-
公开(公告)号：CN112651665A
公开(公告)日：2021-04-13
申请号：CN202110049864.2
申请日：2021-01-14
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明公开了一种基于图神经网络的地表水水质指标预测方法和装置，包括以下步骤：采集并预处理水质指标监测数据和天气数据；基于地表水水质指标监测站点的地理位置数据和水文数据构建站点图，依据预处理后的水质指标监测数据、天气数据和站点图对图卷积神经网络、基于LSTM构建的序列编解码器以及多层感知机组成的水质指标预测网络进行参数优化，参数优化结束后，参数确定的水质指标预测网络作为水质指标预测模型；利用水质指标预测模型实现基于预处理后的水质指标监测数据和天气数据的水质指标预测。本发明结合图卷积神经网络和序列编解码器架构来预测地表水水质指标，在卫生健康、环境治理等领域具有广阔的应用前景。
-
公开(公告)号：CN107133274B
公开(公告)日：2020-12-15
申请号：CN201710228718.X
申请日：2017-04-10
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/33 , G06F16/36 , G06F40/295 , G06F40/30
Abstract: 本发明涉及一种基于图知识库的分布式信息检索集合选择方法，主要包括如下步骤：1)采用实体链接方法，从各个集合的样本文档中获取集合的实体词集；2)基于上下文相关度和结构相关度，计算实体词的权重，使用加权的实体词集表示集合的语义信息；3)采用查询扩展方法扩展查询中包含的实体词，并为查询实体词赋予不同的权重；4)采用查询与集合相关度度量方法计算集合评分，选择评分较高的前若干个集合。本发明利用图知识库中蕴含的实体关系和网络结构，使用基于图知识库的集合语义建模方法、查询扩展方法和查询与集合相关度度量方法，提高了集合选择方法的准确度。
-
公开(公告)号：CN107562704B
公开(公告)日：2020-06-23
申请号：CN201710645104.1
申请日：2017-08-01
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F40/151 , G06F40/186
Abstract: 本发明涉及一种基于word快速生成Fastreport模板的方法，本方法利用将word转换成XML文件，并通过读取相关样式与主题并分析文字段落与表格，从而自动生成满足Fastreport格式的模板；本发明方法可以将word自动转化成Fastreport模板，且转换后的模板在列高上跟word里相同，克服了word不能准确将列高读取出来的问题。
-
公开(公告)号：CN111221829A
公开(公告)日：2020-06-02
申请号：CN201911116864.9
申请日：2019-11-15
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/23 , G06F16/25 , G06F16/2457
Abstract: 本发明涉及一种应对关系数据库入库瓶颈问题的处理方法，针对MySQL每秒处理能力1000条，要达到15000条/秒的速度不切合实际的问题，本发明增加一个缓存功能，命名为“消息队列”，将获取的过量数据不入库，先放在消息队列里，然后再主动的定时通知平台进行入库。当消息队列中待写入库的数据依然会达到高峰期，处理的速度超过饱和状态，为了解决这个问题，本发明增加了多级仓库(硬盘)，过几分钟就慢慢写到数据库里。最终目的，在低谷期将仓库里面的短信话单全部写在数据库里。本发明解决了关系数据库写入瓶颈问题，增加缓存策略，优化数据读取，提高平台性能。
-
公开(公告)号：CN106997389B
公开(公告)日：2020-04-07
申请号：CN201710201405.5
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9537 , G06F16/9536 , G06Q50/14
Abstract: 本发明涉及一种基于多数据集和协同张量分解的旅游景点推荐方法，通过利用不同数据源的用户行为信息为用户提供细粒度的旅游推荐服务。本发明首先从社交网站中获取多个数据集的信息；然后基于用户旅行历史信息构建用户‑景点‑时间张量，并结合协同张量分解模型对该张量进行分解和补全，获得用户的旅行偏爱；最后根据补全的用户‑景点‑时间张量以及用户输入的旅游城市和时间情景信息为用户推荐合适的旅游景点。该方法能够为用户提供基于时间感知的旅游景点推荐服务。
-
Patent Agency Ranking
公开(公告)号：CN106960044B
公开(公告)日：2020-04-07
申请号：CN201710201416.3
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F16/9537
Abstract: 本发明涉及一种基于张量分解及加权HITS的时间感知个性化POI推荐方法，本发明针对传统POI推荐方法中面临的数据稀疏性问题，首先通过引入附加信息的协同张量分解对用户偏好进行建模，然后通过加权HITS同时整合用户偏好与POI的流行度为POI进行打分。最后根据POI打分为用户提供排名靠前的若干POI作为推荐。本发明通过集成协同张量分解与加权HITS考虑用户偏好、时间及当地特色三个因素，克服数据稀疏性问题，为用户提供高质量的个性化POI推荐。
-
公开(公告)号：CN106997389A
公开(公告)日：2017-08-01
申请号：CN201710201405.5
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
Abstract: 本发明涉及一种基于多数据集和协同张量分解的旅游景点推荐方法，通过利用不同数据源的用户行为信息为用户提供细粒度的旅游推荐服务。本发明首先从社交网站中获取多个数据集的信息；然后基于用户旅行历史信息构建用户‑景点‑时间张量，并结合协同张量分解模型对该张量进行分解和补全，获得用户的旅行偏爱；最后根据补全的用户‑景点‑时间张量以及用户输入的旅游城市和时间情景信息为用户推荐合适的旅游景点。该方法能够为用户提供基于时间感知的旅游景点推荐服务。
-
公开(公告)号：CN106960044A
公开(公告)日：2017-07-18
申请号：CN201710201416.3
申请日：2017-03-30
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及一种基于张量分解及加权HITS的时间感知个性化POI推荐方法，本发明针对传统POI推荐方法中面临的数据稀疏性问题，首先通过引入附加信息的协同张量分解对用户偏好进行建模，然后通过加权HITS同时整合用户偏好与POI的流行度为POI进行打分。最后根据POI打分为用户提供排名靠前的若干POI作为推荐。本发明通过集成协同张量分解与加权HITS考虑用户偏好、时间及当地特色三个因素，克服数据稀疏性问题，为用户提供高质量的个性化POI推荐。
-
公开(公告)号：CN105488522A
公开(公告)日：2016-04-13
申请号：CN201510824301.0
申请日：2015-11-23
Applicant: 浙江鸿程计算机系统有限公司
CPC classification number: G06K9/6293 , G06F17/30864
Abstract: 本发明涉及融合多视图和半监督学习的搜索引擎用户信息需求满意度评估方法，该方法分为数据预处理、训练子视图满意度模型、对未标注数据分配伪标签、训练基于多视图和半监督学习的用户满意度模型和评估六个阶段，本发明通过半监督学习的方法使用少量标注数据和大量未标注数据来提高评估模型的性能，并引入多视图学习的思想来克服传统的基于单视图的半监督学习方法容易陷入局部最优的问题。有益效果在于：(1)可以在少量的标注数据的情况下，有效地评估搜索引擎的用户信息需求满意度；(2)可以通过使用少量标注数据和大量未标注数据来提高用户满意度模型评估性能；(3)分别从行为和时间的角度来描述用户的搜索过程，通过相互学习来避免模型陷入局部最优。
-
公开(公告)号：CN103164537B
公开(公告)日：2016-01-13
申请号：CN201310125029.8
申请日：2013-04-09
Applicant: 浙江鸿程计算机系统有限公司
IPC: G06F17/30
Abstract: 本发明涉及互联网搜索引擎日志划分领域，尤其涉及一种面向用户信息需求的搜索引擎日志数据挖掘的方法，包括：查询日志块归类、查询相似度计算和用户信息需求提供，综合计算查询词相似度和查询结果相似度作为查询相似度，以此为依据判断了两个查询是否具有相同的信息需求，有效快速的对搜索日志进行划分。本发明的有益效果在于：本发明针对传统的搜索引擎质量评价方法不能完整描述用户复杂、模糊信息需求的缺陷，提出了基于行为日志的搜索引擎用户信息需求满意度评估方法，以用户信息需求为单位，通过分析搜索引擎日志中用户的搜索行为来评估用户满意度，分析出用户的个性化需求，并从而促进搜索引擎技术的发展、提高搜索引擎的服务质量。
-
-
-
-
-
-
-
-
-
Search Results
116
records
(took 0.042 seconds)
