公开(公告)号：CN112733018A

公开(公告)日：2021-04-30

申请号：CN202011636004.0

申请日：2020-12-31

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  李洪坤 ,  宋洪涛 ,  李丽洁 ,  张海涛

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于图神经网络GNN和多任务学习Multi‑task Learning的会话推荐方法，包括以下步骤：采集用户在电子商务网站的点击数据，建立用户会话数据集；根据用户会话数据，构建用户会话有向图；构建GNN‑MulitTask‑Learning神经网络模型，并训练输出用户会话表示；根据输出的用户会话表示输入打分函数计算所有候选项目的推荐概率，进行个性化推荐。本发明是针对会话推荐场景中，获取用户点击项项目之间关系，以及历史会话对当前会话的影响，并通过多任务学习增加隐性数据，使用户表示更具通用性和可迁移性，更准确预估用户对项目的偏爱，捕捉用户兴趣趋势，提高了用户对项目的点击率。

公开(公告)号：CN104052243A

公开(公告)日：2014-09-17

申请号：CN201410293358.8

申请日：2014-06-25

Applicant: 哈尔滨工程大学

Inventor： 程鹏 ,  王庚 ,  田思庆 ,  兰海 ,  黄曼磊 ,  张敬南 ,  宋首男 ,  李洪坤 ,  侯艳雪 ,  陶丽楠

IPC: H02K55/00

CPC classification number: Y02E40/62

Abstract: 本发明的目的在于提供一种无换向器的高温超导直流电机结构，包括电机机壳、鼠笼结构、永磁体、转子铁芯、转轴、液氮储备箱；鼠笼结构包括鼠笼条导体，鼠笼条导体与鼠笼条导体之间排列成圆柱形结构，两端分别安装第一集电端环和第二集电端环，鼠笼条导体、第一集电端环和第二集电端环均为中空结构，每个鼠笼条导体均与第一集电端环和第二集电端环相通，第一集电端环上设置液氮流出端，第二集电端环上设置液氮流入端；转轴通过轴承与电机机壳相配合，转子铁芯安装在转轴上，永磁体安装在转子铁芯外，鼠笼结构固定在电机机壳里，且圆柱形结构位于永磁体外部，液氮储备箱固定在电机机壳外。本发明可解决涡流损耗和磁滞损耗，提高电机效率。

公开(公告)号：CN112733018B

公开(公告)日：2022-12-06

申请号：CN202011636004.0

申请日：2020-12-31

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  李洪坤 ,  宋洪涛 ,  李丽洁 ,  张海涛

IPC: G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种基于图神经网络GNN和多任务学习的会话推荐方法，包括以下步骤：采集用户在电子商务网站的点击数据，建立用户会话数据集；根据用户会话数据，构建用户会话有向图；构建GNN‑MulitTask‑Learning神经网络模型，并训练输出用户会话表示；根据输出的用户会话表示输入打分函数计算所有候选项目的推荐概率，进行个性化推荐。本发明是针对会话推荐场景中，获取用户点击项项目之间关系，以及历史会话对当前会话的影响，并通过多任务学习增加隐性数据，使用户表示更具通用性和可迁移性，更准确预估用户对项目的偏爱，捕捉用户兴趣趋势，提高了用户对项目的点击率。

公开(公告)号：CN111814956B

公开(公告)日：2022-04-08

申请号：CN202010581735.3

申请日：2020-06-23

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  门瑞 ,  陈睿 ,  宋洪涛 ,  张可佳 ,  李洪坤 ,  张育怀 ,  李一豪 ,  肖世桐 ,  李佳航

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G01N33/00

Abstract: 本发明提出一种基于多维度二次特征提取的多任务学习的空气质量预测方法，所述方法包括获取数据、数据预处理、选取污染物、建立多维度二次特征提取的卷积神经网络模型和长短期记忆网络模型、建立多维度二次特征提取的多任务学习模型和验证步骤。本发明针对传统时空数据建模时仅考虑时间内部相关性和空间内部相关性，未考虑到时空之间的相关性的问题。本发明从空间、时间和时空三个角度考虑与污染物值相关的影响信息，通过多任务学习对多个时间、空间任务间的相互影响的学习来降低预测偏差，使得时间、空间模型的预测精度更准确。

公开(公告)号：CN111814956A

公开(公告)日：2020-10-23

申请号：CN202010581735.3

申请日：2020-06-23

Applicant: 哈尔滨工程大学

Inventor： 韩启龙 ,  门瑞 ,  陈睿 ,  宋洪涛 ,  张可佳 ,  李洪坤 ,  张育怀 ,  李一豪 ,  肖世桐 ,  李佳航

IPC: G06N3/04 ,  G06N3/08 ,  G06Q10/04 ,  G06Q50/26 ,  G01N33/00

Abstract: 本发明提出一种基于多维度二次特征提取的多任务学习的空气质量预测方法，所述方法包括获取数据、数据预处理、选取污染物、建立多维度二次特征提取的卷积神经网络模型和长短期记忆网络模型、建立多维度二次特征提取的多任务学习模型和验证步骤。本发明针对传统时空数据建模时仅考虑时间内部相关性和空间内部相关性，未考虑到时空之间的相关性的问题。本发明从空间、时间和时空三个角度考虑与污染物值相关的影响信息，通过多任务学习对多个时间、空间任务间的相互影响的学习来降低预测偏差，使得时间、空间模型的预测精度更准确。