-
公开(公告)号：CN107563407B
公开(公告)日：2020-08-14
申请号：CN201710645116.4
申请日：2017-08-01
Applicant: 同济大学
Inventor： 黄震华
IPC: G06K9/62
Abstract: 本发明涉及一种面向网络空间多模态大数据的特征表示学习系统，主要包括七个部件：一个多模态样本生成部件、三个同质的特征抽取部件、一个数据分类部件、一个特征度量部件以及一个多任务损失函数集成部件。多模态样本生成部件构造具有四分量的训练样本集合；三个同质的特征抽取部件分别负责处理训练样本的前三个分量数据，并产生三个一维的特征向量；数据分类部件对训练样本前三个分量数据进行分类学习，并基于第四分量数据构造分类任务损失函数；特征度量部件对训练样本前三个分量数据进行特征度量学习，并构造度量任务损失函数；而多任务损失函数集成部件实现不同任务的加权合成，并优化系统参数。与现有方法相比，本发明具有模态多样、准确度高、泛化能力强、实施便捷等优点，能够有效应用于舆情监控、互联网医疗、个性化推荐以及智能问答等领域。
-
公开(公告)号：CN107544805B
公开(公告)日：2020-08-14
申请号：CN201710784019.3
申请日：2017-09-04
Applicant: 同济大学
Abstract: 目前的Android手机游戏在设计和开发方法上存在整体开发效率较低，可扩展性和可移植性较差等问题。针对以上问题，本发明的“基于Android系统可复用框架的手机游戏系统架构”，研究和设计了一套可复用的Android游戏开发框架，设计应用系统，分别从性能和效率角度进行了验证。通过采用可复用框架，Android游戏的系统架构从三层架构精简为两层，并且游戏开发者只需处理游戏具体实现模块这一层的内容，这样更加有利于游戏的整体开发进程把握，降低了游戏的开发难度，节约了游戏的开发时间，也使游戏的开发质量更加有保证。
-
公开(公告)号：CN106909643B
公开(公告)日：2020-08-14
申请号：CN201710089527.X
申请日：2017-02-20
Applicant: 同济大学
Abstract: 本发明涉及一种基于知识图谱的社交媒体大数据主题发现方法，通过知识图谱概率化处理、社交媒体大数据语义相似度计算、主题的模糊密度聚类以及弱信息量主题过滤4个步骤来实现社交媒体大数据的主题发现。知识图谱概率化处理步骤完成知识图谱中三元组事实的置信度评估及其为真概率值的生成，社交媒体大数据语义相似度计算步骤实现每对文档的语义映射图构造以及基于近似图匹配策略评估文档间的语义相似度，主题的模糊密度聚类步骤获取社交媒体大数据的不同主题并自动确定主题的数量，而弱信息量主题过滤步骤删除语义强度不足的主题并将最优的主题列表返回给用户。与现有技术相比，本发明具有扩展性程度高、自适应能力强以及准确性高等优点，能够有效应用于社会公共安全、民众医疗健康、互联网深度信息服务和电子商务等领域。
-
公开(公告)号：CN106776729B
公开(公告)日：2020-08-14
申请号：CN201611025159.4
申请日：2016-11-18
Applicant: 同济大学
IPC: G06F16/28 , G06F16/2458
Abstract: 本发明涉及一种大规模知识图谱路径查询预测器的构造方法，包括以下3个模块：1)路径查询置信度建模；2)路径查询训练样本集生成；3)路径查询预测器构建。路径查询置信度建模模块实现对大规模知识图谱中路径查询的表示、编码以及置信度表示；路径查询训练样本集生成模块针对不同路径长度，产生正训练样本集及其负训练样本集；而路径查询预测器构建模块基于模块1)和2)实现预测目标函数的构建和随机优化。与现有技术相比，本发明具有显著提高路径查询预测的准确度、降低级联误差以及增强泛化能力等优点。
-
公开(公告)号：CN107145518B
公开(公告)日：2020-04-14
申请号：CN201710227915.X
申请日：2017-04-10
Applicant: 同济大学
IPC: G06F16/9535 , G06Q50/00
Abstract: 本发明公开一种社交网络下基于深度学习的个性化推荐系统，主要包括离线学习模块和在线推荐模块。离线学习模块首先生成训练样本集合，进而构造带注意力机制的深度卷积神经网络学习模型，并对学习模型中的参数进行迭代优化；在线推荐模块基于训练得到的学习模型对新注册的用户进行实时物品推荐。与现有技术相比，本发明具有准确度高、速度快和简单易实现等优点，能够有效应用于电子商务、舆情监控、智能交通以及医疗健康等领域。
-
Patent Agency Ranking
公开(公告)号：CN104966125B
公开(公告)日：2018-07-24
申请号：CN201510228294.8
申请日：2015-05-06
Applicant: 同济大学
IPC: G06F17/00
Abstract: 本发明涉及一种社交网络的物品评分及推荐方法，包括以下步骤：1)根据用户组U对已评分的物品组I的评分值建立用户‑物品评分二部图，计算用户组U中两用户间的相似度，并预测用户组U中的目标用户u对待评分物品j的评分，并得到预测用户‑物品评分二部图；2)根据用户组U的社交网络建立用户‑用户好友关系不可分图，并根据预测用户‑物品评分二部图和用户‑用户好友关系不可分图计算得到用户‑物品评分矩阵R和用户‑用户好友关系矩阵A。3)选定一个权值a，通过同一化A和R来建立物品推荐融合矩阵X；4)根据物品推荐融合矩阵X，向用户组U中的目标用户u推荐物品。与现有技术相比，本发明具有方法先进、可行性高等优点。
-
公开(公告)号：CN107590175A
公开(公告)日：2018-01-16
申请号：CN201710637019.0
申请日：2017-07-31
Applicant: 同济大学
Abstract: 本发明涉及一种基于深度学习的出租车乘客推荐方法，首先对海量的GPS轨迹数据进行预处理，获取出租车上客点热区，然后采用深度学习技术从数据中学习并获取出租车司机的寻客模式，从而根据出租车当前的驾驶策略推荐相应的潜在载客点。与现有方法相比，本发明具有显著提高出租车载客点推荐准确度以及降低出租车空驶率等优点，能够有效应用于智能交通、广告投放、个性化推荐以及信息服务等领域。
-
公开(公告)号：CN107145517A
公开(公告)日：2017-09-08
申请号：CN201710227761.4
申请日：2017-04-10
Applicant: 同济大学
Abstract: 本发明公开一种微博群组间具有全局最小代价的信息传播路径生成方法，主要包括路径代价建模、初始路径生成和路径深度优化3个步骤。其中，步骤1实现群组间信息传播路径的形式化表示及其时间代价模型构建，步骤2生成群组间具有局部最小代价的信息传播路径，而步骤3通过交叉和变异两个操作算子的迭代优化，来最终产生并输出具有全局最小代价的信息传播路径。与现有技术相比，本发明具有准确度高、速度快、可扩展性强和简单易实现等优点，能够有效应用于舆情监控、数据可视化、电子商务、智能交通以及医疗健康等领域。
-
公开(公告)号：CN104778213A
公开(公告)日：2015-07-15
申请号：CN201510121263.2
申请日：2015-03-19
Applicant: 同济大学
Abstract: 本发明涉及一种基于随机游走的社交网络推荐方法，包括以下步骤：1)在社交网络中选定一个源用户u和待预测物品i，设定游走步数k的最大值为6；2)在社交网络中以源用户u为起点开始进行随机游走，到达用户uk时，判断用户uk是否对待预测物品i有评分；3)根据用户uk的所有已评分物品的集合和步数k计算此次停止游走的概率4)选择一个代替物品j，记录用户uk对代替物品j的评分为5)在社交网络中与uk直接相连的用户集合中选择下一步随机游走的节点用户uk+1；6)根据记录下来的评分，预测源用户u对待预测物品i的评分ru,i，并将待预测物品i推荐给源用户u。与现有技术相比，本发明具有准确率高、覆盖率广、方法先进等优点。
-
公开(公告)号：CN104156450A
公开(公告)日：2014-11-19
申请号：CN201410403849.3
申请日：2014-08-15
Applicant: 同济大学
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明涉及一种基于用户网络数据的物品信息推荐方法，其特征在于，包括以下步骤：1)通过用户的网络数据获取用户的物品需求信息，建立用户需求特征库；2)根据物品网络数据建立物品信息特征库；3)采用文本和语义相似度算法将用户需求特征和物品信息特征进行匹配，计算物品信息与用户需求之间的相似度并排序、过滤，最后产生推荐结果；4)将生成的推荐结果反馈回用户需求特征库和物品信息特征库并且训练更新。与现有技术相比，本发明具有信息全面、适应性广等优点。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.023 seconds)
