-
公开(公告)号：CN117271873A
公开(公告)日：2023-12-22
申请号：CN202211192229.0
申请日：2022-09-28
Applicant: 深圳市腾讯计算机系统有限公司 , 安徽大学
IPC: G06F16/9535 , G06N3/126 , G06Q50/20
Abstract: 本申请实施例提供了一种习题推荐方法、装置、设备和存储介质，包括：获取目标对象的X个习题的历史答题记录，以及X个习题中每一个习题涉及到的知识点信息；根据历史答题记录和知识点信息构建目标对象的特征表示；将特征表示输入认知诊断模型，以使得认知诊断模型输出候选习题；获取目标参数，目标参数为认知诊断模型的权重参数；根据目标参数构建多目标优化问题以及多目标优化问题的约束条件；根据至少两个约束条件求解多目标优化问题，以使得从候选习题中得到推荐习题。本申请提供的技术方案可应用于云计算领域或人工智能领域，用于灵活地向该目标对象进行习题推荐，进而实现习题推荐方法的广泛适用性，满足诸多应用场景。
-
公开(公告)号：CN110211085B
公开(公告)日：2021-04-27
申请号：CN201810168825.2
申请日：2018-02-28
Applicant: 清华大学 , 深圳市腾讯计算机系统有限公司
Abstract: 本发明提供一种图像融合质量评价方法和系统。其中，方法包括：获取融合后的图像与融合前的图像每个对应位置的像素点的灰度值之差；根据每个对应位置的像素点的灰度值之差，获取融合后的图像中每个像素点的瑕疵度；根据融合后的图像中全部像素点的瑕疵度，获取融合后的图像的融合质量评价结果。系统包括：灰度差模块，用于获取融合前后每个对应像素点的灰度值之差；瑕疵获取模块，用于根据灰度值之差获取每个像素点的瑕疵度；质量评价模块，用于根据瑕疵度获取融合质量评价结果。本发明提供的一种图像融合质量评价方法和系统，能够客观、定量地反映融合后的图像与预期图像融合结果之间的差异，获得接近人眼观感的图像融合质量评价结果。
-
公开(公告)号：CN110211085A
公开(公告)日：2019-09-06
申请号：CN201810168825.2
申请日：2018-02-28
Applicant: 清华大学 , 深圳市腾讯计算机系统有限公司
Abstract: 本发明提供一种图像融合质量评价方法和系统。其中，方法包括：获取融合后的图像与融合前的图像每个对应位置的像素点的灰度值之差；根据每个对应位置的像素点的灰度值之差，获取融合后的图像中每个像素点的瑕疵度；根据融合后的图像中全部像素点的瑕疵度，获取融合后的图像的融合质量评价结果。系统包括：灰度差模块，用于获取融合前后每个对应像素点的灰度值之差；瑕疵获取模块，用于根据灰度值之差获取每个像素点的瑕疵度；质量评价模块，用于根据瑕疵度获取融合质量评价结果。本发明提供的一种图像融合质量评价方法和系统，能够客观、定量地反映融合后的图像与预期图像融合结果之间的差异，获得接近人眼观感的图像融合质量评价结果。
-
公开(公告)号：CN115879417A
公开(公告)日：2023-03-31
申请号：CN202111156255.3
申请日：2021-09-29
Applicant: 深圳市腾讯计算机系统有限公司
IPC: G06F40/143 , G06F40/154 , G06T9/00
Abstract: 本申请实施例公开了一种媒体编辑方法、装置、计算机及可读存储介质，该方法包括：响应针对媒体编辑区域的编辑操作指令，在媒体编辑区域中更新显示基于编辑操作指令所编辑的目标编辑图像，获取目标编辑图像在N个编辑图像中的图像顺序信息；N为正整数；媒体编辑区域包含N个编辑图像；获取语言编辑区域所显示的源代码数据，从源代码数据中获取图像语法代码块，在图像语法代码块中定位图像顺序信息所指示的目标代码位置；基于编辑操作指令生成目标编辑图像所对应的目标语句，基于目标代码位置，在语言编辑区域中显示更新后的源代码数据；更新后的源代码数据包括目标语句。采用本申请，可以提高图像与代码的同步更新效率及效果。
-
公开(公告)号：CN103220376A
公开(公告)日：2013-07-24
申请号：CN201310108842.4
申请日：2013-03-30
Applicant: 清华大学 , 深圳市腾讯计算机系统有限公司
CPC classification number: H04W4/02 , H04L61/609 , H04W64/00
Abstract: 本发明涉及利用移动终端的位置数据准确定位IP地址的地理位置的方法，属于计算机系统技术领域，该方法包括：收集用户使用移动终端的位置数据，组成地理位置数据集，去除可靠性低的数据：筛选出该用户晚上、白天的移动终端地理位置数据全部记录，进行聚类，得到的若干聚合的重心作为该用户对应的第一、第二候选位置；收集用户使用固定终端上网的IP地址数据，将每一条记录的IP地址转化为一个IP段；对于预处理后的IP地址数据集中，筛选出使用过该IP段的所有用户，找出这些用户对应的第一候选位置和第二候选位置；得到一系列聚合，将从聚类得到的包含候选位置最多的聚合的重心作为该IP段对应的地理位置。该方法不仅能够实现街道级的定位精度，同时也具备响应快和部署简单等优点。
-
Patent Agency Ranking
公开(公告)号：CN113822953A
公开(公告)日：2021-12-21
申请号：CN202110706137.9
申请日：2021-06-24
Applicant: 华南理工大学 , 深圳市腾讯计算机系统有限公司
IPC: G06T9/00
Abstract: 本申请涉及一种图像生成器的处理方法、图像生成方法及装置，应用于机器学习领域，该图像生成器的处理方法包括：通过图像生成器将原始数据映射为隐编码向量；基于当前的属性编辑参数和隐编码向量获得携带目标属性的目标隐编码向量后，通过图像生成器生成目标图像；基于待训练的图像属性判别器所确定的样本图像与目标图像各自对应的目标属性相关程度，构建目标属性损失；根据目标属性损失更新图像属性判别器的网络参数和属性编辑参数后，返回获取目标属性的样本图像的步骤继续训练，直至训练结束时，根据图像生成器与训练结束时获得的与目标属性对应的属性编辑参数，获得对应目标属性的图像属性转换器。采用本方法能够提高图像属性转换准确性。
-
公开(公告)号：CN103220376B
公开(公告)日：2014-07-16
申请号：CN201310108842.4
申请日：2013-03-30
Applicant: 清华大学 , 深圳市腾讯计算机系统有限公司
CPC classification number: H04W4/02 , H04L61/609 , H04W64/00
Abstract: 本发明涉及利用移动终端的位置数据准确定位IP地址地理位置的方法，属于计算机系统技术领域，该方法包括：收集用户使用移动终端的位置数据，组成地理位置数据集，去除可靠性低的数据：筛选出该用户晚上、白天的移动终端地理位置数据全部记录，进行聚类，得到的若干聚合的重心作为该用户对应的第一、第二候选位置；收集用户使用固定终端上网的IP地址数据，将每一条记录的IP地址转化为一个IP段；对于预处理后的IP地址数据集中，筛选出使用过该IP段的所有用户，找出这些用户对应的第一候选位置和第二候选位置；得到一系列聚合，将从聚类得到的包含候选位置最多的聚合的重心作为该IP段对应的地理位置。该方法不仅能够实现街道级的定位精度，同时也具备响应快和部署简单等优点。
-
公开(公告)号：CN106033449B
公开(公告)日：2020-06-26
申请号：CN201510116198.4
申请日：2015-03-17
Applicant: 哈尔滨工业大学深圳研究生院 , 腾讯科技(深圳)有限公司
IPC: G06F16/2458
Abstract: 本发明公开了一种项集挖掘方法及装置，属于数据挖掘领域。所述方法包括：获取自定义的权重和最低期望权重阈值ε；根据数据项的发生概率和权重，计算不确定性数据库D中的项集的项权重概率上限iubwp，将iubwp≥|D|*ε的项集挖掘为高期望权重上限项集HUBEWI；计算每个HUBEWI的期望权重支持度expWSup，将expWSup≥|D|*ε的HUBEWI挖掘为高权重项集HEWI。本发明通过计算项集的项权重概率上限得到高期望权重上限项集，再计算高期望权重上限项集的期望权重支持度获取高权重项集，以少量计算量先挖掘出高期望权重上限项集作为候选项集，缩小高权重项集的挖掘范围，解决了挖掘高权重项集只能处理精确数据，尚无针对不确定性数据库的高权重项集挖掘技术的问题，达到了提高挖掘的效能的效果。
-
公开(公告)号：CN106033449A
公开(公告)日：2016-10-19
申请号：CN201510116198.4
申请日：2015-03-17
Applicant: 哈尔滨工业大学深圳研究生院 , 腾讯科技(深圳)有限公司
IPC: G06F17/30
Abstract: 本发明公开了一种项集挖掘方法及装置，属于数据挖掘领域。所述方法包括：获取自定义的权重和最低期望权重阈值ε；根据数据项的发生概率和权重，计算不确定性数据库D中的项集的项权重概率上限iubwp，将iubwp≥|D|*ε的项集挖掘为高期望权重上限项集HUBEWI；计算每个HUBEWI的期望权重支持度expWSup，将expWSup≥|D|*ε的HUBEWI挖掘为高权重项集HEWI。本发明通过计算项集的项权重概率上限得到高期望权重上限项集，再计算高期望权重上限项集的期望权重支持度获取高权重项集，以少量计算量先挖掘出高期望权重上限项集作为候选项集，缩小高权重项集的挖掘范围，解决了挖掘高权重项集只能处理精确数据，尚无针对不确定性数据库的高权重项集挖掘技术的问题，达到了提高挖掘的效能的效果。
-
公开(公告)号：CN106445975B
公开(公告)日：2020-04-21
申请号：CN201510493081.8
申请日：2015-08-12
Applicant: 哈尔滨工业大学深圳研究生院 , 腾讯科技(深圳)有限公司
IPC: G06F16/22 , G06F16/2458 , G06Q30/02
Abstract: 本发明公开了一种项集挖掘方法及装置，属于数据挖掘领域。所述方法包括：获取自定义的多重最低效用阈值MMU表；MMU表中包括数据库D中各个数据项与最低效用阈值的对应关系；计算数据库D中项集的项集效用值；根据MMU表，计算数据库D中各个项集各自对应的项集最低效用阈值MIU；项集中包含至少一个数据项；当项集效用值≥MIU时，将该项集确定为高效用项集HUI。本发明解决了现有的基于HUIM的算法中，都是将项集的项集效用值是否大于唯一的最低效用阈值作为衡量标准，导致挖掘出的HUI不准确的问题，达到了根据不同项集制定不同的HUI衡量标准，从而提高挖掘出的HUI准确性的效果。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.05 seconds)
