-
公开(公告)号：CN105068879B
公开(公告)日：2018-08-17
申请号：CN201510548175.0
申请日：2015-08-31
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
IPC: G06F9/54
Abstract: 本申请公开了查找目标订阅的方法及装置，应用于位置感知的订阅/发布系统，该方法包括：接收信息发布者发布的事件，所述事件包括值对信息及空间地理位置信息，其中，所述值对信息为一组等号谓词合取式；计算所述事件的谓词个数；对预先建立的布尔表达式列表分别进行以下匹配处理，直到所有布尔表达式列表被处理完，得到目标订阅集合。本发明公开的查找目标订阅的方法中，通过将订阅中的关键词按照属性及大小进行划分的方式，将订阅存储在布尔表达式子表及布尔表达式列表中，进而有效提升了查询匹配的效率。
-
公开(公告)号：CN104850649B
公开(公告)日：2018-06-19
申请号：CN201510287900.3
申请日：2015-05-29
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
IPC: G06F17/30
Abstract: 本申请提供了一种在地图上进行兴趣点采样的方法及系统，该方法包括：根据路网信息对待采样区域进行预处理得到一个初始区域；搜索初始区域内的兴趣点数量；根据初始区域内的兴趣点数量判断初始区域是否为可用区域；若初始区域内的兴趣点数量小于阈值，则为可用区域，否则将初始区域分割，直至获取可用区域；根据可用区域内的兴趣点数量估算采样区域内的兴趣点数量。该方法通过先把初始的大区域分割成多个区域，然后再选取某一个区域根据路网信息进行迭代分割，直到出现一个可用区域，该预处理过程利用离线路网信息，无需在线提交查询，在很大程度上减少查询次数，实现大区域查询的高效性和准确性。
-
公开(公告)号：CN104881689B
公开(公告)日：2018-06-19
申请号：CN201510337187.9
申请日：2015-06-17
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
Abstract: 本发明提供了一种多标签主动学习分类方法及系统，包括：分别采用对数似然获取已标注样本标签对的似然度及采用熵的方式获取待标注样本标签对的不确定性；分别计算多个相同样本的不同标签间的KL距离及多个不同标签间的权重因子；将每个KL距离和与之相应的权重因子进行乘法运算，获取相应的结果，将多个结果进行相加，获取与待标注样本标签对相关的待标注样本标签对的KL距离和，采用KL距离和确定交叉标签不确定性；确定待标注样本标签对的最终不确定性；进而依据似然度和待标注样本标签对的最终不确定新的样本标签对训练集，并采用新的样本标签对训练集训练分类器。
-
公开(公告)号：CN104850645B
公开(公告)日：2018-08-14
申请号：CN201510282807.3
申请日：2015-05-28
Applicant: 苏州大学张家港工业技术研究院 , 苏州大学
IPC: G06F17/30
Abstract: 本发明提供了一种基于矩阵分解的主动学习评分引导方法及系统，包括：分别获取新用户的用户特征、其他用户的用户特征、新用户未评分项目的项目特征及其他用户已评分项目的项目特征；通过计算新用户的用户特征和其他用户的用户特征间的余弦相似度获取相似用户；采用相似用户中已评分项目的流行度和信息含量获取最优项目，并将最优项目交由新用户，以采用新用户对最优项目进行评分，获取评分结果。与现有技术相比，本发明采用基于矩阵分解的主动学习评分引导方法及模型，更好的预测了用户的偏好信息，进而提高了推荐准确率。
-
公开(公告)号：CN111369324B
公开(公告)日：2024-01-23
申请号：CN202010171709.3
申请日：2020-03-12
Applicant: 苏州大学
IPC: G06Q30/0601 , G06Q30/0201 , G06Q30/0203 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种目标信息确定方法，包括：对获取到的用户数据进行特征提取处理，得到特征信息；利用周期性预测通道对特征信息进行周期预测处理，得到周期性特征；利用衰减性预测通道对特征信息进行衰减预测处理，得到衰减性特征；利用周期性特征和衰减性特征对用户数据对应的多个信息进行筛选，得到目标信息；该方法利用周期性预测通道与衰减性预测通道相结合的方法，使目标信息的确定过程包括了信息周期的影响，因此可以准确地对用户数据对应的多项信息进行筛选，确定当前需要的信息，即目标信息，改善了用户的使用体验；此外，本发明还提供了一种目标信息确定装置、目标信息确定设备及计算机可读存储介质，也具有上述有益效果。
-
Patent Agency Ranking
公开(公告)号：CN110119467B
公开(公告)日：2023-05-02
申请号：CN201910398877.3
申请日：2019-05-14
Applicant: 苏州大学
IPC: G06F16/951 , G06F16/9535
Abstract: 本发明公开了一种基于会话的项目推荐方法、装置、设备及计算机可读存储介质；在本方案中，通过用户的历史会话序列构建出一个有向的会话结构图，基于该会话结构图，图神经网络能够捕捉相邻项目之间的转换，并且生成该图中所有节点的隐含状态向量，然后运用自注意力机制来建模长距离依赖，最后把用户的全局偏好和当前局部偏好的线性组合作为当前会话的隐含向量来预测下一次点击的概率，本方案利用自注意力网络和图神经网络的互补优势，实现了对项目的精准推荐。
-
公开(公告)号：CN115423566A
公开(公告)日：2022-12-02
申请号：CN202211134934.5
申请日：2022-09-19
Applicant: 苏州大学
Abstract: 本申请公开了一种模型训练方法、装置、设备及存储介质，涉及计算机技术领域，包括：获取用户交互序列中的物品ID，基于所述物品ID获取物品嵌入向量；基于全部物品嵌入向量生成物品嵌入矩阵，将物品嵌入矩阵输入至动态混合层和通道混合层，得到动态混合矩阵；基于动态混合矩阵与预设损失函数得到当前损失值，判断当前损失值是否满足预设条件；若满足预设条件，则基于当前动态混合层和通道混合层中的当前参数得到目标模型。本申请通过物品的ID获取对应的物品嵌入矩阵，然后通过动态混合层和通道混合层得到动态混合矩阵，再基于预设损失函数确定最终的模型参数，从而得到目标模型，增强了模型的稳健性与效率，并提升了模型在使用过程中答案的准确性。
-
公开(公告)号：CN111506814A
公开(公告)日：2020-08-07
申请号：CN202010273754.X
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06F16/9535 , G06F17/16 , G06N3/08
Abstract: 本申请公开了一种基于变分自注意力网络的序列推荐方法，该方法将变分自编码器引入自注意力网络以捕获用户的潜在偏好，一方面通过变分推断将获得的自注意力向量表示为密度，其方差可以很好地表征用户偏好的不确定性，另一方面采用自注意力网络来学习变分自编码器的推理过程和生成过程，使其可以很好地捕获长期和短期依赖，能够更好捕获用户偏好的不确定性和动态性，提升了推荐结果的准确性。此外，本申请还提供了一种基于变分自注意力网络的序列推荐装置及设备，其技术效果与上述方法的技术效果相对应。
-
公开(公告)号：CN111369324A
公开(公告)日：2020-07-03
申请号：CN202010171709.3
申请日：2020-03-12
Applicant: 苏州大学
Abstract: 本发明公开了一种目标信息确定方法，包括：对获取到的用户数据进行特征提取处理，得到特征信息；利用周期性预测通道对特征信息进行周期预测处理，得到周期性特征；利用衰减性预测通道对特征信息进行衰减预测处理，得到衰减性特征；利用周期性特征和衰减性特征对用户数据对应的多个信息进行筛选，得到目标信息；该方法利用周期性预测通道与衰减性预测通道相结合的方法，使目标信息的确定过程包括了信息周期的影响，因此可以准确地对用户数据对应的多项信息进行筛选，确定当前需要的信息，即目标信息，改善了用户的使用体验；此外，本发明还提供了一种目标信息确定装置、目标信息确定设备及计算机可读存储介质，也具有上述有益效果。
-
公开(公告)号：CN106951963B
公开(公告)日：2020-05-22
申请号：CN201710197975.1
申请日：2017-03-29
Applicant: 苏州大学
IPC: G06N5/02
Abstract: 本发明公开了一种知识精炼的方法以及装置，通过获取自动抽取的知识库内的候选知识子集；根据众包任务选择算法，从候选知识子集中选取出第一预设数量的最优知识子集，其中，众包任务选择算法为以语义约束规则为基础的算法，第一预设数量小于或等于预设众包任务数量；基于最优知识子集，发布众包任务，得到任务反馈结果；根据任务反馈结果，对知识库进行去噪操作。即基于众包平台，对自动抽取的知识库内的知识进行精炼，也即利用人工标注去除自动抽取的知识库的噪声，使得知识库内的知识质量较高。且选取出预设数量的候选知识子集实施众包任务，使得在有限的资源下最大化知识质量的提升。可见，本申请有利于提高自动抽取的知识库内的知识质量。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.023 seconds)
