-
公开(公告)号：CN113516501A
公开(公告)日：2021-10-19
申请号：CN202110523619.0
申请日：2021-05-13
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明公开了一种基于图神经网络的用户通信行为预测方法和装置，包括：采集用户属性数据、用户行为数据、用户间通话数据，以及待预测行为数据，将用户属性数据和用户行为数据的编码信息作为节点属性，根据用户间通话数据构建节点之间连边信息，以形成用户通信社交图，待预测行为数据作为待预测行为标签；构建包含图神经网络和分类网络的用户通信行为模型，其中，图神经网络用于提取节点特征，分类网络用于基于节点特征进行用户通信行为预测，利用用户通信社交图和待预测行为标签优化用户通信行为模型参数；应用时，将待预测的用户通信社交图输入至参数优化后的用户通信行为模型，经计算得到用户通信行为预测结果。提升用户通信行为预测的准确性。
-
公开(公告)号：CN107133281A
公开(公告)日：2017-09-05
申请号：CN201710242819.2
申请日：2017-04-14
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及一种基于分组的全局多查询优化方法，具体实施如下：1)为输入系统的查询语句建立签名；2)根据签名对查询语句进行分组；3)通过对每一分组内的查询计划进行代价估算来进行计划选择；4)将每一分组选择的计划进行合并，最终得到多个全局计划。本发明通过建立查询签名，结合分组思想，确保在最短时间内得到较优全局计划，以此提高多查询优化效率。在大数据背景下的数据统计、数据挖掘、报表生成和联机查询等领域具有广阔的应用前景。
-
公开(公告)号：CN103793467B
公开(公告)日：2017-01-25
申请号：CN201310716665.8
申请日：2013-12-16
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及大数据实时查询技术领域，尤其涉及一种基于超图和动态规划的大数据实时查询优化方法，该方法通过采用基于最佳代价的连接顺序优化方法来提升查询效率，在大数据环境下满足用户的实时查询需求。本发明的有益效果在于：针对执行计划搜索空间过大的问题，构建满足左线性树的搜索策略，大大降低了搜索的空间，提升了基于超图和动态计划算法运行的效率；构建满足大数据环境的最佳代价模型，综合考虑了大数据环境下传输代价及哈希连接算法运行特性等因素，确保了优化方法生成的计划是最佳的。
-
公开(公告)号：CN102254034A
公开(公告)日：2011-11-23
申请号：CN201110226191.X
申请日：2011-08-08
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及OLAP推荐技术，特别涉及一种基于BIDE的OLAP查询日志挖掘及推荐方法，该方法将可能的下一步查询推荐给OLAP用户，简化用户浏览分析多维数据的过程。本发明的有益效果：抓住OLAP领域查询操作的特点，提取日志文件中表示OLAP操作的字段，将日志文件抽象成查询序列，简化了日志文件的表示方法；利用BIDE算法在查询序列中挖掘查询模式，在保证不降低推荐准确率的前提下，提高了后续推荐的效率；通过在查询模式上建立后缀树，使得后续模式匹配无需采用搜索算法查找查询匹配的起点，提高了模式匹配的速度；提出模糊查询模式匹配算法，提高了推荐的准确度。
-
公开(公告)号：CN107133281B
公开(公告)日：2020-12-15
申请号：CN201710242819.2
申请日：2017-04-14
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/2453 , G06F16/2452
Abstract: 本发明涉及一种基于分组的全局多查询优化方法，具体实施如下：1)为输入系统的查询语句建立签名；2)根据签名对查询语句进行分组；3)通过对每一分组内的查询计划进行代价估算来进行计划选择；4)将每一分组选择的计划进行合并，最终得到多个全局计划。本发明通过建立查询签名，结合分组思想，确保在最短时间内得到较优全局计划，以此提高多查询优化效率。在大数据背景下的数据统计、数据挖掘、报表生成和联机查询等领域具有广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN109063908B
公开(公告)日：2020-10-27
申请号：CN201810852241.7
申请日：2018-07-30
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于深度多任务学习的城市AQI预测与空间细粒度AQI等级估计方法，本发明对于AQI预测，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对有监测站区域的AQI进行预测。对于空间细粒度AQI等级估计，利用深度神经网络得到与之相关的多种城市大数据的表示，基于这些表示对无监测站区域的AQI等级进行估计。通过共享数据表示，对模型参数进行协同训练。本发明结合深度学习和多任务学习对有空气质量监测站的区域进行AQI预测，对无空气质量监测站的区域进行AQI等级估计，在普适计算、环保等领域具有广阔的应用前景。
-
公开(公告)号：CN109389245A
公开(公告)日：2019-02-26
申请号：CN201811038527.8
申请日：2018-09-06
Applicant: 浙江鸿程计算机系统有限公司 , 浙江省特种设备检验研究院
Abstract: 本发明涉及一种基于深度神经网络的多因素融合学区学龄人口预测方法，包括如下：1)对每个学区的户籍数据和公积金数据进行预处理；2)根据预处理后的数据计算各个学区的人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布，并构建总人口时序和学龄人口时序，进行相对归一化处理；利用CNN和LSTM网络提取总人口时序深度特征和学龄人口时序深度特征；3)将总人口时序深度特征、学龄人口时序深度特征、人口年龄分布、学龄人口迁入时长分布、学龄人口所在户迁入时长分布、公积金缴纳金额分布拼接后送入全连接层，计算学龄人口预测值。本发明对于合理规划教育投入和优化教育资源配置具有重要的现实意义。
-
公开(公告)号：CN105488522B
公开(公告)日：2018-09-07
申请号：CN201510824301.0
申请日：2015-11-23
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，该方法分为数据预处理、训练子视图满意度模型、对未标注数据分配伪标签、训练基于多视图和半监督学习的用户满意度模型和评估六个阶段，本发明通过半监督学习的方法使用少量标注数据和大量未标注数据来提高评估模型的性能，并引入多视图学习的思想来克服传统的基于单视图的半监督学习方法容易陷入局部最优的问题。有益效果在于：(1)可以在少量的标注数据的情况下，有效地评估搜索引擎的用户信息需求满意度；(2)可以通过使用少量标注数据和大量未标注数据来提高用户满意度模型评估性能；(3)分别从行为和时间的角度来描述用户的搜索过程，通过相互学习来避免模型陷入局部最优。
-
公开(公告)号：CN105469118B
公开(公告)日：2018-07-20
申请号：CN201510884354.1
申请日：2015-12-04
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06K9/62
Abstract: 本发明涉及基于核函数的融合主动学习和非参半监督聚类的稀有类别检测方法，本发明针对传统稀有类别检测方法中对已标记数据点利用不充分和需要预先指定类别相关信息的问题，提出了一种基于核函数的融合主动学习和非参半监督聚类的稀有类别检测方法，通过使用非参半监督聚类的方法利用少量标注数据和大量未标注数据来优化数据分布模型，并结合主动学习选择出在所有未标记数据点中最具代表性的异常点提交给专家进行标注，从而减少了稀有类别检测过程中人工标注的工作量，提高了稀有类别检测过程的效率，并且解决了在非线性情况下的稀有类别发现问题。
-
公开(公告)号：CN107133274A
公开(公告)日：2017-09-05
申请号：CN201710228718.X
申请日：2017-04-10
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于图知识库的分布式信息检索集合选择方法，主要包括如下步骤：1)采用实体链接方法，从各个集合的样本文档中获取集合的实体词集；2)基于上下文相关度和结构相关度，计算实体词的权重，使用加权的实体词集表示集合的语义信息；3)采用查询扩展方法扩展查询中包含的实体词，并为查询实体词赋予不同的权重；4)采用查询与集合相关度度量方法计算集合评分，选择评分较高的前若干个集合。本发明利用图知识库中蕴含的实体关系和网络结构，使用基于图知识库的集合语义建模方法、查询扩展方法和查询与集合相关度度量方法，提高了集合选择方法的准确度。
-
-
-
-
-
-
-
-
-
Search Results
47
records
(took 0.042 seconds)
