公开(公告)号：CN114490980A

公开(公告)日：2022-05-13

申请号：CN202210066846.X

申请日：2022-01-20

Applicant: 兰州大学 ,  支付宝(杭州)信息技术有限公司

Inventor： 苏伟 ,  孙元涛 ,  黄强 ,  李福喜 ,  袁永娜 ,  胡楠

IPC: G06F16/332 ,  G06F16/33 ,  G06N3/04 ,  G09B7/04

Abstract: 本说明书实施例公开了一种关联知识追踪方法、装置及设备，包括：获取用户在指定时刻范围内的各答题交互数据，答题交互数据包括在对应时刻所答题目的所答知识点、作答对错信息，以及由所答知识点的关联知识点构成的关联知识点集合；将各答题交互数据按照对应的时刻顺序，输入关联知识追踪模型进行处理，其中，关联知识追踪模型根据第一损失和第二损失预先训练，第一损失是根据基于训练样本对指定知识点的掌握程度预测信息及其训练标签确定的，第二损失是根据基于训练样本对指定知识点的关联知识点集合的掌握程度预测信息及其训练标签确定；通过关联知识追踪模型的处理，预测用户在指定时刻范围之后对预定知识点集合中的知识点的掌握程度。

公开(公告)号：CN114461769A

公开(公告)日：2022-05-10

申请号：CN202210065583.0

申请日：2022-01-20

Applicant: 兰州大学 ,  支付宝(杭州)信息技术有限公司

Inventor： 苏伟 ,  孙元涛 ,  黄强 ,  李福喜 ,  袁永娜 ,  胡楠

IPC: G06F16/332 ,  G06F16/33 ,  G06N3/04 ,  G06Q50/20

Abstract: 本说明书实施例公开了一种知识追踪模型的训练方法、装置以及设备。通过获取用户在t时刻对于知识点的答题信息，成对应于所述答题信息的隐藏特征向量；根据所述隐藏特征向量确定权重矩阵；根据所述权重矩阵从内存矩阵中进行读取，获得聚焦向量；根据所述权重矩阵内存矩阵进行内容写入，生成t时刻的内存矩阵；融合所述隐藏特征向量和所述生成输出特征向量，根据所述输出特征向量生成预测值；根据所述预测值和所述答题信息的差异进行知识追踪模型的训练，生成目标模型，通过采用内存矩阵保存用户的历史答题信息所产生的相关特征，并即时的在训练过程中对内存矩阵进行读写，从而有效利用了用户的历史答题信息来训练模型。

公开(公告)号：CN114461769B

公开(公告)日：2024-12-24

申请号：CN202210065583.0

申请日：2022-01-20

Applicant: 兰州大学 ,  支付宝(杭州)信息技术有限公司

Inventor： 苏伟 ,  孙元涛 ,  黄强 ,  李福喜 ,  袁永娜 ,  胡楠

IPC: G06F16/332 ,  G06F16/33 ,  G06N3/0442 ,  G06Q50/20

Abstract: 本说明书实施例公开了一种知识追踪模型的训练方法、装置以及设备。通过获取用户在t时刻对于知识点的答题信息，成对应于所述答题信息的隐藏特征向量；根据所述隐藏特征向量确定权重矩阵；根据所述权重矩阵从内存矩阵中进行读取，获得聚焦向量；根据所述权重矩阵内存矩阵进行内容写入，生成t时刻的内存矩阵；融合所述隐藏特征向量和所述生成输出特征向量，根据所述输出特征向量生成预测值；根据所述预测值和所述答题信息的差异进行知识追踪模型的训练，生成目标模型，通过采用内存矩阵保存用户的历史答题信息所产生的相关特征，并即时的在训练过程中对内存矩阵进行读写，从而有效利用了用户的历史答题信息来训练模型。

公开(公告)号：CN118866233A

公开(公告)日：2024-10-29

申请号：CN202410927246.7

申请日：2024-07-11

Applicant: 兰州大学

Inventor： 袁永娜 ,  岳佳琦 ,  刘振宇

IPC: G16H20/10 ,  G16H70/40 ,  G16C20/70 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0464 ,  G06N3/084 ,  G06N3/09

Abstract: 本发明公开了一种基于层次图神经网络模型预测药物‑药物相互作用的方法，包括：获取药物数据并进行处理，基于处理后的药物数据构建药物分子图和药物‑药物相互作用网络；基于药物分子图进行特征提取，获得药物分子图级别特征；基于药物‑药物相互作用网络进行特征提取，获得药物‑药物相互作用网络级别特征；构建图神经网络并进行训练，获得层次图神经网络模型，通过层次图神经网络模型进行药物间的相互作用预测，获得预测结果。本发明预测药物相互作用时间短、成本低且预测精度高，操作简便，能够节省大量的人力、物力和财力，为提高药物相互作用预测准确度提供了基础工具与快捷途径。

公开(公告)号：CN116823027A

公开(公告)日：2023-09-29

申请号：CN202310656500.X

申请日：2023-06-05

Applicant: 兰州大学 ,  兰州速微网络科技有限公司

Inventor： 苏伟 ,  黄强 ,  绽琨 ,  许存禄 ,  袁永娜

IPC: G06Q10/0639 ,  G06Q50/20 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明提出一种基于关联技能知识的智能学生能力评估方法，包括：构建数据集；所述数据集包括：用于表征学生答题交互信息的技能图；构建基于图的关联技能知识追踪模型；基于所述数据集对所述关联技能知识追踪模型进行训练；基于训练后的所述关联技能知识追踪模型，获取学生正确作答各个技能点的概率；基于所述概率，对学生能力进行评估。本发明将技能的图结构与图神经网络以及基于图的知识追踪模型结合在一起，提升了模型感知图中技能节点与它的邻居技能节点之间的关联性的能力以及探索技能之间在图结构上关联性的能力，提高了模型的预测准确率。

公开(公告)号：CN115458046A

公开(公告)日：2022-12-09

申请号：CN202211228098.7

申请日：2022-10-09

Applicant: 兰州大学

Inventor： 袁永娜 ,  张宇豪 ,  孟祥博 ,  刘振宇

IPC: G16B15/30 ,  G16B40/00 ,  G16C20/70 ,  G06K9/62 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开基于并行式深层细粒度模型预测药物靶标结合性的方法，包括：获取药物、蛋白质、疾病的数据集，基于数据集，通过并行计算训练预测模型，并对训练好的预测模型进行验证；获取药物靶标数据，通过验证后的预测模型对药物靶标数据进行预测，得到药物靶标结合性预测结果。其中所述预测模型为深层细粒度模型，包括构造器、编码器、解码器；通过构造器提取数据集的本体特征；通过编码器对本体特征进行细粒度级别融合，得到综合性特征，通过解码器对综合性特征进行解码，得到分类预测结果，其中分类预测结果为药物是否存在相互作用。

公开(公告)号：CN118969126A

公开(公告)日：2024-11-15

申请号：CN202410955752.7

申请日：2024-07-17

Applicant: 兰州大学

Inventor： 袁永娜 ,  康佳和 ,  刘振宇

IPC: G16C20/50 ,  G16C20/70 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种学习分子表征的自监督方法及系统，方法包括：S1、从PubChem中抽取分子的化学结构编码，生成预处理数据集；S2、基于transform er encoder构建用于预训练的初始深度学习模型InChINet；S3、将所述预处理数据集输入InChINet模型中对模型进行训练，得到预训练后的InChINet模型；S4、基于所述预训练后的InChINet模型得到待检测分子的分子表征。本发明的InChINet模型以低成本快速高效地输出高质量的分子表征，能够精准地预测分子性质、药物‑药物相互作用，可以应用于药物发现中的各个环节，加速了药物发现进程。

公开(公告)号：CN118626719A

公开(公告)日：2024-09-10

申请号：CN202410798099.8

申请日：2024-06-20

Applicant: 兰州大学 ,  兰州速微网络科技有限公司

Inventor： 蔡川 ,  袁永娜 ,  张云飞 ,  许存禄

IPC: G06F16/9535 ,  G06N3/0442

Abstract: 本发明公开了一种基于随机游走的短文推荐方法及系统，包括：获取用户和文章的初始嵌入表示，将所述初始嵌入表示映射到k个子空间，得到用户和文章的初始解耦嵌入；通过邻域路由算法聚合更新相应邻居信息，获得用户和文章的最终解耦表示，利用随机游走的思想对初始嵌入表示和所述最终解耦表示进行选择，得到用户和文章的最终表示；基于所述用户和文章的最终表示，添加一个全连接层，通过点积计算用户点击文章的概率，基于所述用户点击文章的概率获得预测偏好结果，将所述预测偏好结果输入门控网络获得短文推荐结果。本发明使用户能够获得与个人兴趣高度相关的推荐内容。

公开(公告)号：CN113269121B

公开(公告)日：2023-02-10

申请号：CN202110635444.2

申请日：2021-06-08

Applicant: 兰州大学 ,  广西民族大学

Inventor： 苏伟 ,  张久文 ,  吴尽昭 ,  雷晖 ,  刘莉 ,  袁永娜

IPC: G06V20/00 ,  G06V10/40 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464

Abstract: 本发明公开了一种基于融合CNN模型的渔船捕捞状态识别方法，首先对实验数据进行分析及预处理，包括异常值处理、航迹分段、特征衍生；然后基于Inception‑ResNet神经网络架构搭建融合CNN模型来识别渔船捕捞状态，其中输入级采用原始特征与衍生特征的组合作为输入，卷积级采用特征融合的方式输出特征，输出级进行最后的分类输出；最后为探究方法的有效性，比较了普通CNN模型、传统SVM模型及融合CNN模型在识别渔船捕捞状态上的效果。本发明在识别渔船捕捞状态时，准确度高，识别效果好，识别类型广。

公开(公告)号：CN116646001B

公开(公告)日：2024-05-24

申请号：CN202310656597.4

申请日：2023-06-05

Applicant: 兰州大学

Inventor： 袁永娜 ,  张宇豪 ,  孟祥博 ,  单爽 ,  王圣珂

IPC: G16B15/30 ,  G16B30/10 ,  G16B40/00 ,  G06F18/25 ,  G06N3/0455 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明公开了一种基于联合式跨域注意力模型预测药物靶标结合性的方法，包括，从药物、蛋白质数据库中提取生物分子化学结构信息和药物‑靶标作用的文本语义信息作为原始数据，构建数据集；基于端到端的联合式架构的耦合神经网络，构建用于预测药物靶标结合性的联合式跨域注意力的初始深度学习模型；将数据集划分训练集和测试集，通过训练集对初始深度学习模型进行训练，获得目标深度学习模型；基于目标深度学习模型进行药物靶标结合性预测，获得预测结果。本发明所需时间少、成本低且预测精度高，方法成本低廉简便，能够节省大量的人力、物力和财力，为药物靶标预测精确度提供相应的基础工具与快捷途径。