公开(公告)号：CN119511096A

公开(公告)日：2025-02-25

申请号：CN202411616382.0

申请日：2024-11-13

Applicant: 重庆邮电大学

Inventor： 邹沛汐 ,  周翱 ,  刘彬 ,  朴昌浩 ,  王进

IPC: G01R31/367 ,  G01R31/392 ,  G06F18/2431 ,  G06F18/2415 ,  G06F18/25 ,  G06N20/00

Abstract: 本发明属于数据挖掘技术领域，具体涉及一种基于不平衡数据的新能源汽车电池多故障预警方法，包括：获取待预警的新能源汽车电池监测数据，将其输入到训练好的新能源汽车电池多故障预警模型中，得到新能源汽车电池多故障识别结果；新能源汽车电池多故障预警模型包括：特征增强模块、预测模块、样本少数混合增强模块、标签细粒度管理模块以及标签修正模块；本发明结合数据增强和损失修正策略，显著增强了本发明模型对新能源汽车电池故障标签不平衡和噪声数据的鲁棒性与准确性。

公开(公告)号：CN119128421A

公开(公告)日：2024-12-13

申请号：CN202411107827.2

申请日：2024-08-13

Applicant: 重庆邮电大学

Inventor： 黄臻炫 ,  杜雨露 ,  刘彬 ,  邓欣 ,  王进

IPC: G06F18/20 ,  G06F18/25 ,  G06Q30/0601 ,  G06N3/042 ,  G06N3/08 ,  G06F123/02

Abstract: 本发明属于序列推荐技术领域，具体涉及一种基于多行为动态图的序列推荐方法；包括：根据用户的多行为交互序列构建多行为动态图并划分为多个特定行为子图；对特定行为子图进行处理，得到节点嵌入表示和关系嵌入表示；对关系嵌入表示进行处理，得到通用相关性嵌入表示；融合特定行为下的时序信息到特定行为子图的节点中，得到融合用户节点嵌入表示和融合项目节点嵌入表示；融合通用相关性嵌入表示和融合用户节点嵌入表示，得到用户个性化行为相关性嵌入表示；更新融合项目节点嵌入表示并聚合更新结果和融合用户节点嵌入表示，得到最终的两种节点嵌入表示；采用前馈神经网络对最终的两种节点嵌入表示进行处理，得到项目推荐结果；本发明提高了推荐的准确性。

公开(公告)号：CN118818314A

公开(公告)日：2024-10-22

申请号：CN202410915751.X

申请日：2024-07-09

Applicant: 重庆邮电大学

Inventor： 朴昌浩 ,  胡娅玲 ,  孙荣利 ,  王进 ,  刘明杰 ,  刘彬 ,  陈俊生 ,  苗建国

IPC: G01R31/367 ,  G01R31/392

Abstract: 本发明涉及电动车电池寿命预测领域，特别涉及一种基于泛化系统在线参数辨识的固态电池寿命估算方法，包括通过参数估计的递推最小二乘法构建电池系统泛化离散数学模型；根据电池系统泛化离散数学模型计算系统参数值；根据得到的系统参数值与设定阈值之间的关系判断电池寿命。本发明通过参数估计的递推最小二乘法来构建关于电池系统泛化离散数学模型，根据构建的模型来确定随时间变化的系统参数，并根据系统参数值与设定阈值之间的关系来判断电动汽车的电池寿命，该方法计算速度快、占用内存少，能够在线辨识，实时获得系统参数。

公开(公告)号：CN118014660A

公开(公告)日：2024-05-10

申请号：CN202410026232.8

申请日：2024-01-08

Applicant: 重庆邮电大学

Inventor： 刘彬 ,  王一雄 ,  王进 ,  吴思远 ,  范浩然

IPC: G06Q30/0251 ,  G06Q30/0241 ,  G06F18/214 ,  G06F18/213 ,  G06F18/25 ,  G06N3/045 ,  G06N3/08

Abstract: 本发明涉及大数据领域，具体涉及一种基于大数据的广告高价值用户识别方法，包括获取广告信息数据集、用户信息数据集和流水数据集；对流水数据集进行划分得到多组用户流水样本，对每一组用户流水样本进行预处理得到对应的训练样本，构建广告高价值用户识别模型，采用训练样本集合训练广告高价值用户识别模型；并通过双阈值对比损失和偏权重交叉熵损失对广告高价值用户识别模型进行参数优化，直到模型收敛；获取待识别用户数据输入训练好的广告高价值用户识别模型，得到用户价值识别结果；本发明提升识别准确度。

公开(公告)号：CN117493886A

公开(公告)日：2024-02-02

申请号：CN202311545744.7

申请日：2023-11-16

Applicant: 重庆邮电大学

Inventor： 刘彬 ,  钟时 ,  袁鑫浩 ,  杜雨露 ,  王进

IPC: G06F18/214 ,  G06F18/2431 ,  G06F18/21 ,  G06F40/30 ,  G06N3/0475 ,  G06N3/094

Abstract: 本发明涉及深度学习领域，特别涉及一种基于文本的变压器故障智能识别模型的训练方法及装置，所述方法包括将多标签变压器故障文本输入基于编码结构的文本语义模型得到变压器故障文本语义编码向量，并一同与通过文本语义模型嵌入层得到的故障类别文本语义向量输入跨注意力网络进行交互，得到变压器故障类别结果。训练时利用多标签及标签不平衡自适应损失函数MSLoss优化模型效果。本发明提出了文本标签域筛法TLDF与基于标签域掩码的生成对抗网络LM‑GAN，优化模型应对标签不平衡情况下的训练效果。本发明通过优化损失函数并利用文本中的标签域特征信息增强少样本数据，提升了模型性能和鲁棒性，实现了高准确率的变压器故障智能识别。

公开(公告)号：CN117372930A

公开(公告)日：2024-01-09

申请号：CN202311379146.7

申请日：2023-10-24

Applicant: 重庆邮电大学

Inventor： 王进 ,  李翔宇 ,  廖唯皓 ,  刘彬 ,  吴思远

IPC: G06V20/40 ,  G06F16/75 ,  G06V10/80 ,  G06V10/776

Abstract: 本发明涉及自然语言处理领域，具体涉及一种基于多模态大数据的短视频舆情分类方法，该方法包括：获取待处理的短视频数据和对应的标题数据；对标题数据进行预处理，得到标题向量特征；从短视频数据中抽取K帧图片，将K帧图片输入到多个patch输入视频编码模块中，得到视频向量特征；根据标题向量特征和视频向量特征计算数据特征向量；对数据特征向量添加高斯噪声，并输入到分类器，得到分类结果；本发明能够充分融合短视频舆情数据中的视频向量特征和文本向量特征得到数据向量特征，同时向数据向量特征中引入高斯噪声以增强模型的泛化性能。

公开(公告)号：CN116204729A

公开(公告)日：2023-06-02

申请号：CN202211577185.3

申请日：2022-12-05

Applicant: 重庆邮电大学

Inventor： 王进 ,  宋为 ,  龚峰 ,  金展骢 ,  刘彬 ,  杜雨露

IPC: G06F16/9536 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/098

Abstract: 本发明属跨领域群组推荐领域，具体涉及一种基于超图神经网络的跨领域群组智能推荐方法，包括：构建数据集；构建单目标域超图和共享超图，并基于超图卷积网络提取出单目标域用户偏好特征和项目特征，以及共享用户偏好特征；采用了降噪自动编码方法提取跨领域用户相似偏好特征；采用门控网络计算不同用户特征的权重并进行加权融合；通过多通道注意力对群组成员进行特征交互并对成员偏好特征进行聚合得到群组偏好特征；采用两阶段训练的方法来联合学习用户偏好和群组偏好并选择推荐对象。本发明在为用户群组推荐物品时，能够利用跨领域信息准确获取用户兴趣偏好，并且在跨领域信息迁移的过程中能够有效缓解负迁移的问题。

公开(公告)号：CN115906845A

公开(公告)日：2023-04-04

申请号：CN202211391706.6

申请日：2022-11-08

Applicant: 重庆邮电大学

Inventor： 王进 ,  李翔宇 ,  毛博 ,  彭云曦 ,  刘彬 ,  朴昌浩 ,  杜雨露

IPC: G06F40/295 ,  G06F40/258 ,  G06F40/194

Abstract: 本发明属于自然语言处理技术领域，具体涉及一种电商商品标题命名实体识别方法，该方法包括：获取待识别的商品标题文本数据，将标题文本数据转化为词向量；对词向量进行拼接，得到向量特征；向量特征输入到训练好的实体识别模型中，得到识别结果；在对实体模型进行训练过程中，将训练集中的数据输入到模型中得到两个特征向量，计算特征向量的相似度，并进行特征向量拼接；根据拼接结果计算模型的损失函数；本发明在进行模型训练过程中通过对训练数据的损失值进行降权处理，减少生成数据的噪声，补足了传统实体识别方法对商品标题实体识别的准确率较低的问题。

公开(公告)号：CN115761314A

公开(公告)日：2023-03-07

申请号：CN202211383104.6

申请日：2022-11-07

Applicant: 重庆邮电大学

Inventor： 王进 ,  王利蕾 ,  邓龙行 ,  彭云曦 ,  刘彬 ,  朴昌浩 ,  杜雨露

IPC: G06V10/764 ,  G06V10/80 ,  G06V30/19 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/045 ,  G06N3/08 ,  G06V10/74 ,  G06V10/762

Abstract: 本发明属于计算机视觉和自然语言处理领域，具体涉及一种基于提示学习的电商图文分类方法及系统；该方法包括：获取电商图文信息并将其输入到预训练模型中，得到图像向量和文本向量；指定关键字，对关键字和图像向量进行处理，得到初始提示模板；根据图像向量，采用CLIP模型对初始提示模板进行训练，得到多个候选提示模板；随机选择两个候选提示模板和图像向量进行对比学习，得到图像特征向量；对文本向量进行处理，得到文本特征向量；对图像特征向量和文本特征向量进行对比学习，得到图文特征向量；将图文特征向量输入到融合层，得到图文融合特征；采用分类器对图文融合特征进行分类，得到电商图文分类结果；本发明分类结果精度高，实用性高。

公开(公告)号：CN112487291B

公开(公告)日：2022-06-10

申请号：CN202011362395.1

申请日：2020-11-28

Applicant: 重庆邮电大学

Inventor： 王进 ,  张浩 ,  于新龙 ,  杨小姜 ,  刘彬 ,  孙开伟

IPC: G06F16/9535 ,  G06F16/33 ,  G06F16/335 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及自然语言处理，特别涉及一种基于大数据的个性化新闻推荐方法及系统，所述方法包括获取历史数据，对数据集进行预处理操作，并进行预处理；对数据构建特征工程，建立用户属性特征、用户时序特征、新闻属性特征、上下文属性特征以及新闻标题语义特征；根据特征的重要性对特征进行选择，保留重要性最高的前50％的特征作为选择的特征；根据选择的特征建立深度学习模型并进行模型融合操作，利用该模型对实时数据进行预测，将预测的点击率大于0.75的新闻推荐给用户；本发明可以对海量特征进行有效地特征选择，在保证效果的前提下，能减小特征维度，加快模型的训练时间，提高效率，同时降低对内存的要求。