公开(公告)号：CN109871809A

公开(公告)日：2019-06-11

申请号：CN201910131216.4

申请日：2019-02-22

Applicant: 福州大学

Inventor： 郭文忠 ,  戴远飞 ,  郭子龙 ,  宋茂森 ,  吴宜钊

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明涉及一种基于语义网的机器学习流程智能组装方法，首先将不同格式的数据根据其数据类型和问题类型来进行预处理；接着将预处理好的数据根据其数据类型和问题类型进行多种分类模型、回归模型的训练；然后对训练完成的模型进行测试和评估；将算子进行统一的封装；最后根据用户描述的所要使用的机器学习方法以及要进行处理的数据的格式，组装一条以上的机器学习工作流路径。本发明能够快速有效地定制和调优可复用的机器学习流程，从而能够高效的进行数据挖掘工作。

公开(公告)号：CN111881263A

公开(公告)日：2020-11-03

申请号：CN202010806262.2

申请日：2020-08-12

Applicant: 福州大学

Inventor： 陈星 ,  黄志明 ,  吴宜钊 ,  林章颖

IPC: G06F16/33 ,  G06F40/30 ,  G06F40/289

Abstract: 本发明涉及一种面向智能家居场景的服务推荐在线优化方法。首先根据智能家居知识图谱针对通用用户群体来生成通用的服务指令，然后基于指令的语义相似性训练出初始服务推荐模型。进一步在初始服务推荐模型上根据用户的使用轨迹进行模型的增量训练，进而实现服务推荐模型的在线优化，最终使得推荐模型可以适用于特定环境下的指令识别。因此，基于该技术，虚拟助手可以自适应地给出最佳的匹配的系统指令。