-
公开(公告)号：CN119537677A
公开(公告)日：2025-02-28
申请号：CN202411348299.X
申请日：2024-09-25
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/0455 , G06F16/9538
Abstract: 本申请涉及一种基于排序目标的推荐方法、装置、计算机设备和存储介质，其中，该方法包括：获取训练样本；训练样本包括多个样本用户与相应物品的历史交互数据；基于推荐场景下的AUC指标，构建初始推荐模型的优化目标；基于优化目标、训练样本以及预设损失函数，对初始推荐模型训练得到物品推荐模型；根据物品推荐模型输出的用户表征和物品表征，预测用户与推荐物品的兴趣得分，以根据兴趣得分得到推荐物品的推荐排序结果。通过本申请，能够基于推荐场景下的AUC指标，构建初始推荐模型的优化目标，使得优化目标和推荐场景下的排序目标更加统一和适配，从而提高了推荐模型的排序效果。
-
公开(公告)号：CN119445039A
公开(公告)日：2025-02-14
申请号：CN202411266998.X
申请日：2024-09-10
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
Abstract: 本申请涉及一种基于神经辐射场的自动驾驶场景仿真方法、装置和仿真平台，其中，该方法包括：基于神经辐射场对自动驾驶场景进行仿真，得到仿真场景；对仿真场景进行数据处理，得到物体元数据和对应的位置信息；基于仿真场景的三维空间视图和动态物体轨迹的第一鸟瞰视图的辅助，根据物体元数据和对应的位置信息，对仿真场景中的动态物体进行场景编辑。通过本申请，解决了相关技术中存在场景编辑功能受限，流程复杂的问题，基于仿真场景的三维空间视图和动态物体轨迹的第一鸟瞰视图的辅助实现了准确可控的对仿真场景中的动态物体的场景编辑，补足场景编辑方面的不足。
-
公开(公告)号：CN119415601A
公开(公告)日：2025-02-11
申请号：CN202510002991.5
申请日：2025-01-02
Applicant: 杭州高新区(滨江)区块链与数据安全研究院
Abstract: 本申请实施例适用于区块链技术领域，提供了交易数据处理方法、装置、电子设备及计算机程序产品，该方法包括：在接收到MEV搜索节点发送的MEV交易包的情况下，将MEV交易包存储至与其对应的交易包分组；交易包分基于用户节点发送的隐私交易包构建得到；交易包分组至少包括隐私交易包；对各个交易包分组进行模拟交易，以确定各个交易包分组的交易包优先级排序信息；针对各个交易包分组，根据交易包优先级排序信息确定目标交易包；目标交易包为隐私交易包或者MEV交易包；将目标交易包发送至区块构建节点。本申请实施例可以实现在保证各个隐私交易数据的公平性的情况下，减少区块构建节点人工筛选交易包的过程，提高了交易包上链效率。
-
公开(公告)号：CN119415500A
公开(公告)日：2025-02-11
申请号：CN202510002836.3
申请日：2025-01-02
Applicant: 杭州高新区(滨江)区块链与数据安全研究院
Abstract: 本申请实施例适用于区块链技术领域，提供了一种区块链的数据迁移方法及设备，该方法包括：基于区块链中的账户的状态数据生成状态树，状态树为基于写时复制技术的B+树，状态树的各个叶子节点用于存储状态数据；在数据迁移被触发的情况下，确定待迁移的目标状态树；将目标状态树的状态数据发送至主节点的扩展节点；若接收到扩展节点返回的迁移完成信息，则更新主节点中存储的数据映射表，数据映射表用于表征扩展节点中存储的状态数据与扩展节点之间的映射关系；删除主节点中的目标状态树。通过上述方法，能够实现状态数据的迁移，从而降低区块链主节点设备的存储压力，同时在数据迁移过程中可以保持数据的高一致性。
-
公开(公告)号：CN119414367A
公开(公告)日：2025-02-11
申请号：CN202411535629.6
申请日：2024-10-30
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
Abstract: 本申请涉及一种用于车载雷达感知模型的精度检测方法、装置及存储介质。所述方法包括：基于车载雷达获取三维点云数据，并确定所述三维点云数据中真实目标物体的真实三维包围盒；获取与所述三维点云数据匹配的彩色图像，并基于所述彩色图像对所述真实三维包围盒标注颜色；将所述三维点云数据输入待检测目标感知模型，输出得到感知目标物体的预测三维包围盒；基于预设算法确定所述预测三维包围盒与标注颜色后的真实三维包围盒的差异值，并基于所述差异值确定所述待检测目标感知模型对不同颜色的真实目标物体的检测精度。本申请能够从目标感知模型层面更加准确、可靠地检测激光雷达对目标的感知精度。
-
Patent Agency Ranking
公开(公告)号：CN119377270A
公开(公告)日：2025-01-28
申请号：CN202411266464.7
申请日：2024-09-10
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06F16/2455 , G06F16/242 , G06F16/2458 , G06F16/248 , G06F16/2453
Abstract: 本申请涉及一种基于数据编码的含有代理模型的推理查询方法及装置。所述方法包括：获取查询数据，所述查询数据包括查询文本以及查询函数数据；基于所述查询文本确定文本编码，以及基于所述查询函数数据确定查询参数编码；基于所述文本编码以及所述查询参数编码，确定查询数据编码；将所述查询数据编码输入查询时间预测模型，输出查询预测时间，再基于所述查询预测时间以及预设查询计划算法确定查询结果，其中，所述查询时间预测模型基于多个查询时间预测样本训练得到，所述查询时间预测样本基于预设查询计划算法以及历史查询数据确定。本申请能够有效提高查询效率。
-
公开(公告)号：CN119357688A
公开(公告)日：2025-01-24
申请号：CN202411298789.3
申请日：2024-09-14
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06F18/22 , G06F18/25 , G06F18/214 , G06F16/242 , G06F16/2455 , G06N3/0455 , G06N3/0475 , G06N3/0895
Abstract: 本申请涉及一种数据库的模式匹配方法、装置、计算机设备和存储介质，其中，该方法包括：获取数据库的模式信息和查询日志；模式信息包括源模式和目标模式；将模式信息输入到训练完备的第一模型中进行编码，得到属性编码；将查询日志输入到训练完备的第二模型中进行编码，得到查询语句编码；根据属性编码和查询语句编码，确定源模式中源属性与目标模式中目标属性之间的匹配结果；直到完成数据库中所有属性的遍历，得到模式匹配结果。通过本申请，解决了需要手动定义规则，导致匹配结果准确率低的问题，利用训练完备的第一模块结合第二模型来有效地集成结构化查询语言表示和模式表示，提高模式匹配的准确性。
-
公开(公告)号：CN119357234A
公开(公告)日：2025-01-24
申请号：CN202411296629.5
申请日：2024-09-14
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06F16/2455 , G06F16/242 , G06N3/08
Abstract: 本申请涉及一种数据协同查询方法、装置、计算机设备及存储介质。所述方法包括：获取查询信息，并基于所述查询信息确定查询关系算子与至少一个目标模型算子；在数据库中预设执行规则，并基于所述目标模型算子确定目标模型在数据库中的所述执行规则，所述执行规则基于所述目标模型的模型参数以及模型计算图确定；基于所述查询关系算子以及所述执行规则，从所述数据库中确定查询结果。本申请实施例可以基于查询关系算子以及数据库中的执行规则，自动实现数据查询过程，得到数据查询结果，而不再需要用户手动解析目标模型，以及根据目标模型手动编写大量的SQL。本申请不仅降低了人工成本，还有效缩短了数据查询的时间，进而显著提高了数据查询的效率。
-
公开(公告)号：CN119232378A
公开(公告)日：2024-12-31
申请号：CN202411746988.6
申请日：2024-12-02
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
Abstract: 本申请涉及一种基于国密算法的消息可验证的不经意传输方法和系统，包括：基于协商参数生成第一密钥对和第一身份标识符；并将第一随机点传输至接收方；获取接收方传输的第二随机点和第三随机点；基于第一随机点、第二随机点、第三随机点、协商参数、第一密钥对和第一身份标识符，利用密钥协商算法生成第一验证点和第二验证点；利用椭圆曲线的无穷远点，验证第一验证点和第二验证点的有效性；并基于通过有效性验证的第一验证点和第二验证点生成第一随机密钥和第二随机密钥。通过本申请，能够在密钥协商算法中，利用椭圆曲线的无穷远点进行消息有效性验证，在不经意传输方法中实现了消息可验证，从而避免了无效计算，提高了计算效率和可靠性。
-
公开(公告)号：CN119151016A
公开(公告)日：2024-12-17
申请号：CN202411650247.8
申请日：2024-11-19
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06N20/00 , G06N3/006 , G06F16/242
Abstract: 本申请涉及一种多智能体代理的数据库内的机器学习特征生成方法，包括：根据历史特征集合在数据库内的机器学习模型中的性能指标，确定第一特征集合和第一特征集合的特征描述；根据机器学习任务和历史特征集合，得到第一特征集合对应的特征提示；获取数据库内的大语言模型根据第一特征集合、特征描述和特征提示生成的新特征，并结合第一特征集合和新特征得到第二特征集合；根据历史特征集合和第二特征集合在机器学习模型中的性能指标，确定第三特征集合；分解第三特征集合，直至分解得到的特征集合与第三特征集合匹配，根据分解结果得到执行机器学习任务所需的第四特征集合。采用本方法能够解决数据库内执行机器学习任务困难且准确性低的问题。
-
-
-
-
-
-
-
-
-
Search Results
257
records
(took 0.058 seconds)
