-
公开(公告)号：CN119226611A
公开(公告)日：2024-12-31
申请号：CN202411267866.9
申请日：2024-09-11
Applicant: 华南理工大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/042 , G06N3/045 , G06N3/084 , G06N3/0895
Abstract: 本发明公开了一种基于意图导向的自监督学习图推荐方法、系统、设备及存储介质，所述方法包括：根据用户与物品的交互数据构建用户‑物品交互图，将用户‑物品交互图中用户‑物品的ID输入意图感知的图编码器，获取每个意图下的用户‑物品的嵌入表示并进行聚合；将聚合后用户‑物品的嵌入表示输入训练好的自监督学习框架中的在线网络，预测用户‑物品的推荐分数；其中，所述自监督学习框架包括在线网络和目标网络，所述在线网络用于根据聚合后用户‑物品的嵌入表示预测用户‑物品的推荐分数，所述目标网络用于在训练过程中对聚合后用户‑物品的嵌入表示进行数据增强。本发明能够根据意图更好地建模用户的兴趣，从而实现更准确、更高效的用户推荐。
-
公开(公告)号：CN110008994A
公开(公告)日：2019-07-12
申请号：CN201910159193.8
申请日：2019-03-04
Applicant: 华南理工大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于Spark平台运行的P-CFSFDP密度聚类方法，基于快速搜索进行聚类并找出密度峰值(CFSFDP)算法思想，实现一个可以在Spark平台上运行的P-CFSFDP密度聚类方法，同时改进现有方法的缺陷，在数据结构和自动选取中心点方面进行功能优化。该方法通过Spark并行处理，通过对输入数据进行密度和距离的定义，将一组(抽象或具体)的对象分组到多个类中，通过某种标准或规则使得同一类中的对象尽可能相似，不同类中的对象尽可能不相似。本发明基于Spark平台，通过计算输入数据的密度值和距离值进行密度聚类，提升聚类的计算效率、计算精度和准确性，有助于快速实现大数据聚类和分析。
-
公开(公告)号：CN110008338A
公开(公告)日：2019-07-12
申请号：CN201910159199.5
申请日：2019-03-04
Applicant: 华南理工大学
Abstract: 本发明公开了一种融合GAN和迁移学习的电商评价情感分析方法，该方法基于GAN构建迁移学习框架，通过标注的源领域文本数据和少量标注的目标领域文本数据训练生成模型和鉴别模型，生成模型生成数据训练分类器用于特定的分类任务来实现源领域到目标领域的迁移。本发明在进行特定的电子商务评价情感分析任务时，减少了模型训练的数据收集处理工作，用户只需使用标注的源领域文本数据和少量标注的目标领域文本数据训练即可，而不需要进行大量目标领域文本数据的标注工作。本发明提出的方法使迁移架构和任务结构分离，对传统的迁移学习方法进行了突破，可实现跨领域迁移学习和异构迁移学习，提升数据分析的智能化水平。
-
公开(公告)号：CN118351537A
公开(公告)日：2024-07-16
申请号：CN202410534852.2
申请日：2024-04-30
Applicant: 华南理工大学
IPC: G06V20/70 , G06V10/774 , G06V10/82 , G06F40/166 , G06F40/216 , G06F40/30 , G06N3/0442 , G06N3/088
Abstract: 本发明公开了一种基于先验概率分布的无监督图像字幕生成方法、系统及存储介质，所述方法包括：根据获取的图像数据集和文本数据集，构建训练集；训练集中的样本包括每张图像的图像特征及句子空间中对应的伪真实句子；将图像特征输入无监督图像字幕生成模型中的特征聚合长短期记忆递归神经网络中，得到生成的句子，以使生成的句子与图像特征在全局上保持对齐；根据生成的句子，计算生成句子的预测分布以及在语义空间中的先验概率分布；利用训练集对无监督图像字幕生成模型进行训练，基于总损失函数更新无监督图像字幕生成模型中的参数，得到训练好的无监督图像字幕生成模型；将待生成字幕的图像输入训练好的无监督图像字幕生成模型中，生成图像的字幕。本发明能够生成与图像内容匹配的字幕。
-
公开(公告)号：CN117170992A
公开(公告)日：2023-12-05
申请号：CN202311004750.1
申请日：2023-08-09
Applicant: 华南理工大学
IPC: G06F11/34 , G06F11/30 , G06N3/0442 , G06N3/084
Abstract: 本发明实施例公开了一种应用使用情况预测及监督方法、系统、设备及介质，所述方法包括：根据用户的应用使用数据和LSTM神经网络模型，得到应用使用时长；根据用户设置的监督选项筛选出需要进行监督提醒的应用使用时长，并提前告知用户预计发生的不自律行为。本发明实施例通过预测机制获取用户接下来的应用使用时长，并根据不自律行为作出警告，以达到不良行为还没开始发生就起到提醒的作用，防患于未然。
-
Patent Agency Ranking
公开(公告)号：CN116206158A
公开(公告)日：2023-06-02
申请号：CN202310222166.7
申请日：2023-03-09
Applicant: 华南理工大学 , 人工智能与数字经济广东省实验室(广州)
Abstract: 本发明公开了一种基于双超图神经网络的场景图像分类方法及系统，所述方法包括：根据获取的待分类智能视频监控场景图像得到对应的特征矩阵；将特征矩阵输入训练好的场景图像分类模型的多视图超图学习网络中，通过将多视图超图学习网络在多个视图上学习到的超图进行融合，得到超图关联矩阵，每个视图均采用不同的可学习相似度度量函数；将特征矩阵和超图关联矩阵输入训练好的场景图像分类模型的密度感知超图注意力网络中，利用密度感知注意力机制挖掘数据中的密度信息以进行超图表示学习，得到待分类场景图像的类别预测结果。本发明利用双超图神经网络有效地组合多视图超图学习网络和密度感知超图注意力网络，能够实现更高的场景图像分类性能。
-
公开(公告)号：CN115762452A
公开(公告)日：2023-03-07
申请号：CN202211403621.5
申请日：2022-11-10
Applicant: 华南理工大学
IPC: G10H1/00 , G06N3/0442 , G06N3/045 , G06N3/0475 , G06N3/08
Abstract: 本发明公开了一种基于生成式对抗网络的音乐旋律编曲方法、装置及系统，所述方法包括：接收客户端发送的表单，根据表单中的信息，利用机器学习模型合成音乐文件；其中所述机器学习模型采用改进的生成式对抗网络模型；所述改进的生成式对抗网络模型将一个判别器改进为两个判别器，同时将生成器中的长短期记忆结构改进为关系记忆单元；将所述音乐文件的路径返回给客户端，以使客户端使用ref属性动态绑定页面中音频控件中所述音乐文件的路径，并且自动进行所述音乐文件的播放。本发明通过采用生成式对抗网络模型，极大程度增加了音乐旋律生成的多样性与真实性，生成的音乐旋律更加优美动听；通过合成音乐文件，使适用人群扩展到一般人群。
-
公开(公告)号：CN118915192A
公开(公告)日：2024-11-08
申请号：CN202410967717.7
申请日：2024-07-18
Applicant: 华南理工大学
Abstract: 本申请公开了一种基于时空图神经网络的气象数据降尺度方法及装置，所述方法包括：获取研究区域内气象站点的气象观测数据集及网格化数据集；对数据集进行数据预处理，并利用预设的相关性分析算法确定对应的特征变量；根据气象观测数据集、网格化数据集及对应的特征变量，构建得到用于降尺度的数据集；将用于降尺度的数据集输入已训练的第一时空图神经网络对低分辨率气象网格数据进行降尺度处理，得到预测的高分辨率气象网格数据；利用已训练的第二时空图神经网络对预测的高分辨率气象网格数据进行偏差订正，得到修正的高分辨率气象网格数据。本申请能更快速、准确地捕捉局部地区气象现象的细节，提高降尺度后气象数据的分辨率和精度。
-
公开(公告)号：CN115759056A
公开(公告)日：2023-03-07
申请号：CN202211453181.4
申请日：2022-11-21
Applicant: 华南理工大学
IPC: G06F40/242 , G06F16/36 , G06F16/33 , G06F16/338 , G06F40/49 , G06F40/58 , G06N3/0475 , G06N3/094 , G06N3/088
Abstract: 本发明公开了一种基于演化学习和生成式对抗网络的跨语言词对齐方法、装置及介质，该方法包括：获取源语言及目标语言的词向量表并进行处理；在生成式对抗网络的训练中融入演化学习框架，利用处理后词向量表对网络进行训练，进而生成初始化双语对齐词典，将其和获取的词向量表进行Procrustes闭式解，得到强化的生成器，进而生成双语对齐词典；迭代地进行Procrustes闭式解和生成双语对齐字典，最后输出双向映射词向量表；将其根据输出的双语对齐词典中最近邻的偏移向量信息进行点级别的局部移动，重新生成双语对齐词典；迭代更新双语对齐字典至迭代次数。该方法具有对齐精度高、有效改善双语同构性且不依赖任何双语字典的优点。
-
公开(公告)号：CN115757955A
公开(公告)日：2023-03-07
申请号：CN202211454327.7
申请日：2022-11-21
Applicant: 华南理工大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/0464 , G06N3/006 , G06N3/084
Abstract: 本发明公开了一种基于图神经网络架构搜索的推荐方法、装置、系统及介质，所述方法包括：针对图神经网络架构搜索设计相应的搜索空间；采用粒子群算法作为图神经网络架构搜索的搜索策略，将各粒子的位置按照搜索空间转化为对应的图神经网络模型，选择粒子群的历史最优值作为最优的图神经网络架构；其中，粒子位置对应图神经网络架构编码，图神经网络架构使用解耦模式的图卷积操作聚合邻居节点信息；对最优的图神经网络架构进行训练，利用训练好的最优的图神经网络架构生成推荐列表。本发明中图神经网络采用解耦模式的图卷积加深了信息传播的层数，提高了推荐性能；采用架构搜索技术实现了自动地为不同数据集寻找一个最优的图神经网络。
-
-
-
-
-
-
-
-
-
Search Results
16
records
(took 0.018 seconds)
