-
公开(公告)号：CN111949877B
公开(公告)日：2023-02-28
申请号：CN202010816756.9
申请日：2020-08-14
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F16/9537 , G06N3/0442
Abstract: 本发明公开了一种个性化兴趣点推荐方法及系统。本方法包括：1)根据用户及兴趣点的历史签到信息，获取用户集合、兴趣点集合和每个用户兴趣点集合；2)将每个兴趣点信息进行编码得到兴趣点向量；3)根据兴趣点签到时间信息，编码得到对应用户的时间特征向量；4)根据兴趣点签到天气信息，编码得到对应用户的天气特征向量；5)根据兴趣点签到信息，编码得到对应用户是空间特征向量；6)根据用户的上述向量，得到对应用户兴趣点矩阵；7)根据用户兴趣点矩阵训练LSTM‑Autoencoder模型，对签到序列进行修正，得到用户兴趣点访问偏好；8)根据目标用户的兴趣点访问偏好，给定时间信息、天气信息，向目标用户进行兴趣点推荐。
-
Patent Agency Ranking
公开(公告)号：CN114462379B
公开(公告)日：2025-04-25
申请号：CN202110265366.1
申请日：2021-03-11
Applicant: 中国科学院信息工程研究所
IPC: G06F40/205 , G06F40/30 , G06N3/0442
Abstract: 本发明涉及一种改进的基于事件演化图的脚本学习方法和装置。该方法包括：利用由具体事件链构成的具体事件网络构建抽象的事件演化图；挖掘事件演化图中蕴含的事件演化知识，以学习上下文事件和候选事件的初始嵌入表示；将上下文事件和候选事件的初始嵌入表示输入双向LSTM网络，得到上下文事件和候选事件的更新后的嵌入表示，其中包含事件链的时序信息以及事件演化图中蕴含的事件演化知识；利用更新后的嵌入表示对上下文事件和候选事件进行相似度计算，得到每一个候选事件的相似度得分，将相似度得分概率化，选择概率最高的候选事件作为最终预测的事件。本发明对于脚本事件预测具有较高的准确度，能够用于隐私窃取攻击事件预测等领域。
-
公开(公告)号：CN112598581B
公开(公告)日：2023-10-24
申请号：CN202011606834.9
申请日：2020-12-30
Applicant: 中国科学院信息工程研究所
IPC: G06T3/40 , G06N3/0464
Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法，其步骤包括：1)将低分辨率样本图像输入到生成器，生成高分辨率图像；2)将生成的高分辨率图像作为假数据，计算该假数据与对应标签数据之间的损失值；3)提取该假数据的特征与对应标签数据的特征，然后计算特征之间的损失值；4)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算生成器中损失函数的损失值；5)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算判别器中损失函数的损失值，进行判别器参数更新；6)将步骤2)～4)所得损失值加权在一起，作为生成器的损失，进行生成器的参数更新。
-
公开(公告)号：CN112598581A
公开(公告)日：2021-04-02
申请号：CN202011606834.9
申请日：2020-12-30
Applicant: 中国科学院信息工程研究所
Abstract: 本发明公开了一种RDN超分辨网络的训练方法及图形生成方法，其步骤包括：1)将低分辨率样本图像输入到生成器，生成高分辨率图像；2)将生成的高分辨率图像作为假数据，计算该假数据与对应标签数据之间的损失值；3)提取该假数据的特征与对应标签数据的特征，然后计算特征之间的损失值；4)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算生成器中损失函数的损失值；5)将生成的高分辨率图像及其多个下采样数据作为假数据，根据该假数据与对应真实数据计算判别器中损失函数的损失值，进行判别器参数更新；6)将步骤2)～4)所得损失值加权在一起，作为生成器的损失，进行生成器的参数更新。
-
公开(公告)号：CN114462379A
公开(公告)日：2022-05-10
申请号：CN202110265366.1
申请日：2021-03-11
Applicant: 中国科学院信息工程研究所
IPC: G06F40/205 , G06F40/30 , G06N3/04
Abstract: 本发明涉及一种改进的基于事件演化图的脚本学习方法和装置。该方法包括：利用由具体事件链构成的具体事件网络构建抽象的事件演化图；挖掘事件演化图中蕴含的事件演化知识，以学习上下文事件和候选事件的初始嵌入表示；将上下文事件和候选事件的初始嵌入表示输入双向LSTM网络，得到上下文事件和候选事件的更新后的嵌入表示，其中包含事件链的时序信息以及事件演化图中蕴含的事件演化知识；利用更新后的嵌入表示对上下文事件和候选事件进行相似度计算，得到每一个候选事件的相似度得分，将相似度得分概率化，选择概率最高的候选事件作为最终预测的事件。本发明对于脚本事件预测具有较高的准确度，能够用于隐私窃取攻击事件预测等领域。
-
公开(公告)号：CN111949877A
公开(公告)日：2020-11-17
申请号：CN202010816756.9
申请日：2020-08-14
Applicant: 中国科学院信息工程研究所
IPC: G06F16/9535 , G06F16/9537 , G06N3/04
Abstract: 本发明公开了一种个性化兴趣点推荐方法及系统。本方法包括：1)根据用户及兴趣点的历史签到信息，获取用户集合、兴趣点集合和每个用户兴趣点集合；2)将每个兴趣点信息进行编码得到兴趣点向量；3)根据兴趣点签到时间信息，编码得到对应用户的时间特征向量；4)根据兴趣点签到天气信息，编码得到对应用户的天气特征向量；5)根据兴趣点签到信息，编码得到对应用户是空间特征向量；6)根据用户的上述向量，得到对应用户兴趣点矩阵；7)根据用户兴趣点矩阵训练LSTM-Autoencoder模型，对签到序列进行修正，得到用户兴趣点访问偏好；8)根据目标用户的兴趣点访问偏好，给定时间信息、天气信息，向目标用户进行兴趣点推荐。
-
-
-
-
-
Search Results
6
records
(took 0.058 seconds)
