-
公开(公告)号：CN114493516B
公开(公告)日：2022-12-23
申请号：CN202210055191.6
申请日：2022-01-18
Applicant: 安徽大学
Abstract: 本发明提供一种基于异质图对比学习的云ERP下知识补全方法及系统包括：获取原ERP下用户、需求、服务、厂商的特征以及用户‑需求交互数据、需求‑服务交互数据、服务厂商交互数据，建立邻接矩阵，初始化各实体表示向量；根据邻接矩阵构建异质图，并预定义元结构；计算异质图中元结构下用户、需求、服务和厂商的交换矩阵；设计对比损失函数，使同一实体在元结构下的表示向量相似性极小，更新实体对应的图编码器参数矩阵，计算异质图中实体的表示向量；计算用户与需求、需求与服务两两之间的相似性，根据相似性排名补全“用户‑需求‑服务”关系。本发明解决了现有技术中存在的服务数据的稀疏特性导致云ERP领域知识库缺失大量三元组的技术问题。
-
公开(公告)号：CN114445043B
公开(公告)日：2022-12-16
申请号：CN202210095467.3
申请日：2022-01-26
Applicant: 安徽大学
IPC: G06Q10/10 , G06Q10/04 , G06F16/28 , G06F40/216 , G06F40/253 , G06F40/284 , G06F40/30
Abstract: 本发明提供一种基于开放生态化云ERP异质图用户需求精准发现方法及系统，包括：构建开放生态化云ERP异质图，获取实体数据；利用众包技术采集并预处理反馈信息，据以建立词袋库、提取情感特征，处理所述词袋库和所述情感特征得库特征向量；聚类处理所述库特征向量，据以获取用户云ERP服务需求数据；将所述用户云ERP服务需求数据作为实体插入到开放生态化云ERP异质图中，与用户、服务、服务商建立联系，据以更新所述云ERP异质图；从所述云ERP异质图获取实体关系数据，根据所述实体关系数据获取并发出需求适配推荐信息至所述用户及所述服务商。本发明解决了需求信息匹配性较差以及反馈信息参考价值较低的技术问题。
-
公开(公告)号：CN111191882B
公开(公告)日：2022-11-25
申请号：CN201911297254.3
申请日：2019-12-17
Applicant: 安徽大学
IPC: G06Q10/06
Abstract: 本发明公开了一种识别异质信息网络中有影响力的开发者的方法及装置，所述方法包括：提取GitHub上的公开数据集中所有与开发者相关的信息；构造异质信息网络；分别计算开发者子网络下的开发者的影响力值、项目子网络下的项目之间相互影响力值、开发者‑公司子网络下某公司中某开发者的影响力值以及开发者‑项目子网络下某项目中某开发者的影响力值，然后将每个网络下计算的影响力值融合形成最终的开发者影响力值；根据最终的开发者影响力值的大小推荐开发者；本发明的优点在于：能够获取开发者的影响力值且使推荐信息准确全面。
-
公开(公告)号：CN110532890B
公开(公告)日：2021-10-22
申请号：CN201910716623.1
申请日：2019-08-05
Applicant: 安徽大学
Abstract: 本发明涉及电子通信技术领域，尤其为一种基于云端、边缘端和设备端的分布式孪生卷积神经网络行人重识别方法。本发明中，利用了一种分布式结构，使得在解决ReID问题时并非将所有输入数据上传至云端进行处理，尽量让ReID问题在本地端和边缘端解决。具体是通过在三端上设置退出点，进行联合训练从而得到一个满足本发明要求的优秀神经网络模型，本发明所提出的方法不仅在ReID的识别精度上有所提高，而且在数据通信代价上，有了很大改善，本发明可以适当改进拓展到多区域摄像机网络中，利用分布式实现ReID在现实中的应用，特别在城市安防和打击犯罪方面前景广阔。
-
公开(公告)号：CN113448707A
公开(公告)日：2021-09-28
申请号：CN202110731470.5
申请日：2021-06-29
Applicant: 安徽大学
IPC: G06F9/48
Abstract: 在边缘计算中在线批并行任务调度方法，具体步骤为：S1、使用马尔科夫决策过程进行建模；S2、在每一段时间片段内，为每一个边缘服务器的Batch容器进行任务分发；S3、使用强化学习来进行求解，最终完成在线任务的调度。相对于目前的边缘计算调度算法，对于任务的处理大多采用串行处理策略，使用马尔科夫决策过程的思想在n个任务如何在m台边缘服务器上处理，而且在选择算法的优化目标时，考虑优化多种开销和任务处理的及时性；在使用增强学习方法设计调度算法时，算法运行时间过短，实用性较强。
-
Patent Agency Ranking
公开(公告)号：CN113032367A
公开(公告)日：2021-06-25
申请号：CN202110313931.7
申请日：2021-03-24
Applicant: 安徽大学
Abstract: 本发明提供一种适用于动态负载场景的大数据系统跨层配置参数协同调优方法和系统，包括对跨层多层软件进行参数进行重要性排序后的参数提取，对工作负载在多层大数据软件上运行的性能表现建模后寻找最优配置方案，以及在新工作负载到来后根据新工作负载的特性做模型迁移，以适应不同工作负载下的场景。
-
公开(公告)号：CN112508256A
公开(公告)日：2021-03-16
申请号：CN202011387991.5
申请日：2020-12-01
Applicant: 安徽大学
Abstract: 本发明提供一种基于众包的用户需求主动预测方法及系统，包括以下步骤：S1：确定参与众包任务的标注者，标注者接收到众包任务并完成任务；S2：根据用户偏好信息构建异质信息网络；S3：生成用户需求数据空间；S4：通过图卷积神经网络分别学习用户和需求对象的表示向量；S5：需求预测。本发明通过众包技术实现用户直接参与信息生产和知识共享，众包标注者反馈的偏好信息更能反映用户的真实需求，结合该信息进行需求预测可以提高结果的准确性；众包模式采集的用户偏好信息丰富了用户的属性特征，且为缺乏历史行为数据的新注册用户进行了属性补全，可以更精确地表征每个用户，从而使推荐结果更具个性化。
-
公开(公告)号：CN112149916A
公开(公告)日：2020-12-29
申请号：CN202011081243.4
申请日：2020-10-09
Applicant: 安徽大学
Abstract: 本发明提供一种基于信誉度计算的绩效考核方法，包括以下步骤：S01.为每个测评用户赋值初始信誉度Ri＝1；S02.根据被测用户的评分，加权每个测评用户的信誉度，计算被测用户真实得分；S03.通过比较测评用户的评分向量和被测用户的真实评分向量，计算相关系数作为评分趋势相似度 以及计算平方差和fi作为评分距离，进而计算测评用户信誉度；S04.迭代步骤S02、S03，直至每个被测用户的真实得分得到收敛。本发明结合了相关系数和评分距离且同时考虑了被测评用户的争议性计算测评用户的信誉度，并在计算评分距离时考虑了被测用户的评分争议度，动态的考虑了评分距离与信誉度的关系，之后根据求得的测评用户信誉度结合评分去计算被测用户的真实得分。
-
公开(公告)号：CN106209978B
公开(公告)日：2019-04-09
申请号：CN201610474196.7
申请日：2016-06-22
Applicant: 安徽大学
Abstract: 本发明公开了一种联盟关系服务组合选择系统及选择方法，属于计算机服务领域。系统包括服务基本粒层模块：服务请求输入模块、解析器模块、服务信息与功能索引模块和功能选择模块；服务业务粒层模块：服务发现模块、参数设置模块、索引模块、服务信息提取处理模块、参数与服务信息关联模块、智能进化算法寻优模块等；通过，生成服务联盟约束关系；联盟关系数据冗余消除和等价类划分；根据已找到的支配关系和等价集，确定每个组合服务的联盟关系，并求解适应度值；运用群体智能优化方法进行问题求解。本发明获得最优化的组合方式效率高，选择方案最优化。
-
公开(公告)号：CN108053031A
公开(公告)日：2018-05-18
申请号：CN201810002406.1
申请日：2018-01-02
Applicant: 安徽大学
IPC: G06N3/08
Abstract: 本发明公开了一种深度学习系统及深度学习识别方法，系统包括：数据输入接口、交换模块、存储模块、控制模块、计算模块和数据输出接口，其中，数据输入接口用于接收输入的数据；交换模块用于判断是否将所待识别数据以及第一深度学习算法模型存储到存储模块中；存储模块用于在交换模块的判断结果为是的情况下，存储待识别数据和第一深度学习算法模型；控制模块用于向计算模块发出针对待识别数据的识别指令；计算模块用于根据识别指令利用第一深度学习算法模型对待识别数据进行识别处理；数据输出接口用于输出计算模块的识别结果和其他设备针对待识别数据的识别结果。应用本发明实施例，可以提高对待识别数据的识别准确率。
-
-
-
-
-
-
-
-
-
Search Results
103
records
(took 0.078 seconds)
