链密钥协商得到会话密钥；隐私计算：源链通过中继链发送密钥加密数据计算交易到目标链，目标链利用多密钥同态加密进行隐私计算，并将计算结果返回源链；跨链验证：源链数据请求方接收到隐私计算结果后，通过同态哈希对隐私计算结果进行正确性验证。
-
Patent Agency Ranking
公开(公告)号：CN112801912B
公开(公告)日：2023-10-31
申请号：CN202110173430.3
申请日：2021-02-09
Applicant: 华南理工大学
Abstract: 本发明公开了一种人脸图像复原方法、系统、装置及存储介质，其中方法包括：获取待复原的人脸图像，采用经过训练的人脸复原子网络对所述人脸图像进行复原，获得复原的人脸图像；所述人脸复原子网络在训练过程中，引入人脸识别子网络；所述人脸识别子网络对复原的人脸图像进行特征提取，根据提取的特征对所述人脸复原子网络进行识别监督，以优化所述人脸复原子网络的网络参数。本发明通过引入人脸识别子网络来克服人脸复原后的个体身份特征不准确的问题，对于人脸复原子网络的输出图像，重新输入到人脸识别子网络中，对特征的逐步提取，并反馈至人脸复原子网络中，以提升图像复原能力，可广泛应用于图像处理技术领域。
-
公开(公告)号：CN116452281A
公开(公告)日：2023-07-18
申请号：CN202310276518.7
申请日：2023-03-20
Applicant: 华南理工大学
IPC: G06Q30/0601 , G06F18/214 , G06F18/24 , G06N3/0464 , G06N3/048 , G06N3/0895
Abstract: 本发明公开了一种基于超图和自监督学习的序列推荐方法、装置及介质，其中方法包括：获取序列推荐数据集并进行数据预处理，将用户历史交互数据构建为序列形式；对构建好的序列数据进行数据集划分，划分为训练集、验证集和测试集；设置可学习的嵌入向量，包括商品嵌入向量，属性嵌入向量，以及它们各自的超边嵌入向量；将序列数据输入到超图神经网络中，进行超图卷积，捕捉序列的上下文信息，最终学得用户序列表示，然后进行推荐预测。本发明利用超图神经网络，对序列数据的全局信息进行建模，捕捉序列中的多边关系，更好的建模用户的真实兴趣偏好，获得更好的推荐效果。本发明可以广泛应用于推荐系统领域。
-
公开(公告)号：CN109993748B
公开(公告)日：2023-06-20
申请号：CN201910254112.2
申请日：2019-03-30
Applicant: 华南理工大学
IPC: G06V10/26 , G06V10/764 , G06V10/82 , G06V10/42
Abstract: 本发明公开了一种基于点云处理网络的三维网格物体分割方法，包括以下步骤：准备三维网格数据集以及预训练好的点云处理网络PointNet；计算三维网格数据中三角面片的中心点坐标，作为三维网格数据对应的点云数据；在点云中随机选择N个点，输入到预训练的PointNet中得到分割结果；利用KNN算法，赋予点云中未被选择的点概率分布，得到全部被分割好的点云数据；将点云分割结果映射回到三维网格数据，并用条件随机场对结果进行修正，最终得到三维网格的分割结果。本发明基于深度学习，能够对完整的数据进行分析，从数据中提取全局特征，实现数据驱动的分割，而非传统的基于人工设计的三维特征提取算子。
-
公开(公告)号：CN110991464B
公开(公告)日：2023-05-23
申请号：CN201911087722.4
申请日：2019-11-08
Applicant: 华南理工大学
IPC: G06V10/40 , G06V10/80 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/08
Abstract: 本发明公开的一种基于深度多模态数据融合的商品点击率预测方法，包括以下步骤：获取商品点击率数据并进行预处理，得到预处理后的商品点击率数据；将预处理后的商品点击率数据进行特征提取，得到商品图片特征、商品文本特征、商品品牌特征；将提取的特征通过内部注意力机制得到加权的商品图片特征和加权的商文本特征，再通过图片和文本间注意力机制进行特征融合，得到商品特征；利用商品特征通过前馈神经网络进行商品点击率预测，得到商品预测结果；构建端到端模型，利用训练数据进行参数学习与更新；本发明很好地融合图片，文本以及品牌等多模态信息，形成有效的商品特征描述，可应用于商品点击率预测。
-
公开(公告)号：CN111104532B
公开(公告)日：2023-04-25
申请号：CN201911400820.9
申请日：2019-12-30
Applicant: 华南理工大学
IPC: G06F16/51 , G06T5/00 , G06N3/0464
Abstract: 本发明涉及一种基于双流网络的RGBD图像联合恢复方法，包括：S1，获取用于训练和测试的RGBD图像数据库；S2，将RGBD图像数据库划分为训练数据集及测试数据集，并对RGBD图像数据库的RGBD图像进行预处理；S3，根据训练数据集训练双流卷积网络模型，保存训练完成的网络参数；S4，将测试数据集输入双流卷积网络模型进行联合恢复，并测试恢复程度。本发明能够同时对退化的RGB图像及其对应的深度图像进行修复，符合实际应用场景。
-
-
-
-
-
-
-
-
-
Search Results
134
records
(took 0.03 seconds)
