-
公开(公告)号：CN111667339B
公开(公告)日：2022-05-27
申请号：CN202010457761.5
申请日：2020-05-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于改进递归神经网络的诽谤性恶意用户检测方法，包括以下步骤：步骤S1，搭建层次化双注意力递归神经网络HDAN模型；步骤S2，联合过滤；步骤S3，改进的非负矩阵分解推荐系统。本发明通过诽谤性恶意用户检测推荐系统框架SDRS，结合HDAN模型，可以为推荐系统在真实世界中的表现带来极大的提升，从这些用户的交互行为方式出发，将这类用户的特点抽象为评论与评级之间存在语义鸿沟，再利用HDAN来对评论中的语义进行情感分析，结合联合过滤的策略，可以检测并过滤掉此类恶意用户，为推荐系统带来了一个更为优质和纯净的输入，使得推荐系统的性能得以提升。
-
公开(公告)号：CN108354790B
公开(公告)日：2020-02-28
申请号：CN201810048914.3
申请日：2018-01-18
Applicant: 吉林大学
IPC: A61H3/04
Abstract: 本发明涉及一种提高安全性的智能陪护机器人，包括主体、设置在主体底部的移动轮和设置在主体一侧的扶手，还包括休息机构和调节机构，休息机构包括支撑组件和休息组件，调节机构包括电机、丝杆、滑块、滑动杆和调节杆，该提高安全性的智能陪护机器人，当老人在走动的过程中，若遇到身体突然不适的情况时，休息机构启动，使得机器人在保持稳固不动的同时，伸出一个坐板，让老人能够坐在坐板上临时休息，减少老人发生跌倒等安全事故的概率，提高了机器人的安全性和实用性；另外，通过调节机构可调节扶手的高度，使得扶手可适应不同身高的老人，给老人的使用带来便利，从而增强了机器人使用的舒适性和实用性。
-
公开(公告)号：CN111667339A
公开(公告)日：2020-09-15
申请号：CN202010457761.5
申请日：2020-05-26
Applicant: 吉林大学
Abstract: 本发明公开了一种基于改进递归神经网络的诽谤性恶意用户检测方法，包括以下步骤：步骤S1，搭建层次化双注意力递归神经网络HDAN模型；步骤S2，联合过滤；步骤S3，改进的非负矩阵分解推荐系统。本发明通过诽谤性恶意用户检测推荐系统框架SDRS，结合HDAN模型，可以为推荐系统在真实世界中的表现带来极大的提升，从这些用户的交互行为方式出发，将这类用户的特点抽象为评论与评级之间存在语义鸿沟，再利用HDAN来对评论中的语义进行情感分析，结合联合过滤的策略，可以检测并过滤掉此类恶意用户，为推荐系统带来了一个更为优质和纯净的输入，使得推荐系统的性能得以提升。
-
公开(公告)号：CN108478422B
公开(公告)日：2020-03-03
申请号：CN201810686224.0
申请日：2018-06-28
Applicant: 吉林大学
IPC: A61H39/06
Abstract: 本发明公开了一种艾灸床，包括有床体、艾灸仓；艾灸仓成型有艾灸插槽；艾灸插槽可拆卸连接有密封盖或艾灸单元；艾灸单元包括主管体；主管体套设有外套管；主管体安装有弹性伸缩套；主管体下方成型有环形通气槽；第二凸安装有艾条卡圈；主管体成型有环形负压槽；环形负压槽成型有吸烟孔；连接管成型有倾斜设置的网孔板；艾灸插槽内成型有吸烟口、负压口；艾灸仓内成型有吸烟通道与交错连通的负压通道a、负压通道b；艾灸仓外壁成型有排烟接头与负压接头；排烟接头a、排烟接头b与负压接头分别与负压源连通。本发明采用了传统燃烧艾条的办法进行艾灸，效果比电艾灸好很多，艾条燃烧产生的烟雾与灰烬会排出室外，不会让使用者被烟雾呛到。
-
公开(公告)号：CN119415780B
公开(公告)日：2025-04-22
申请号：CN202510033253.7
申请日：2025-01-09
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法，步骤如下：提取项目中模态的文本特征、图片特征以及嵌入，并提取用户在模态上的交互序列的时间间隔表征，将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征，建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数，根据总体偏好分数进行推荐，本发明通过引入时间间隔编码方法和灵活的两阶段融合策略，不仅为多模态推荐系统提供了更为丰富的用户偏好表示，还在很大程度上提高了推荐性能。
-
Patent Agency Ranking
公开(公告)号：CN119441628A
公开(公告)日：2025-02-14
申请号：CN202510037762.7
申请日：2025-01-10
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/24
Abstract: 本发明公开了因果不变性和无偏推荐技术领域的一种基于辅助信息学习不变和环境偏好的无偏推荐方法，步骤如下：根据因果关系图得到用户和项目交互的数据、把数据里的辅助信息输入到环境分类器里，通过辅助信息作为指导对输入的辅助信息进行环境划分、基于环境划分分别学习不变偏好和环境特定偏好以捕捉用户的不变偏好和环境特定偏好以及基于学习到的用户的不变偏好和用户所属环境的环境特定偏好输出最终的预测结果，本发明通过辅助信息作为指导来获得更可靠的环境划分，克服了以往学习不变偏好时环境划分的不准确性，并且在此基础上加入了环境特定偏好，把环境中用户偏好的动态变化考虑在内，提高了无偏推荐的准确性以及环境偏好的动态性。
-
公开(公告)号：CN119415780A
公开(公告)日：2025-02-11
申请号：CN202510033253.7
申请日：2025-01-09
Applicant: 吉林大学
IPC: G06F16/9535 , G06F16/9537 , G06F18/213 , G06F18/25 , G06F123/02
Abstract: 本发明公开了推荐系统技术领域的一种时间间隔感知的多模态序列推荐方法，步骤如下：提取项目中模态的文本特征、图片特征以及嵌入，并提取用户在模态上的交互序列的时间间隔表征，将时间间隔表征加到模态表征上以得到时间间隔感知的模态表征，建立用户基于模态学习得到的用户表征以及将用户在每个模态上的偏好分数聚合在一起得到总体偏好分数，根据总体偏好分数进行推荐，本发明通过引入时间间隔编码方法和灵活的两阶段融合策略，不仅为多模态推荐系统提供了更为丰富的用户偏好表示，还在很大程度上提高了推荐性能。
-
公开(公告)号：CN119294613A
公开(公告)日：2025-01-10
申请号：CN202411813422.0
申请日：2024-12-11
Applicant: 吉林大学
Abstract: 本发明公开智慧城市和跨城市迁移技术领域的一种可解释的任务特定跨城市迁移学习方法，步骤如下：基于深度矩阵分解算法，动态提取源城市的CTS区域、利用城市POI和路网数据的辅助信息计算源城市与目标城市之间的相似性，选择出相似度最高的CTS区域、将选择出相似度最高的CTS区域的数据迁移至目标城市，并通过深度矩阵分解技术对目标城市的数据进行补全，本发明有效克服了现有跨城市知识迁移技术中的计算开销大，迁移效果低和可解释性差等问题，显著减少了计算复杂度，并提升了对目标任务的适应性和迁移的准确性。此外，能够清楚识别哪些区域对目标城市有利，并在数据稀缺的情况下，实现了高效的数据补全。
-
公开(公告)号：CN106730313A
公开(公告)日：2017-05-31
申请号：CN201710042461.9
申请日：2017-01-20
Applicant: 吉林大学
CPC classification number: A61M37/00 , A61H39/04 , A61H2201/0207 , A61H2201/10 , A61H2201/105 , A61M2037/0007 , A61N1/36 , A61N5/0625 , A61N7/00 , A61N2005/066
Abstract: 本发明公开了一种用于治疗儿科风湿病的可移动多功能理疗系统，包括：用于带动治疗儿科风湿病的可移动多功能理疗系统运动的移动单元；用于将中药导入风湿病病变位置的中药离子导入单元；用于为中药导入风湿病病变位置提供强度的超声波发生单元；用于显示中药离子导入的操作中时间‑部位‑处方‑强度‑温度信息的显示单元；用于提示避免错误操作的语音单元；生物电检测单元；治疗单元；远红外线热疗单元；控制单元。本发明提供的用于治疗儿科风湿病的可移动多功能理疗系统能够将外贴药物产生的药效更快地作用于风湿病患者的发病为止，以达到更佳的治疗效果。
-
公开(公告)号：CN119149834B
公开(公告)日：2025-01-14
申请号：CN202411658282.4
申请日：2024-11-20
Applicant: 吉林大学
IPC: G06F16/9537 , G06F16/9535 , G06Q50/00 , G06N3/0455 , G06N3/084
Abstract: 本发明公开城市推荐技术领域的基于用户历史签到序列的城市POI推荐与时间戳预测方法，具体步骤为：收集用户的历史签到数据，并按照时间顺序对每位用户的签到记录进行排序，形成用户签到序列，随后将数据实时传输至服务器并存储、对数据进行预处理，然后从预处理后的用户签到序列中提取出有效的POI序列和时间戳序列，将POI序列和时间戳序列输入到构建的TAPT模型中，利用TAPT模型中高效的编码器模块和嵌入连接层，将POI嵌入与时间戳嵌入进行融合，形成联合嵌入，最终，联合嵌入输入到POI推荐模型和时间戳预测器中，实现对POI及其对应时间戳的联合预测，克服了现有技术在用户行为建模和时间信息处理方面不足的问题。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.021 seconds)
