-
公开(公告)号：CN117668354A
公开(公告)日：2024-03-08
申请号：CN202311492668.8
申请日：2023-11-10
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F16/9535 , G06F16/9536 , G06N20/00 , G06F17/16 , G06N3/0464 , G06N3/084 , G06N3/04
Abstract: 本发明公开了一种可学习增强的图对比推荐方法，包括如下步骤：步骤一，对原始交互矩阵进行表示学习以进行原始交互图学习，这使模型能够保留原始信息，以保留有价值的上下文关系；步骤二，构建若干个视图生成器来获得可学习的矩阵以进行可学习视图的表示学习；步骤三，引入基于SVD的潜在矩阵来探索潜在的用户‑物品关系以进行潜在用户‑物品关系建模；步骤四，采用三视图对比策略来帮助学习主要推荐任务以进行三重视图对比学习。本发明的可学习增强的图对比推荐方法，通过结合图对比学习和可学习增强，便可将生成的可学习视图被很好地细化为无噪声。
-
公开(公告)号：CN117829165A
公开(公告)日：2024-04-05
申请号：CN202311646344.5
申请日：2023-12-04
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F40/35 , G06F40/211 , G06N3/0455 , G06N3/08
Abstract: 本发明公开了一种基于大语言模型的超采样文本生成方法，包括：(1)将输入文本切分出基本文本单元；(2)基于大语言模型对文本进行特征嵌入，识别相邻基本文本单元之间的语义跃迁，构建由前段、中段、后段组成的文本三元组；(3)每个文本三元组初始化段落嵌入和位置嵌入，和文本嵌入相加得到综合嵌入；(4)将综合嵌入送入超采样模型，捕捉中间被省略的语义信息，得到特征向量；(5)使用多头注意力将特征向量和实际前后段文本的综合嵌入进行信息融合，并与前段文本综合嵌入拼接；(6)将拼接向量送入解码生成器模型，根据前段文本信息和超采样模型对中间语义的补充，生成后续内容。本发明可以提高模型的泛化能力，提升文本生成效果。
-
公开(公告)号：CN118113731A
公开(公告)日：2024-05-31
申请号：CN202311486619.3
申请日：2023-11-09
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F16/2452 , G06F16/242 , G06F16/2453 , G06F16/901 , G06N3/045
Abstract: 本发明公开了一种基于注意力机制的自然文本转图数据库查询语言的方法，包括如下步骤：步骤一，构建CQL查询模板，获取自然文本问题、图数据库模式；步骤二，进行嵌入表示；步骤三，预测MATCH子句；步骤四，预测WHERE子句；步骤五，预测RETURN子句；步骤六，进行反向传播，更新网络参数，完成语言转换。本发明的基于注意力机制的自然文本转图数据库查询语言的方法，通过步骤一至步骤六的设置，所生成的CQL查询语句比现有的方法更加准确和规范。
-
公开(公告)号：CN117950794A
公开(公告)日：2024-04-30
申请号：CN202311491000.1
申请日：2023-11-10
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F9/455
Abstract: 本发明公开了一种基于Kubernetes的服务编排系统，包括可视化编排组件，该可视化编排组件用于与用户进行人机交互，以供用户通过前端的图形化流程配置服务编排过程及其服务的相关的信息；控制面板组件，该控制面板组件与可视化编排组件通信连接，以接收可视化编排组件配置好的信息，并将信息进行解析，转换为crd的配置信息；编排引擎组件，该编排引擎组件与控制面板组件通信连接，以接收控制面板传入的配置信息，编排引擎会根据信息进行拓扑排序，并对每个节点启动一个go routine来负责完成服务编排，并将服务编排结果直接传递至用户；其中，控制面板组件的crd是指k8s里的operator。本发明的基于Kubernetes的服务编排系统，基于Kubernetes的服务编排系统。
-
公开(公告)号：CN117909577A
公开(公告)日：2024-04-19
申请号：CN202311858903.9
申请日：2023-12-30
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC: G06F16/9535 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种多行为感知的图对比推荐方法，包括：(1)原始视图上的表示学习；(2)无噪视图上的表示学习；(3)多行为感知建模，包含潜在行为建模、E步的行为表示学习和M步的行为对比学习；(4)多任务学习。本发明很好地建模了用户的多种行为，从而更加有效地捕捉了用户/物品之间的交互关系，使得表示得到进一步提升；同时，解决了对比学习中的噪声问题，使得本发明推荐方法学习到的表示更加有效。
-
Patent Agency Ranking
公开(公告)号：CN119250923A
公开(公告)日：2025-01-03
申请号：CN202411239786.2
申请日：2024-09-05
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06Q30/0601 , G06F18/21 , G06F18/2132 , G06N3/048
Abstract: 本发明公开了一种基于激活函数的推荐系统物品侧个体公平性优化方法，该方法可以基于基推荐模型给出的推荐策略，进行物品侧个体公平性优化，具体包括基于激活函数的IED可微渐进以及基于随机采样的优化，物品侧个体公平性优化项可以作为基模型的正则化损失，进行最终推荐策略的公平性的优化。本发明提供得一种基于激活函数的推荐系统物品个体侧公平性优化方法，使得推荐系统的物品侧个体公平性可被优化，以缓解马太效应。
-
公开(公告)号：CN118395009A
公开(公告)日：2024-07-26
申请号：CN202410556321.3
申请日：2024-05-07
Applicant: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06F16/9535 , G06F18/10 , G06F18/25 , G06N3/0455 , G06N3/045 , G06N3/042 , G06V10/74 , G06F18/22 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于互信息与改进图自编码器的多模态推荐方法，包括：(1)构造物品‑物品共现图和物品前k相似度图，并将这两种物品图归一化；(2)通过改进的图自编码器学习有效的物品模态特征；(3)通过聚合用户所交互物品的模态表示来获得对应的用户模态特征；然后，使用L层GNN在交互图上传播和聚合用户/物品的模态特征；(4)采用两个层次的互信息约束；(5)采用内积来预测用户和物品之间的交互概率，作为推荐的依据；然后，采用多任务训练方法来训练模型；(6)利用训练好的模型进行推荐的应用。利用本发明，可有效解决多模态推荐任务中的模态噪声问题、特征冗余问题、表示对齐问题，从而大幅度提升多模态推荐系统的性能。
-
公开(公告)号：CN118364234A
公开(公告)日：2024-07-19
申请号：CN202410555817.9
申请日：2024-05-07
IPC: G06F18/15 , G06F18/241 , G06N3/0464 , G06N3/08 , G06N3/0895
Abstract: 本发明公开了一种多视角缺失数据补全方法及装置、电子设备、存储设备，包括：获取多视角缺失数据样本、标签样本及掩码样本，构建视角块信息矩阵、标签矩阵和缺失掩码矩阵；根据视角块缺失掩码矩阵对信息矩阵进行实例归一化；构建基于生成对抗网络的多视角缺失数据补全模型；将视角块信息矩阵、标签矩阵和缺失掩码矩阵进行拼接，从拼接后的数据中随机采样，得到两个不同批次的多视角缺失数据拼接样本，再输入多视角缺失数据补全模型，通过重构掩蔽信息矩阵的方式进行训练，得到训练后的多视角缺失数据补全模型；将多视角缺失数据拼接样本输入优化后的多视角缺失数据补全模型进行补全，得到补全结果后进行反归一化，得到最终补全结果。
-
公开(公告)号：CN116628328A
公开(公告)日：2023-08-22
申请号：CN202310572045.5
申请日：2023-05-18
Applicant: 浙江大学 , 浙江大学滨江研究院 , 杭州熔合智造科技有限公司
IPC: G06F16/9535 , G06F40/284 , G06F40/30 , G06F18/213 , G06F18/25 , G06F16/901 , G06N3/042 , G06N3/0464
Abstract: 本发明提供了一种基于功能语义和结构交互的WebAPI推荐方法，属于Web环境中WebAPI推荐技术领域。它解决了现有Mashup服务需求描述过短等问题。本基于功能语义和结构交互的WebAPI推荐方法，步骤S1：采集现有Mashup应用及其相关的API服务中的描述数据，并提取获取Mashup应用文本描述信息及API服务文本描述信息；步骤S2：针对Mashup应用及API服务的文本描述信息进行预处理；步骤S3：针对Mashup应用中使用的API服务之间的协作关系，构建Mashup‑API二部图；步骤S4：构建功能性语义组件，提取文本描述信息中的功能性语义特征；步骤S5：构建结构性交互组件，提取稀疏交互中的潜在隐性相关性；步骤S6：融合多模型训练，集成不同类型的特征描述。本发明具有降低了数据稀疏性对推荐结果的影响等优点。
-
公开(公告)号：CN119761320A
公开(公告)日：2025-04-04
申请号：CN202510253217.1
申请日：2025-03-05
Applicant: 浙江大学
IPC: G06F40/177 , G06F16/35 , G06F16/338
Abstract: 本发明公开了一种错误表格数据可解释修复方法及装置、电子设备，包括：获取错误表格数据信息矩阵、表格数据错误掩码矩阵和错误表格数据语义嵌入矩阵；根据以上三个矩阵，检索与每个错误数据关联度最强的若干元组；在错误表格数据信息矩阵中，采样若干代表性错误元组进行修复；根据代表性错误数据的修复和检索结果，使用大语言模型生成每个代表性错误数据的修复思维链；根据所述代表性错误数据的修复思维链，使用大语言模型为每种修复规则生成多个规则实例；应用所有规则实例，为每个错误数据生成多个修复候选结果，投票选出每个错误数据选出最终结果；对于未被规则修复的错误数据，根据其检索结果，使用大语言模型获取修复结果以及修复思维链。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.087 seconds)
