-
公开(公告)号：CN118917928B
公开(公告)日：2024-12-20
申请号：CN202411405375.6
申请日：2024-10-10
Applicant: 南昌航空大学
IPC: G06Q30/0601 , G06F16/901 , G06F16/9535 , G06N5/01 , G06F18/25 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于双视角融合异质图神经网络的跨域商品推荐方法，包括：读取用户和商品购物数据库，构造异质购物网络的节点图，根据节点图中的连边情况，将节点图转化为线图；在节点图中分别从元路径和有偏的双向随机游走两个视角获取语义嵌入向量和结构嵌入向量，进而得到用户‑商品的节点对嵌入向量；根据线图，利用边嵌入算法获得用户‑商品的边嵌入向量；根据节点对嵌入向量和边嵌入向量，利用元网络获取节点域至边域的映射函数；利用映射函数，将商品与目标用户的节点对嵌入向量映射到边域，根据映射后的边嵌入向量，对目标用户进行商品推荐。本发明能够有效利用节点和交互信息，提升商品推荐的精度。
-
公开(公告)号：CN118917928A
公开(公告)日：2024-11-08
申请号：CN202411405375.6
申请日：2024-10-10
Applicant: 南昌航空大学
IPC: G06Q30/0601 , G06F16/901 , G06F16/9535 , G06N5/01 , G06F18/25 , G06N3/042 , G06N3/0464
Abstract: 本发明公开了一种基于双视角融合异质图神经网络的跨域商品推荐方法，包括：读取用户和商品购物数据库，构造异质购物网络的节点图，根据节点图中的连边情况，将节点图转化为线图；在节点图中分别从元路径和有偏的双向随机游走两个视角获取语义嵌入向量和结构嵌入向量，进而得到用户‑商品的节点对嵌入向量；根据线图，利用边嵌入算法获得用户‑商品的边嵌入向量；根据节点对嵌入向量和边嵌入向量，利用元网络获取节点域至边域的映射函数；利用映射函数，将商品与目标用户的节点对嵌入向量映射到边域，根据映射后的边嵌入向量，对目标用户进行商品推荐。本发明能够有效利用节点和交互信息，提升商品推荐的精度。
-
公开(公告)号：CN115641222A
公开(公告)日：2023-01-24
申请号：CN202211275834.4
申请日：2022-10-18
Applicant: 南昌航空大学
Abstract: 本发明公开了一种社交网络链路预测方法，该方法首先考虑社交网络的社区特性及重叠性，对社交网络进行社区划分，从而寻找到被分配到多个社区当中的节点，这个节点往往具有更加多样性的特点，也可以说是该节点的兴趣广泛，更容易接受新事物的影响，也就更有可能形成新的链路，再通过最近邻随机游走来获取节点的嵌入向量，作为基于人工神经网络链路预测模型的输入，从而能够对社交网络的链路进行有效预测，最后通过小批量梯度下降算法对预测模型进行优化结构参数，通过粒子群优化模型超参数，能够提高社交网络链路预测的精度。
-
公开(公告)号：CN115297496B
公开(公告)日：2022-12-20
申请号：CN202211186686.9
申请日：2022-09-28
Applicant: 南昌航空大学
IPC: H04L41/147 , H04W24/02 , H04L41/142 , G06N3/08 , G06N3/04
Abstract: 本发明公开了一种结合Bi‑LSTM和时间模式注意力的链路质量预测方法，包括如下步骤：S1：选取链路质量参数构建样本空间，对于样本集中的缺失值使用生成对抗网络方法填充，采用离差标准化法消除参数间量纲差异的影响，然后采用滑动时间窗口构建多元时间序列样本；S2：根据所述多元时间序列样本，使用双向长短期记忆网络提取深度时间依赖，并采用时间模式注意力机制为时序变量加权，从而构建基于双向长短期记忆网络的链路质量预测模型，并得到多元时序预测结果；S3：采用Sigmoid函数构建多元时序预测结果与数据包接受率之间的映射模型，通过该映射模型预测下一时刻的链路质量。本发明能够提高链路质量预测模型的准确性。
-
公开(公告)号：CN111784081B
公开(公告)日：2022-03-01
申请号：CN202010752425.3
申请日：2020-07-30
Applicant: 南昌航空大学
Abstract: 本发明公开了一种采用知识图谱嵌入和时间卷积网络的社交网络链路预测方法，包括以下步骤：S1，处理原始社交样本数据并提取短语和与该短语相关的自变量的元组，构建结构化事件元组并链接到知识图谱，从知识图谱中构造子图并提取事件嵌入向量；S2，将社交网络的网络结构用邻接矩阵表示，以向量形式融合事件嵌入向量和网络邻接矩阵；S3，建立基于改进时间卷积网络的链路预测模型，将事件嵌入向量与网络邻接矩阵的融合向量作为预测模型的输入，经过迭代训练以获取最优模型，以对社交网络链路进行预测。本发明能够提高社交网络链路的预测精度。
-
Patent Agency Ranking
公开(公告)号：CN110636517B
公开(公告)日：2022-02-01
申请号：CN201910913353.3
申请日：2019-09-25
Applicant: 南昌航空大学
IPC: H04W16/22 , H04L41/147 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种采用卷积长短期记忆的在线链路质量预测方法。该方法首先采用斯皮尔曼等级相关系数法选取合适的无线传感器网络参数并对其进行归一化处理；然后采用基于密度聚类算法排序点以识别集群结构划分样本链路质量等级；最后构建并训练卷积长短期记忆在线链路质量预测模型，通过历史链路质量信息以及当前链路质量信息预测下一时刻的链路质量，采用在线方式对滑动窗口内预测错误率进行判断，使用增量学习方式对模型进行更新调整。本发明可以有效的预测下一时刻的链路质量，其优点在于可以保证链路质量预测的准确性，保证上层网络通信的可靠性和网络沟通效率。
-
公开(公告)号：CN108923983B
公开(公告)日：2021-01-12
申请号：CN201810776612.8
申请日：2018-07-13
Applicant: 南昌航空大学
Abstract: 本发明涉及一种机会网络链路的预测方法、装置及可读存储介质，该方法包括如下步骤：采用时间序列分析方法，对通讯数据进行切片处理，并将通讯数据中的节点连接时间以及节点断开时间进行数据转化以得到节点连接属性信息，根据节点标志、节点连接时间、节点断开时间以及节点对连接状态信息映射成连续的实数向量，并将实数向量按时间顺序转化为时序向量序列；建立初始循环神经网络模型，将时序向量序列输入至初始循环神经网络模型中，经迭代训练测试得到目标模型，以对机会网络链路进行预测。本发明提出的机会网络链路的预测方法，可实现对机会网络链路的有效预测。
-
公开(公告)号：CN110149233A
公开(公告)日：2019-08-20
申请号：CN201910435456.3
申请日：2019-05-23
Applicant: 南昌航空大学
IPC: H04L12/24 , H04L12/721
Abstract: 本发明涉及一种采用概要图和节点对影响值评估关键节点的方法与系统，该方法包括如下步骤：根据概要图模型对当前机会网络进行建模以得到机会网络概要图模型，其中机会网络概要图模型对应有多个节点间的连边，每条边对应有一权重系数；根据目标评估节点的度中心性、影响节点集内的邻居节点的度中心性以及目标评估节点与邻居节点之间的节点对最短路径，计算得到节点对影响值；根据节点对影响值以及机会网络概要图模型中的所述权重系数，计算得到每个节点对应的节点影响值，并根据节点影响值确定网络关键节点。本发明提出的采用概要图和节点对影响值评估关键节点的方法，可更加准确地确定网络关键节点，满足了实际分析识别需求。
-
公开(公告)号：CN107332631A
公开(公告)日：2017-11-07
申请号：CN201710644671.5
申请日：2017-07-31
Applicant: 南昌航空大学
IPC: H04B17/318 , H04B17/336 , H04B17/391 , H04W24/08 , H04W84/18
CPC classification number: H04B17/318 , H04B17/336 , H04B17/391 , H04W24/08 , H04W84/18
Abstract: 本发明公开了一种采用多属性群决策理论评价链路质量评估模型的方法。以包接收率作为评估模型的稳定性标准，信噪比作为评估模型的敏捷性标准，构建链路质量评估模型的评价指标体系。在不同的链路状态下，分别对评估模型进行评价，计算每个链路状态对评估模型性能的影响程度。评估每个评价指标对链路质量评估模型性能的影响程度，计算各个指标的权重大小。将链路质量评估模型的优选问题转化为多属性群决策问题，采用正负理想解法融合多个评价指标，并对链路质量评估模型的性能量化和优选。本发明建立了链路质量评估模型的评价指标体系，采用多属性群决策理论对链路质量评估模型的性能进行量化，并依据量化结果对评估模型排序优选。
-
公开(公告)号：CN101827388A
公开(公告)日：2010-09-08
申请号：CN201010119819.1
申请日：2010-03-08
Applicant: 南昌航空大学
CPC classification number: Y02D70/00
Abstract: 一种事件驱动型无线传感器网络能量监测方法，其特征是方法为：在没有事件发生的情况下，簇成员节点周期性获取自身剩余能量；当簇成员节点监测到的剩余能量与上一次变化较大则发送给簇头节点；簇头节点对簇内节点的剩余能量进行融合；当簇头对簇内节点融合的值与上一次变化较大则往sink节点汇报；在传输的路径中，若节点收到两个或两个以上簇头的消息则进行融合；在事件发生的情况下，停止周期性汇报，保证事件消息的传输；待事件结束后立即对整网进行一次能量监视并重新开始周期性监测。本发明的优点是：降低了在事件驱动型无线传感器网络能量监测时消息包的数量，有效地降低了能耗，可以延长网络的使用寿命。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.027 seconds)
