-
公开(公告)号：CN118069865A
公开(公告)日：2024-05-24
申请号：CN202410173159.7
申请日：2024-02-07
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06F16/36 , G06F16/335 , G06F16/35
Abstract: 本发明提供一种基于大语言模型的专业推荐知识图谱构建方法及查询系统，属于知识图谱推荐领域。本发明通过在大语言模型的输入中设置提示词，构建适用于完成专业推荐知识图谱构建任务的实体抽取模型，并借助实体抽取模型进行专业推荐知识图谱构建所需的各种实体抽取任务，最终将推荐范围内所有的专业、所有的职业、所有抽取出的性格品质实体、所有的性格测试结果作为图的节点，基于实体抽取结果在节点之间添加关系，并根据多级权重算法得到不同节点间的关联度。本发明以性格品质作为专业和性格测试结果之间的联结，构建得到用于进行专业推荐的知识图谱，可利用专业推荐知识图谱分析得到专业与相关性格品质的对应关系，为用户选择专业提供参考。
-
公开(公告)号：CN119579123A
公开(公告)日：2025-03-07
申请号：CN202411642154.0
申请日：2024-11-18
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06Q10/1053 , G06N3/006 , G06Q10/0639
Abstract: 本发明公开了一种基于大模型多智能体的无领导小组面试系统及方法，属于人工智能面试技术领域。该方法包括由企业人力资源经理和相应智能体完成面试题目生成；评分标准制定、角色描述和角色参考回答方案生成以及角色提示词生成；当面试者收到参会邀请并开始无领导小组面试流程后，依次进行准备阶段、独立陈述阶段、自由讨论阶段以及总结陈词阶段，生成最终的面试记录；企业人力资源经理将面试者名称、面试题目、最终的面试记录、评分标准发送至评分智能体，并审核和修订评分智能体输出的面试评分和评价，最终由后台管理终端将面试评分和评价自动发送至面试者，完成基于大模型多智能体的无领导小组面试。
-
公开(公告)号：CN118262139A
公开(公告)日：2024-06-28
申请号：CN202311773501.9
申请日：2023-12-21
Applicant: 杭州电子科技大学 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06V10/764 , G06V10/80 , G06V10/82 , G06V10/44 , G06N3/0442 , G06N3/0455
Abstract: 本发明公开了一种基于双源注意力动态神经网络的短临降雨预报方法及系统。方法主要包括如下步骤：对雷达灰度图像和降雨量灰度图像进行预处理，划分出训练样本集和验证样本集；构建并训练双源注意力动态神经网络，对雷达样本和降雨量样本根据时序进行划分，雷达数据和降雨量数据依次通过编码器进行编码，再通过解码器进行解码，通过多层神经网络前向传播，并利用反向传播来更新双源注意力动态神经网络中的权重，多次训练得到最佳的神经网络模型；利用训练好的双源注意力动态神经网络以及处理好的历史雷达和降雨量数据进行预测，得到未来时刻的降雨量图像序列。本发明能够对未来降雨量进行有效的预测，为短临降雨预报提供了更有效的技术支持。
-
公开(公告)号：CN114021575A
公开(公告)日：2022-02-08
申请号：CN202111223636.9
申请日：2021-10-20
Applicant: 杭州电子科技大学
IPC: G06F40/30 , G06F16/35 , G06F40/211 , G06F40/216 , G06K9/62
Abstract: 本发明公开了一种基于语义匹配和密度聚类的中文隐喻释义方法，包括步骤：对于一个隐喻句，我们首先确定源域和目标域；针对目标域和源域构建候选词集合；将候选词集合中的候选词、目标域和源域获取词向量表示，然后分别计算候选词与目标域与源域的语义相似度，并分别计算候选词与目标域和源域互信息，再统计候选词在已有语料库中出现的频率；最后利用候选词的语义相似度、互信息和频率信息获取最终匹配得分，采用DBSCAN聚类方法对候选词进行聚类，并按最终匹配得分进行排序，得到最佳释义词列表。本发明解决了目前专门的中文隐喻释义的数据比较匮乏的问题，能够利用无监督学习方法对中文文本中出现的隐喻进行合理的解释。
-
公开(公告)号：CN108681734A
公开(公告)日：2018-10-19
申请号：CN201810522449.2
申请日：2018-05-28
Applicant: 杭州电子科技大学
CPC classification number: G06K9/3233 , G06K9/40
Abstract: 本发明属于图像信息安全领域，涉及一种基于样本选择的图像相机来源鉴别方法。本发明结合主成分分析以及随机子空间提出的随机子空间法一定程度上减小了图像内容的影响。为了改善鉴别受图像细节影响的问题，实现了基于样本选择的图像来源鉴别方法。通过分析图像的纹理特征特性，利用灰度共生矩阵计算图像区域的复杂度，选取出图像中复杂度较小的区域，从而提取出较为可靠的模式噪声，提高鉴别准确率。与其它基于模式噪声的图像来源鉴别方法相比，样本选择法能够提取出更为纯净的模式噪声，进一步提高图像来源鉴别的准确率，为图像来源鉴别工作提供了一种新的解决方案。
-
Patent Agency Ranking
公开(公告)号：CN117851684A
公开(公告)日：2024-04-09
申请号：CN202410158528.5
申请日：2024-02-04
Applicant: 杭州电子科技大学
IPC: G06F16/9535 , G06F16/901
Abstract: 本发明公开一种基于知识图谱和增量学习的物品实时推荐方法及系统。本发明通过有针对性地处理和训练新增用户交互数据，实现对新增用户物品交互的实时推荐，并为与物品交互稀疏的用户提供高准确率的推荐。本发明充分利用知识图谱的信息，深度理解用户和物品特征，并在此基础上对与物品交互稀疏的用户进行初始化特征表示和微调；在处理新增用户物品交互时，无需训练整个数据集，从而显著降低了训练成本，并在保持高准确率的同时实现实时推荐。此外，对冷启动用户仅需少数几条与物品的交互数据即可提供高准确率的推荐，有效提升冷启动场景下的性能。
-
公开(公告)号：CN115545296A
公开(公告)日：2022-12-30
申请号：CN202211200467.1
申请日：2022-09-29
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于LIP‑TCN‑LSTM的城市积涝水位短期预测方法及系统。本发明方法主要包含三个部分：积涝数据的获取与预处理，TCN‑LSTM神经网络模型的构建与训练，以及实时预测。基于MAE，RMSE和R2三个评价指标和两个数据集，将本发明TCN‑LSTM模型与其他七种模型(TCN、LSTM、GRU CNN、BP、CNN+LSTM、RNN)进行横向对比，然后使用TCN‑LSTM进行预测和可视化分析，证明本发明所提的方法在不同评价指标下均有着很好的表现和较高的精确度。
-
公开(公告)号：CN113987171A
公开(公告)日：2022-01-28
申请号：CN202111222503.X
申请日：2021-10-20
Applicant: 绍兴达道生涯教育信息咨询有限公司 , 杭州电子科技大学
IPC: G06F16/35 , G06F16/951 , G06F40/205 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于预训练模型变种的新闻文本分类方法及系统，属于文本分类领域。本发明采用BERT和RNN复合模型对数据集中的特征进行有效提取，对于已经经过预训练的BERT模型，其广泛适用于下游任务的各个集合，不需要利用重复数据进行训练，同时基于self‑attention机制可以有效的可以不仅可以得到源端与目标端词与词之间的依赖关系，同时还可以有效获取源端或目标端自身词与词之间的依赖关系。在此基础上，引入了RNN模型，用于捕捉长距离文本依赖上信息丢失的问题，对结果进行特征融合，在新闻文本分类上取得了较为理想的效果。
-
公开(公告)号：CN105678349B
公开(公告)日：2018-12-07
申请号：CN201610005159.1
申请日：2016-01-04
Applicant: 杭州电子科技大学
IPC: G06K9/72
Abstract: 本发明涉及一种视觉词汇的上下文描述子生成方法。本发明包括离线学习、上下文描述子生成和上下文描述子相似性计算。离线学习用于视觉词汇词典的构建和视觉词汇的评价。上下文描述子生成步骤如下：1.局部特征点的提取和特征描述子的量化；2.上下文的选择；3.上下文中局部特征点的特征提取和上下文描述子的生成。上下文描述子相似性计算依据上下文描述子中局部特征点的方位、主方向和视觉词汇一致性来验证两个上下文描述子中的局部特征点是否匹配，并通过匹配的视觉词汇的反文档频率的和来评价两个上下文描述子的相似性。本发明构建的上下文描述子能够适应图像裁剪、旋转、尺度缩放等变换带来的影响，可用于基于视觉词汇的图像检索和分类等应用中。
-
公开(公告)号：CN104794219A
公开(公告)日：2015-07-22
申请号：CN201510208102.7
申请日：2015-04-28
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于地理位置信息的场景检索方法。本发明包括如下步骤：步骤1、在索引过程中对场景图像的地理信息和全局描述子进行索引，并构建空间4叉树索引结构；全局描述子的构建如下：1-1.提取场景图像的局部特征点，将场景图像表示成局部特征的集合；1-2.根据视觉词汇词典将局部特征点的描述子进行量化，得到对应的视觉词汇；1-3.将提取的视觉词汇集合投影到随机投影矩阵上得到场景图像的全局描述子。步骤2、在查询过程中通过层级验证方式确定相似图像集，并通过投票方式和相似图像的信息来获得待查询的场景图像的信息。本发明高效的过滤掉了大量的非相关图像。提高了视觉词汇空间验证的效率和图像匹配的准确率。
-
-
-
-
-
-
-
-
-
Search Results
29
records
(took 0.022 seconds)
