-
公开(公告)号：CN105868447A
公开(公告)日：2016-08-17
申请号：CN201610172880.X
申请日：2016-03-24
Applicant: 南京邮电大学
IPC: G06F17/50
CPC classification number: G06F17/509
Abstract: 本发明公开了基于双层网络的用户通讯行为分析及模型仿真系统，该系统包括网络结构及特征分析模块、基于社交属性的通讯数据分析模块、基于双层网络的通讯行为模型仿真模块、仿真效果评估模块以及帮助模块。该行为分析与仿真系统通过网络结构分析模块及通讯数据分析模块，可视化展示用户的网络拓扑特征和通讯行为动力学特性，用于研究和分析双层网络下的行为动力学机制，有较高的运算速度和分析能力。该系统嵌入了基于双层网络的通讯行为仿真模型，通过设置参数对不同情况下的通讯行为进行仿真，并提供仿真效果评估模块进行仿真结果与实证数据的对比及误差计算，可以直观高效的观察模型的准确性并进行调整，提高了建模仿真的自主性和智能型。
-
公开(公告)号：CN105335892A
公开(公告)日：2016-02-17
申请号：CN201510732810.0
申请日：2015-10-30
Applicant: 南京邮电大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明公开了一种社交网络重要用户发现的实现方法，该方法在求解网络中不同用户相互影响的能力时，提出节点相似度来衡量节点受其邻居节点的影响大小，综合考虑节点的局部影响力和全局影响力，得到节点的重要性。本发明的优点：1)采用了LeaderRank算法作为改进的算法，避免了如PageRank算法陷入悬挂节点的可能，并且提高了算法的收敛速度。2)节点相似度计算考虑节点的入边和出边。3)综合考虑了节点的局部和全局作用，提高了算法的准确性。
-
公开(公告)号：CN113468415B
公开(公告)日：2024-01-23
申请号：CN202110653341.9
申请日：2021-06-11
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F18/2411 , G06F18/25 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合电影属性和交互信息的电影推荐系统，通过数据采集模块获取每部电影的属性和用户历史观影信息，通过前向传输模块表示电影和用户的特征，并输出预测值。通过反向传输模块优化系统参数。通过判断模块判断预测输出层的输出值是否大于提前设定好的阈值。通过推荐模块判断是否将电影推荐给用户。本发明不仅利用了电影和用户的交互信息，还利用了电影的属性信息以及属性和属性之间的关系，可解释性增强，且有效缓解物品冷启动问题，从而获得更好的推荐效果。
-
公开(公告)号：CN116629430A
公开(公告)日：2023-08-22
申请号：CN202310611519.2
申请日：2023-05-29
Applicant: 南京邮电大学
IPC: G06Q10/04 , G06Q10/0639 , G06Q50/20 , G06F18/23 , G06N3/0499
Abstract: 本发明公开了一种基于走势聚类的新高考高校投档位次预测方法，包括获取x年间各高校的历史最低投档位次数据；根据历史最低投档位次数据进行位次走势划分，并根据位次走势对高校进行聚类，划分为位次走势稳定类高校和位次走势非稳定类高校；对位次走势稳定类高校使用BP神经网络模型预测今年新高考最低投档位次，并在模型训练时加入量化处理后的旧高考选科等级特征；对位次走势非稳定类高校使用GM(1,1)模型预测今年新高考最低投档位次；将不同类别高校的最低投档位次预测结果进行合并，作为新高考下各高校最低投档位次的预测数据，本发明提升了新高考下高校投档位次预测的准确性。
-
公开(公告)号：CN115905616A
公开(公告)日：2023-04-04
申请号：CN202211380652.3
申请日：2022-11-04
Applicant: 南京邮电大学
IPC: G06F16/735 , G06F16/783 , G06F16/78 , G06V20/40 , G06V10/764 , G06V10/774 , G06Q10/06
Abstract: 本发明公开了一种基于多任务学习的短视频多行为点击预测方法，步骤如下：提取用户基本特征和短视频基本特征；引入词嵌入模型和图嵌入模型充分学习用户历史行为序列中的时序信息，提取出序列特征；建立MMOE多任务模型学习不同行为的联系与差异；并在此基础上引入FM模型学习低阶特征交互；对用户进行查看评论，点赞，点击头像，转发等行为分配不同的权重，进行加权平均，预测用户对短视频点击行为的概率值。本发明引入词嵌入模型和图嵌入模型提取出序列特征，在MMOE模型基础上引入FM模型，不仅可以学习不同行为的联系与差异，而且可以学习低阶特征交互，使模型具有低阶特征的记忆性能和高阶特征的泛化性能，提高点击预测准确性。
-
Patent Agency Ranking
公开(公告)号：CN115659020A
公开(公告)日：2023-01-31
申请号：CN202211302285.5
申请日：2022-10-24
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06Q10/04 , G06Q50/14 , G06F18/213 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于深度学习的旅游路线推荐方法，本发明提取景点标题、景点描述以及景点评论等文本的关键词，通过使用Word2Vec对景点文本以及用户评论进行向量化，再引入GRU双向神经网络模型，深度提取景点属性特征以及用户兴趣特征，结合因子分解机挖掘出景点进行推荐，再根据景点积极属性和消极属性计算用户收益，进一步筛选出最优的旅游景点，并基于用户收益使用Floyd算法计算出最优路线，提升了推荐旅游路线的准确度。
-
公开(公告)号：CN113158077B
公开(公告)日：2022-11-08
申请号：CN202110387174.8
申请日：2021-04-08
Applicant: 南京邮电大学
IPC: G06F16/9536
Abstract: 本发明公开了一种基于用户画像的学术资源推荐方法，包括以下步骤：步骤1：在用户基本信息和行为特征的基础上，引入学术人格维度构建多维度的用户画像维度图；步骤2：通过调查问卷的方式，获取用户数据；步骤3：依据构建好的用户画像纬度图和收集到的用户数据，采用热编码算法建立用户属性向量，以及采用TF‑IDF算法提取用户交互过的学术资源关键词，建立研究领域向量；步骤4：根据用户属性向量和研究领域向量，计算用户间的余弦相似度，找到每位用户的最相似用户集；步骤5：基于用户的协同过滤算法，将最相似用户交互过的学术资源推荐给待推荐用户，生成每位用户的学术资源推荐列表；本发明从多个维度分析学术用户画像，构建学术用户画像模型，为学术资源推荐服务的构建提供新思路。
-
公开(公告)号：CN106572171A
公开(公告)日：2017-04-19
申请号：CN201610970392.3
申请日：2016-10-28
Applicant: 南京邮电大学
Abstract: 本发明公开了一种基于移动终端的数据连接和GPS定位的学生管理系统，该系统包括网络连接的移动终端和信息数据服务器。移动终端设有处理器模块、用户登陆模块、网络数据收发模块、蓝牙数据传输模块、GPS定位模块、基站定位模块、WLAN定位模块、GSM服务模块、虚拟校园围挡模块、报表生成模块和显示模块；信息数据服务器包括总控模块、端口监听模块、网络数据收发模块、消息推送模块、管理员信息模块、学生信息模块、学生轨迹记录模块以及GSM服务模块。该系统可以实时精确监控学生位置，监督学生在对应的时间出现在对应场所，及时发现学生异常位置移动情况，杜绝逃课、宿舍晚归等行为，提高辅导员管理水平。
-
公开(公告)号：CN105260561A
公开(公告)日：2016-01-20
申请号：CN201510726671.0
申请日：2015-10-30
Applicant: 南京邮电大学
IPC: G06F17/50
Abstract: 本发明公开了一种复杂网络通用仿真系统，该系统的整体架构主要分为三层：第一层为基础层，主要包括网络CNet类和节点CNode类；第二层为功能层，包含了复杂网络仿真分析所需具备的所有基础功能；第三层为应用层，即用户能直接进行操作的各应用模块。第一层网络CNet类和节点CNode类分别封装了网络和节点的属性、方法；第三层的各应用模块包含文件操作模块、网络生成模块、参数计算模块、K-Shell分解模块、社团划分模块及传播模型模块，分别由第二层各项基础功能组合实现。
-
公开(公告)号：CN114491242B
公开(公告)日：2025-04-18
申请号：CN202210003318.X
申请日：2022-01-04
Applicant: 南京邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06F17/16 , G06Q50/00
Abstract: 本发明公开了一种基于隐特征和评分的物品推荐算法，包括：对输入数据进行处理，提取用户评分数据，构建用户‑物品评分矩阵；引入活跃度惩罚因子，计算协同过滤算法的相似度；引入时间因素和惩罚因子惩罚活跃用户，计算基于时间权重的皮尔逊相似度；基于引入的一个物品流行度权重因子，采用指数函数代替两个物品间的流行度差异融入皮尔逊相似度计算中；利用两个相似度的加权和作为最终的相似度，并从大到小排序，得到和物品最相似的前k个物品构成相似物品集合；引入一个时间权重函数，计算用户对未评物品的预测兴趣度并进行排序，把前N个物品推荐给用户。本发明可实现个性化推荐，提高推荐的准确性和用户的使用体验。
-
-
-
-
-
-
-
-
-
Search Results
33
records
(took 0.023 seconds)
