公开(公告)号：CN115080670B

公开(公告)日：2025-04-04

申请号：CN202210703706.9

申请日：2022-06-21

Applicant: 东北大学

Inventor： 谷峪 ,  危建朋 ,  宋振 ,  李晓华 ,  于戈

IPC: G06F16/28 ,  G06F9/52

Abstract: 一种基于GPU加速的确定性事务并发控制方法，属于数据库事务处理领域；本发明将数据库事务迁移至GPU进行处理，将事务分解成单个读取操作或写入操作，后在GPU中按照先并行处理读取操作，后并行处理写入操作的顺序执行事务；在执行事务之后对事务进行事务内冲突检测和事务间冲突检测，并在完成两种检测后进行事务提交；本方法实现了事务内与事务间的无锁定全并发策略，并且在整体事务迁移到GPU执行前仅需确定事务的读写集，并不需要构造依赖图等计算资源消耗高的事务执行依赖数据，仅需在事务执行完成之后对其中的冲突进行检测。

公开(公告)号：CN118152667A

公开(公告)日：2024-06-07

申请号：CN202410571166.2

申请日：2024-05-10

Applicant: 东北大学

Inventor： 樊迪 ,  李凡 ,  张天成 ,  于明鹤 ,  于戈

IPC: G06F16/9535 ,  G06F18/214 ,  G06F18/22

Abstract: 本发明公开了一种面向学生偏好的习题推荐方法，涉及智慧教育的技术领域，本发明旨在解决通过优化习题推荐策略来提高学生学习体验的问题，本发明至少包括如下步骤：形成训练数据集，获取学生与习题的交互行为数据；根据交互行为数据，进行相似程度计算，计算习题之间或学生之间的相似程度；根据相似程度计算结果，选择与目标习题或学生最相似的一组邻域；使用学生对每道题目的尝试次数和相似程度生成学生对题目兴趣程度的预测结果；利用学生与习题的历史交互日志进行建模，根据学生对题目兴趣程度的预测结果为每个学生推荐题目，生成推荐集合；实现了基于学生相似性或习题相似性进行学生偏好习题推荐，为学生提供更加全面、个性化的学习体验。

公开(公告)号：CN113901825B

公开(公告)日：2024-05-03

申请号：CN202111383783.2

申请日：2021-11-22

Applicant: 东北大学

Inventor： 刘珂 ,  靳显鑫 ,  冷芳玲 ,  鲍玉斌 ,  于戈

IPC: G06F40/295 ,  G06F40/247 ,  G06F40/194 ,  G06F18/214 ,  G06N3/08 ,  G06F16/36 ,  G06F16/35 ,  G06N3/0455 ,  G06N3/0442

Abstract: 本发明提供一种基于主动深度学习的实体关系联合抽取方法及系统，涉及计算机自然语言处理技术领域。该方法首先获取待标注样本数据集作为语料库，并对语料库进行概念抽取，定义实体类别集合和关系类别集合；再使用基于主动学习的待标注采样方法进行样本采样，得到待标注样本数据集；并对待标注样本数据集使用改进EDA方法进行数据增强；然后根据定义的实体和关系类别集合，在待标注样本数据集的数据上采用BIO‑OVE/R‑HT标注策略进行标注；最后将标注的数据输入到实体关系联合抽取模型进行训练。使用模型进行预测时，对预测得到的标签使用和标注策略对应的解码规则解码得到三元组。该系统进行实体关系抽取的同时并将抽取的实体关系快速构建知识图谱并且进行管理。

公开(公告)号：CN116521997A

公开(公告)日：2023-08-01

申请号：CN202310507281.9

申请日：2023-05-08

Applicant: 东北大学

Inventor： 张天成 ,  李季 ,  李捷 ,  张馨艺 ,  于明鹤 ,  于戈

IPC: G06F16/9535 ,  G06Q50/20 ,  G06F16/35 ,  G06F40/289 ,  G06F40/216 ,  G06N5/025 ,  G06N5/01 ,  G06N20/20 ,  G06N3/04 ,  G06N3/092 ,  G06N3/098

Abstract: 本发明提供一种基于强化学习的个性化学习路径推荐方法，涉及教育数据挖掘技术领域。该方法首先根据学者的学习记录构建学习者模拟器，该模拟器能够判断出学习者的学习水平；然后通过基于文本分类和关联规则挖掘的概念图自动构建模型自动构建练习题所包含的知识点间的知识关系图；再基于知识关系图以及认知诊断模型设计一个练习题导航模块，选择潜在的候选练习题；强化学习智能体在动作空间中选择动作后，在状态空间中确定状态转移，根据损失函数和优化策略更新模型参数，优化强化学习模型；最后使用设计的强化学习模型给学习者推荐练习，并根据学习者的学习情况更新强化学习模型参数。该方法能为学习者推荐高效合理的学习路径。

公开(公告)号：CN113901825A

公开(公告)日：2022-01-07

申请号：CN202111383783.2

申请日：2021-11-22

Applicant: 东北大学

Inventor： 刘珂 ,  靳显鑫 ,  冷芳玲 ,  鲍玉斌 ,  于戈

IPC: G06F40/295 ,  G06F40/247 ,  G06F40/194 ,  G06K9/62 ,  G06N3/08 ,  G06F16/36 ,  G06F16/35

Abstract: 本发明提供一种基于主动深度学习的实体关系联合抽取方法及系统，涉及计算机自然语言处理技术领域。该方法首先获取待标注样本数据集作为语料库，并对语料库进行概念抽取，定义实体类别集合和关系类别集合；再使用基于主动学习的待标注采样方法进行样本采样，得到待标注样本数据集；并对待标注样本数据集使用改进EDA方法进行数据增强；然后根据定义的实体和关系类别集合，在待标注样本数据集的数据上采用BIO‑OVE/R‑HT标注策略进行标注；最后将标注的数据输入到实体关系联合抽取模型进行训练。使用模型进行预测时，对预测得到的标签使用和标注策略对应的解码规则解码得到三元组。该系统进行实体关系抽取的同时并将抽取的实体关系快速构建知识图谱并且进行管理。

公开(公告)号：CN112000845B

公开(公告)日：2021-07-20

申请号：CN202010835717.3

申请日：2020-08-19

Applicant: 东北大学

Inventor： 谷峪 ,  任卓 ,  李传文 ,  李芳芳 ,  于戈

IPC: G06F16/901 ,  G06F16/245

Abstract: 本发明提供一种基于GPU加速的超空间哈希索引方法。针对key‑value数据库，构建超空间哈希数据结构，使超空间哈希更好地适应GPU，在超空间哈希数据结构中，使用数组结构体而不是结构体数组的数据布局，其中键、次要属性和值分别存储；该数据结构更适合于GPU的线程执行模型和内存层次结构；对于批处理查询，使用通过查询分类来减少分支分歧的warp预组合数据共享策略，而且为了进一步提高超空间哈希数据结构的性能，用原子操作代替加锁，并设计了一种暂时重复读取策略来提高GHSH的性能，实现了无锁的全并发策略；最后，基于超空间哈希数据结构，实现了批量构建、按键搜索、按次要属性搜索、修改、插入和删除的操作。

公开(公告)号：CN113010580A

公开(公告)日：2021-06-22

申请号：CN202110348594.5

申请日：2021-03-31

Applicant: 东北大学

Inventor： 刘恒宇 ,  于戈 ,  李凡 ,  张天成

IPC: G06F16/2458 ,  G06F16/26 ,  G06Q50/20 ,  G06N20/00

Abstract: 本发明提供一种基于学习迁移的知识追踪方法，涉及教育数据挖掘技术领域。该方法使用学习曲线和艾宾浩斯遗忘曲线作为先验，来追踪学生的知识熟练度和抽象原理掌握程度随时间的变化，将学生的知识结构分为两部分，一部分是通过学生对抽象原理的理解而获得的深层知识结构，另一部分是代表知识概念之间浅层关联的浅层知识结构，能有效提高模型性能，利用教育专家标注的Q矩阵来描述知识概念与题目之间的包含关系，作为先验来生成题目嵌入结果，设计概率矩阵分解框架，该框架分为以下三个部分，学生知识熟练度与抽象原理掌握程度追踪、学生练习反馈建模与模型参数学习，通过基于学习迁移的多级知识追踪模型来追踪学生的知识掌握程度。

公开(公告)号：CN112199334A

公开(公告)日：2021-01-08

申请号：CN202011146473.4

申请日：2020-10-23

Applicant: 东北大学

Inventor： 郝常波 ,  聂铁铮 ,  于戈 ,  申德荣 ,  寇月

IPC: G06F16/13 ,  G06F16/172 ,  G06F16/182 ,  G06F9/54

Abstract: 本发明提供了一种基于消息队列的数据流处理检查点文件存储的方法及装置，其中该方法根据流式计算中产生的用于保存中间状态的检查点文件进行特征分析，将其存储结构与消息队列消息队列的存储模型进行逻辑适配，设计文件操作接口与消息操作接口的映射关系，使用Zookeeper保存映射关系元信息部分；自定义分布式文件系统协议，提供依赖库的无服务形式被上游流式处理应用所依赖，以一种对用户透明的运行方式，根据实现的映射规则将检查点数据路由到对应的消息队列存储结构中，当流式应用重启时，根据Zookeeper中的元信息获取到消息队列中相应的状态数据，进行任务恢复以实现数据流计算框架容错机制。

公开(公告)号：CN107679960B

公开(公告)日：2020-06-09

申请号：CN201710947454.3

申请日：2017-10-12

Applicant: 东北大学

Inventor： 王大玲 ,  沙丹丹 ,  冯时 ,  张一飞 ,  于戈

IPC: G06Q30/06 ,  G06F16/9535

Abstract: 本发明公开了一种基于服装图像和标签文本双模态内容分析的个性化服装的推荐方法，包括以下步骤：S1：通过对购物网站的服装图像中的细节属性进行分析，建立以服装细节部位图像和特征形式描述的服装商品模型和用户喜好模型；S2：通过对购物网站的服装标签文本进行分析，建立以文本形式描述的服装商品模型和用户喜好模型；S3：将所述步骤S1建立的基于服装图像的服装商品模型和所述步骤S2建立的用户喜好模型相结合，产生推荐结果。本发明将服装的图像和文本信息进行结合，基于前述两个模型的融合，为用户进行个性化服装推荐。

公开(公告)号：CN110968792A

公开(公告)日：2020-04-07

申请号：CN201911028804.1

申请日：2019-10-28

Applicant: 东北大学

Inventor： 申德荣 ,  刘雨馨 ,  寇月 ,  聂铁铮 ,  于戈

IPC: G06F16/9536 ,  G06Q50/00

Abstract: 本发明的基于节点嵌入和个性化时间间隔的复杂网络链路预测方法，包括：根据某领域数据集，捕获用户间的多种网络关系，生成时序多关系网络；确定时序多关系网络中要预测的目标类型链接，得到目标网络与辅助网络进行两个网络对应邻接矩阵的完备化处理，利用共享矩阵分解生成节点特征向量；针对不同类型的链接，动态生成个性化时间间隔和包含时间信息的关系形成序列，生成多关系网络中不同关系的影响力；以节点嵌入的乘积作为基础概率，利用霍克斯过程对关系形成序列进行建模，得到节点间链接形成的概率。本发明考虑用户在目标网络与辅助网络上的结构信息；在生成关系形成序列时利用个性化时间间隔解决了信息分布不均匀的问题，提高了预测的准确度。