-
公开(公告)号：CN113190686B
公开(公告)日：2022-04-05
申请号：CN202110450657.8
申请日：2021-04-25
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
Abstract: 本发明公开了一种面向数控机床设备维护的知识图谱关系补全方法，特点是构建知识图谱和候选关系文本并获取训练三元组集；通过路径排序算法枚举出每个训练三元组对应的所有完整关系路径；构建知识图谱补全模型；从候选关系文本中选择任意一个查询关系，并将查询关系和对应的训练三元组的所有完整关系路径输入到知识图谱补全模型中，将大于或等于设定的补全阈值的概率分数对应的查询关系和实体对组成三元组并补全进知识图谱中；优点是利用了知识图谱的知识推理能力，通过已有故障解决方案推理出新故障的解决方案，将数据整合到一起，有效消除了数据孤岛的问题，对不完整的知识图谱进行补全，填补了数控机床设备维护领域的图谱补全方法的空白。
-
Patent Agency Ranking
公开(公告)号：CN113190686A
公开(公告)日：2021-07-30
申请号：CN202110450657.8
申请日：2021-04-25
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
Abstract: 本发明公开了一种面向数控机床设备维护的知识图谱关系补全方法，特点是构建知识图谱和候选关系文本并获取训练三元组集；通过路径排序算法枚举出每个训练三元组对应的所有完整关系路径；构建知识图谱补全模型；从候选关系文本中选择任意一个查询关系，并将查询关系和对应的训练三元组的所有完整关系路径输入到知识图谱补全模型中，将大于或等于设定的补全阈值的概率分数对应的查询关系和实体对组成三元组并补全进知识图谱中；优点是利用了知识图谱的知识推理能力，通过已有故障解决方案推理出新故障的解决方案，将数据整合到一起，有效消除了数据孤岛的问题，对不完整的知识图谱进行补全，填补了数控机床设备维护领域的图谱补全方法的空白。
-
公开(公告)号：CN112434757A
公开(公告)日：2021-03-02
申请号：CN202011478134.6
申请日：2020-12-15
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
Abstract: 本发明涉及一种基于用户偏好的商标自动生成方法及系统，涉及商标自动生成技术领域，该方法包括：将商标图片输入训练好的分类器，得到所述商标图片的潜在特征；根据所述潜在特征进行聚类，得到商标图片的分类结果；将所述分类结果和设定商标图片输入训练好的分类模型，得到分类向量；所述设定商标图片为符合用户偏好的图片；将所述分类向量输入训练好的商标生成模型，得到目标商标图片；将所述目标商标图片利用风格迁移算法进行调整，得到风格调整后的商标。本发明提供的方案及装置能够提高商标生成的灵活性。
-
公开(公告)号：CN117909458A
公开(公告)日：2024-04-19
申请号：CN202311690776.6
申请日：2023-12-11
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06F16/332 , G06F40/35 , G06F40/205 , G06F40/289
Abstract: 本发明公开了一种基于LLM模型的模具专业问答系统的构建方法，结合检索式问答和生成式问答的优点来构建模具专业问答系统，解决了检索式问答难以解决复杂问题的难题，并缓解了生成式问答偶发的模型幻觉问题，同时针对构建模具专业问答系统需要模具领域的高质量和高范围的标注数据，使用LoRA技术解决了模型要求的高硬件条件问题；本发明的方法采取知识库结合微调大语言模型的结构，在数据集方面，利用ChatGPT解决知识库需要模具领域的高质量和高范围数据，在模型构建方面，利用模具无结构数据和题目数据训练和微调了大语言模型问答系统上出现的无法理解和处理复杂问题，构建了模具专业问答模型。
-
公开(公告)号：CN117746096A
公开(公告)日：2024-03-22
申请号：CN202311520370.3
申请日：2023-11-15
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06V10/764 , G06V40/10 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/049 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种基于多模特征融合的在线学习专注度的评估方法，包括：获取带有专注度标签的目标视频，对目标视频进行采样得到目标帧图像，并逐个提取多模特征；将多模特征以不同权重进行融合，再通过卷积运算拼接形成时序特征矩阵，进行时间维度编码，通过多头自注意力模块生成视频的融合特征矩阵；通过线性层映射和激活函数得到预测概率向量；通过训练参数，得到训练后的专注度评估模型；将待评估视频输入到模型中，得到待评估目标视频的预测概率向量，选取最大的概率值对应的专注度标签作为评估结果；优点在于该方法可以很好地融合不同的视觉特征并实现时序对齐，有效提取学习者在线学习时的细粒度特征，评估方法的准确性和鲁棒性高。
-
公开(公告)号：CN104503973A
公开(公告)日：2015-04-08
申请号：CN201410648324.6
申请日：2014-11-14
Applicant: 浙江大学软件学院(宁波)管理中心(宁波软件教育中心)
IPC: G06F17/30
CPC classification number: G06F17/30867 , G06K9/6277
Abstract: 本发明公开了一种基于奇异值分解与分类器融合推荐的方法，通过对数据的预处理，计算项目的平均分和概率分布，通过随机梯度下降方法训练奇异值分解模型，对用户的已评分项目集合，通过熵值的计算方法计算用户在项目类别上的熵集合，并确定项目不确定性临界值，通过比较预测项目的不确定性和临界值决定是否使用分类器，并使用Top-N方法推荐出用户所有未评项目中评分最高的N个项目。本发明采用通过用户历史评分数据，对其进行剖析，最后产生个性化推荐；利用奇异值分解算法得到指定项目i的预测评分，并通过计算项目在每个用户上的信息熵决定是否进行分类，最终通过分类器得到项目的最后预测分，从而提高了推荐方法的准确性。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
