-
公开(公告)号：CN107506414B
公开(公告)日：2020-01-07
申请号：CN201710687197.4
申请日：2017-08-11
Applicant: 武汉大学
IPC: G06F16/9535 , G06F16/9536
Abstract: 本发明涉及一种基于长短期记忆网络的代码推荐方法，针对现有代码推荐技术普遍存在推荐准确率低、推荐效率低等问题，本发明先将源代码提取成API序列，利用长短期记忆网络构建一个代码推荐模型，学习API调用之间的关系，然后进行代码推荐。并使用了dropout技术防止模型过拟合。同时提出运用ReLu函数代替传统饱和函数，解决梯度消失问题加快模型收敛速度，提高模型性能，充分发挥神经网络的优势。本发明的技术方案具有简单、快速的特点，能够较好地提高代码推荐的准确率和推荐效率。
-
Patent Agency Ranking
公开(公告)号：CN107506414A
公开(公告)日：2017-12-22
申请号：CN201710687197.4
申请日：2017-08-11
Applicant: 武汉大学
IPC: G06F17/30
Abstract: 本发明涉及一种基于长短期记忆网络的代码推荐方法，针对现有代码推荐技术普遍存在推荐准确率低、推荐效率低等问题，本发明先将源代码提取成API序列，利用长短期记忆网络构建一个代码推荐模型，学习API调用之间的关系，然后进行代码推荐。并使用了dropout技术防止模型过拟合。同时提出运用ReLu函数代替传统饱和函数，解决梯度消失问题加快模型收敛速度，提高模型性能，充分发挥神经网络的优势。本发明的技术方案具有简单、快速的特点，能够较好地提高代码推荐的准确率和推荐效率。
-
公开(公告)号：CN106709037A
公开(公告)日：2017-05-24
申请号：CN201611248620.2
申请日：2016-12-29
Applicant: 武汉大学
IPC: G06F17/30
Abstract: 一种基于异构信息网络的电影推荐方法，包括链接建模，以用户、电影、电影类型三种类型的对象为结点构建用户‑电影异构网络，以电影类型结点为中心，对异构网络进行社团划分，筛选出符合要求的社团，提高其运算速度和效率，利用异构网络中的元路径，计算目标用户与社团中的每个用户之间的影响力，计算目标用户与电影类型的喜爱程度，特征建模，分析目标用户的每一个特征被划分到每种电影类型的概率，综合计算目标用户对每个电影类型的喜爱程度，对链接建模和特征建模的结果进行加权求和，分析目标用户对每一种电影类型的喜爱程度，按照目标用户对每一种电影类型的喜爱程度，选择电影类型，推荐评分高的电影。
-
公开(公告)号：CN107025169B
公开(公告)日：2020-08-21
申请号：CN201710048225.8
申请日：2017-01-20
Applicant: 武汉大学
IPC: G06F11/36
Abstract: 本发明涉及一种基于贝叶斯网络推理的软件错误分层诊断方法，包括构建函数层，MIC理论的应用，提高统计依赖的准确度，改进并应用Laplace平滑策略，解决测试数据稀松性。进行测试预言，判断某测试用例对整个程序是否为失败测试用例。进行错误定位，计算函数的可疑度并排序，构建对应函数的语句层BNPDG，按可疑度排序对函数进行逐一检查，在函数的语句层BNPDG上进行测试预言，找到bug函数，在其语句层BNPDG上进行错误定位，得到函数中所有语句的可疑度排序。按照可疑度排序对语句进行逐一检查，直到找到bug语句。本发明减少了错误诊断的空间消耗和时间消耗。解决了RankCP等技术中计算的局部可疑度存在的问题。
-
公开(公告)号：CN106709037B
公开(公告)日：2019-11-08
申请号：CN201611248620.2
申请日：2016-12-29
Applicant: 武汉大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/2458
Abstract: 一种基于异构信息网络的电影推荐方法，包括链接建模，以用户、电影、电影类型三种类型的对象为结点构建用户‑电影异构网络，以电影类型结点为中心，对异构网络进行社团划分，筛选出符合要求的社团，提高其运算速度和效率，利用异构网络中的元路径，计算目标用户与社团中的每个用户之间的影响力，计算目标用户与电影类型的喜爱程度，特征建模，分析目标用户的每一个特征被划分到每种电影类型的概率，综合计算目标用户对每个电影类型的喜爱程度，对链接建模和特征建模的结果进行加权求和，分析目标用户对每一种电影类型的喜爱程度，按照目标用户对每一种电影类型的喜爱程度，选择电影类型，推荐评分高的电影。
-
公开(公告)号：CN107025169A
公开(公告)日：2017-08-08
申请号：CN201710048225.8
申请日：2017-01-20
Applicant: 武汉大学
IPC: G06F11/36
CPC classification number: G06F11/3688
Abstract: 本发明涉及一种基于贝叶斯网络推理的软件错误分层诊断方法，包括构建函数层，MIC理论的应用，提高统计依赖的准确度，改进并应用Laplace平滑策略，解决测试数据稀松性。进行测试预言，判断某测试用例对整个程序是否为失败测试用例。进行错误定位，计算函数的可疑度并排序，构建对应函数的语句层BNPDG，按可疑度排序对函数进行逐一检查，在函数的语句层BNPDG上进行测试预言，找到bug函数，在其语句层BNPDG上进行错误定位，得到函数中所有语句的可疑度排序。按照可疑度排序对语句进行逐一检查，直到找到bug语句。本发明减少了错误诊断的空间消耗和时间消耗。解决了RankCP等技术中计算的局部可疑度存在的问题。
-
-
-
-
-
Search Results
6
records
(took 0.053 seconds)
