-
公开(公告)号：CN114693397B
公开(公告)日：2023-04-28
申请号：CN202210260316.9
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06Q30/0601 , G06F40/126
Abstract: 该发明公开了一种基于注意力机制的多视角多模态的商品推荐方法，属于推荐算法领域。本发明将物品所在场景的多模态信息融入推荐算法中；对数据进行预处理构建了物品相关关系图和物品的描述文本信息；将这些信息输入模型中进行训练，使得模型既使用了用户‑物品的历史交互，又捕捉了物品的描述性文本信息和物品间的相似性信息。不同于其他推荐方法单纯对用户的偏好进行建模，本发明同时对用户的偏好和厌恶进行建模；对用户的历史序列通过用户平均分进行划分，得到用户的偏好序列和厌恶序列，模型对用户的偏好的厌恶分别进行建模。提升了对用户的表征能力。
-
公开(公告)号：CN114580529B
公开(公告)日：2023-04-21
申请号：CN202210202568.6
申请日：2022-03-03
Applicant: 电子科技大学
IPC: G06F18/2431 , G06F18/25 , G06F18/2113 , G06F18/21 , A63B24/00 , A63B69/00
Abstract: 该发明公开了一种选拔和训练足球运动员的系统，属于数据处理领域。本发明收集球员的特征，根据这些特征数据对球员的各方面能力进行分类评估，得出球员的状态，找到球员需要提高的方面。在计算运动员最需要提高的项目时，不仅考虑到运动员在此项目上的表现情况，还额外考虑到此项目的相对重要性。为每个运动员寻找出最需要提高的项目是具有极大现实意义的，依此可以为每名运动员制定出一套个性化的训练方案，提高球队的整体水平。本发明可以从标签为不优秀的运动员中找出那些具有特长的运动员，依此进行强化训练或者弱项补齐可提升球队的核心竞争力；另一方面，全能型球员必然是少之又少的，通过潜力挖掘找出具有潜力的特色型球员具有很大的现实意义。
-
公开(公告)号：CN114580529A
公开(公告)日：2022-06-03
申请号：CN202210202568.6
申请日：2022-03-03
Applicant: 电子科技大学
Abstract: 该发明公开了一种选拔和训练足球运动员的系统，属于数据处理领域。本发明收集球员的特征，根据这些特征数据对球员的各方面能力进行分类评估，得出球员的状态，找到球员需要提高的方面。在计算运动员最需要提高的项目时，不仅考虑到运动员在此项目上的表现情况，还额外考虑到此项目的相对重要性。为每个运动员寻找出最需要提高的项目是具有极大现实意义的，依此可以为每名运动员制定出一套个性化的训练方案，提高球队的整体水平。本发明可以从标签为不优秀的运动员中找出那些具有特长的运动员，依此进行强化训练或者弱项补齐可提升球队的核心竞争力；另一方面，全能型球员必然是少之又少的，通过潜力挖掘找出具有潜力的特色型球员具有很大的现实意义。
-
Patent Agency Ranking
公开(公告)号：CN113343142B
公开(公告)日：2022-05-31
申请号：CN202110527149.5
申请日：2021-05-14
Applicant: 电子科技大学
IPC: G06F16/958 , G06F16/906 , G06N3/04 , G06N3/08 , H04L41/147 , H04L41/142 , H04L67/1396
Abstract: 该发明公开了一种基于用户行为序列填充和筛选的新闻点击率预测方法，属于信息处理领域，特别是基于用户行为序列填充和筛选的新闻点击率预测方法。和现有的技术相比，本发明在用户行为序列较短时，对行为序列进行了有意义的填充，使得序列填充用户潜在可能会点击的行为；当用户行为序列较长时，进行行为的筛选，使得行为序列能够近似全局兴趣的情况下兼顾考虑和候选新闻的关系；建立了用户行为序列填充和筛选方法，只需要通过简单的预训练方法就可以进行文本语义相似度的计算，从而进行用户行为的填充和筛选，大大的节约了计算时间和有助于方法的快速迁移；在真实的数据集上进行了大量的实验并且进行了充分的对比，本发明方法能够取得更好的实验结果。
-
公开(公告)号：CN113343142A
公开(公告)日：2021-09-03
申请号：CN202110527149.5
申请日：2021-05-14
Applicant: 电子科技大学
IPC: G06F16/958 , G06F16/906 , G06N3/04 , G06N3/08 , H04L12/24
Abstract: 该发明公开了一种基于用户行为序列填充和筛选的新闻点击率预测方法，属于信息处理领域，特别是基于用户行为序列填充和筛选的新闻点击率预测方法。和现有的技术相比，本发明在用户行为序列较短时，对行为序列进行了有意义的填充，使得序列填充用户潜在可能会点击的行为；当用户行为序列较长时，进行行为的筛选，使得行为序列能够近似全局兴趣的情况下兼顾考虑和候选新闻的关系；建立了用户行为序列填充和筛选方法，只需要通过简单的预训练方法就可以进行文本语义相似度的计算，从而进行用户行为的填充和筛选，大大的节约了计算时间和有助于方法的快速迁移；在真实的数据集上进行了大量的实验并且进行了充分的对比，本发明方法能够取得更好的实验结果。
-
公开(公告)号：CN116757218A
公开(公告)日：2023-09-15
申请号：CN202310563155.5
申请日：2023-05-18
Applicant: 电子科技大学
IPC: G06F40/30 , G06F18/24 , G06N3/0442 , G06N3/048 , G06N3/09
Abstract: 该发明公开了一种基于上下句关系预测的短文本事件共指消解方法，属于自然语言处理技术领域。本发明从问题建模角度，利用Bert包含NSP任务的特点，将事件共指消解建模成上下句关系预测任务，能构成上下句的事件对认为即存在共指关系，这也符合人类的语言习惯，在日常对话中连贯的上下句往往都是在描述同一事实；从特征提取角度来说，通过事件抽取识别出文本中如触发词、论元角色、事件类型、时态等关键信息作为分类的辅助特征，可以在一定程度上提高分类的准确度；从算法性能角度分析，相比于传统神经网络Bert预训练模型具有更小的训练代价，可以更快地收敛并达到更好的性能。
-
公开(公告)号：CN115204967A
公开(公告)日：2022-10-18
申请号：CN202210639035.4
申请日：2022-06-07
Applicant: 电子科技大学
IPC: G06Q30/06
Abstract: 该发明公开了一种融入用户长短期兴趣表征隐式反馈的推荐方法，属于机器学习领域中的推荐系统研究领域。本方法对基于矩阵分解的协同过滤方法的隐式反馈部分进行了改进，不仅考虑了用户商品二部图中用户浏览或评分商品的隐式反馈，还考虑兴趣相似用户的隐式反馈，实现快速并准确的为用户提供个性化推荐服务。本发明的通用性高，可以适用于大多数的推荐场景。本方法的方法时间复杂度相较于原方法并没有显著增长，对用户长短期兴趣偏好的表征都可以在预处理阶段完成，并且可以采用并行计算的方法对模型进行训练，计算速度较快，在海量数据的情况下也可以短时间计算出结果。
-
公开(公告)号：CN114693397A
公开(公告)日：2022-07-01
申请号：CN202210260316.9
申请日：2022-03-16
Applicant: 电子科技大学
IPC: G06Q30/06 , G06F40/126
Abstract: 该发明公开了一种基于注意力机制的多视角多模态的商品推荐方法，属于推荐算法领域。本发明将物品所在场景的多模态信息融入推荐算法中；对数据进行预处理构建了物品相关关系图和物品的描述文本信息；将这些信息输入模型中进行训练，使得模型既使用了用户‑物品的历史交互，又捕捉了物品的描述性文本信息和物品间的相似性信息。不同于其他推荐方法单纯对用户的偏好进行建模，本发明同时对用户的偏好和厌恶进行建模；对用户的历史序列通过用户平均分进行划分，得到用户的偏好序列和厌恶序列，模型对用户的偏好的厌恶分别进行建模。提升了对用户的表征能力。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.017 seconds)
