-
公开(公告)号：CN116244513B
公开(公告)日：2023-09-12
申请号：CN202310115682.X
申请日：2023-02-14
Applicant: 烟台大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06F18/25
Abstract: 本发明公开了随机群组POI推荐方法及系统；方法包括：依据群组成员对兴趣点POI的签到序列，计算群组成员的初始影响权重；确定最终影响权重；基于最终影响权重，得到随机群组的拟合特征；依据群组成员对兴趣点POI的签到序列，构建群组成员与兴趣点POI的标号二部图，从二部图中，提取出含有群组成员POI交互偏好的POI特征表示；依据群组成员的兴趣点POI转移序列，构建POI有向转移图，从有向转移图中，提取出含有群组成员POI转移偏好的POI特征表示；将两种特征表示进行特征融合；基于融合特征与随机群组的拟合特征，计算出随机群组对每个POI的预测评分，根据预测评分为随机群组推荐感兴趣的POI列表。
-
公开(公告)号：CN115983280B
公开(公告)日：2023-08-15
申请号：CN202310081044.0
申请日：2023-01-31
Applicant: 烟台大学
IPC: G06F40/30 , G06F18/24 , G06N3/0455 , G06N3/09
Abstract: 本发明提出了面向不确定模态缺失的多模态情感分析方法及系统，涉及数据处理技术领域，具体方案包括：获取带有不确定缺失的多模态数据，包括三种模态：文本、视觉和音频；通过训练后的多模态情感分析网络处理所述三种模态数据，以生成并输出最终的情感分类；本发明基于模态翻译模块，将视觉和音频模态翻译成文本模态，提高视觉和音频模态质量并且能够捕获不同模态之间的深层交互；通过对完整模态进行预训练，得到完整模态的联合特征来指导缺失模态的联合特征向完整模态的联合特征逼近，不需要考虑有哪种模态缺失，只需要向完整模态的联合特征向量逼近即可，具有更强的通用性。
-
公开(公告)号：CN115270007A
公开(公告)日：2022-11-01
申请号：CN202210987178.4
申请日：2022-08-17
Applicant: 烟台大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/9537 , G06K9/62 , G06N3/04
Abstract: 本发明属于位置推荐技术领域，提供了一种基于混合图神经网络的POI推荐方法及系统，本发明为了充分地挖掘用户对POI的正向偏好与反向偏好，构建了标号二部图，采用标号二部图神经网络学习带有用户对POI偏好信息的用户特征和带有用户偏好信息的POI特征；同时，为了充分挖掘POI之间的转移信息，根据用户的POI签到记录构建POI有向转移图，采用门控图神经网络学习带有POI转移信息的POI特征；最后，通过分别对不同用户特征和不同POI特征的拼接，得到用户的最终特征和POI的最终特征，将用户的最终特征与POI的最终特征做乘积，通过Sigmoid函数得到用户对于POI的偏好程度，依据偏好程度向用户推荐POI序列。
-
公开(公告)号：CN116304984A
公开(公告)日：2023-06-23
申请号：CN202310256990.4
申请日：2023-03-14
Applicant: 烟台大学
Abstract: 本发明属于意图识别技术领域，提供了基于对比学习的多模态意图识别方法及系统，首先，与以往的工作相比，改进了跨模态Transformer模型，通过最大化多模态特征与标签之间的互信息以及最小化多模态特征与输入之间的互信息的方式过滤掉单模态表示中的噪声信息实现多模态特征的充分融合，改进后的模型减少了多模态融合过程中的冗余信息，增大了有效信息占比，更有利于多模态特征的充分融合。其次，针对用于训练的标记数量不足的问题，引入了对比学习的学习任务，通过数据增强获得增强样本，原始样本与增强样本之间拉近相似样本，推远不同样本，帮助模型在训练过程中学习到更多意图相关的特征，提高模型提取和融合多模态数据特征的能力。
-
公开(公告)号：CN115858728A
公开(公告)日：2023-03-28
申请号：CN202211537877.5
申请日：2022-12-01
Applicant: 烟台大学
IPC: G06F16/33 , G06F16/35 , G06N3/0499 , G06N3/08
Abstract: 一种基于多模态数据的情感分析方法，包括以下操作：将至少三种单模态数据进行单模态深度上下文特征提取处理，生成至少三种单模态深度上下文特征信息；将所述至少三种单模态深度上下文特征信息进行跨模态融合处理，生成至少六种跨模态特征信息；将所述至少六种跨模态特征信息进行双模态注意力机制融合处理，生成至少三种一级多模态特征信息；将所述至少三种一级多模态特征信息进行拼接融合处理，生成二级多模态融合特征信息和三级多模态融合特征信息；将所述二级多模态融合特征信息和三级多模态融合特征信息进行决策级融合处理，生成多模态情感分类结果。该方法能够兼顾模态信息之间的连贯性和交互性，获得的结果具有较高的准确度。
-
Patent Agency Ranking
公开(公告)号：CN115470704A
公开(公告)日：2022-12-13
申请号：CN202211129049.8
申请日：2022-09-16
Applicant: 烟台大学
IPC: G06F30/27 , G06F111/06
Abstract: 本发明公开了一种动态多目标优化方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：获取多目标优化事件的事件信息，包括：环境信息和历史信息；建立多目标优化事件的事件模型；根据环境信息检测多目标优化事件的环境是否变化；若多目标事件的环境发生变化，则根据历史信息和环境信息，基于两种预测策略计算事件模型的原始帕累托最优集；将原始帕累托最优集输入至社会学习优化模型进行学习训练，计算事件模型的目标帕累托最优集，目标帕累托最优集为多目标事件的最优集。本发明实施例公开的技术方案提高了动态多目标优化方法对环境变化的适应能力，在环境变化后仍能准确获得解决方案。
-
公开(公告)号：CN114995964A
公开(公告)日：2022-09-02
申请号：CN202210540726.9
申请日：2022-05-17
Applicant: 烟台大学
Abstract: 本发明公开了一种组合服务重构方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：预测组合服务中原始组件服务的一般服务质量以及领域服务质量；将原始组件服务的一般服务质量和领域服务质量分别与原始组件服务对应的一般服务质量约束和领域服务质量约束对比，根据对比结果确定组合服务中失效的原始组件服务；为失效的原始组件服务获取对应的替换组件服务；利用替换组件服务代替失效的原始组件服务，生成重构组合服务。本发明公开的技术方案在进行服务QoS失效判断时，综合预测服务所具有的一般服务质量(GQoS)领域服务质量(DQoS)失效的情况，实现及时对组合服务进行动态重构。
-
公开(公告)号：CN113850346B
公开(公告)日：2022-04-29
申请号：CN202111205166.3
申请日：2021-10-15
Applicant: 烟台大学
IPC: G06V10/762 , G06K9/62
Abstract: 本发明属于边缘服务领域，提供了一种MEC环境下多维属性感知的边缘服务二次聚类方法及系统。该方法包括，将边缘服务所在服务器的地理位置与边缘服务器的硬件配置作为一级聚类指标；将服务质量与信誉度作为二级聚类指标；采用基于密度的最小生成树启发式分段聚类算法，依据一级聚类指标，对边缘服务进行一级聚类，得到地理位置相近、服务器质量相似的服务类簇；采用基于密度峰值的层次聚类算法，依据二级聚类指标，对所述地理位置相近、服务器质量相似的服务类簇进行二级聚类，得到边缘服务聚类结果。
-
公开(公告)号：CN115470704B
公开(公告)日：2023-07-21
申请号：CN202211129049.8
申请日：2022-09-16
Applicant: 烟台大学
IPC: G06F30/27 , G06F111/06
Abstract: 本发明公开了一种动态多目标优化方法、装置、设备和计算机可读介质，属于计算机技术领域。方法包括：获取多目标优化事件的事件信息，包括：环境信息和历史信息；建立多目标优化事件的事件模型；根据环境信息检测多目标优化事件的环境是否变化；若多目标事件的环境发生变化，则根据历史信息和环境信息，基于两种预测策略计算事件模型的原始帕累托最优集；将原始帕累托最优集输入至社会学习优化模型进行学习训练，计算事件模型的目标帕累托最优集，目标帕累托最优集为多目标事件的最优集。本发明实施例公开的技术方案提高了动态多目标优化方法对环境变化的适应能力，在环境变化后仍能准确获得解决方案。
-
公开(公告)号：CN114419509B
公开(公告)日：2023-04-18
申请号：CN202210081912.0
申请日：2022-01-24
Applicant: 烟台大学
IPC: G06V20/40 , G06V10/80 , G06V10/764 , G06V10/82 , G06N3/0442 , G06N3/0464 , G06N3/09
Abstract: 本申请实施例公开了一种多模态情感分析方法、装置及电子设备。该多模态情感分析方法能够基于目标视频的至少三个单模态数据通过特征级融合及决策级融合的混合融合策略进行情感分析，相较于单模态情感分析模型，融合多模态特征的情感分析方法更好地利用多种模态之间的交互信息以更有效地反映用户的真实情感，且通过结合混合融合策略进行情感分析能有效提高情感分析结果的准确性。
-
-
-
-
-
-
-
-
-
Search Results
19
records
(took 0.019 seconds)
