-
公开(公告)号：CN114880550A
公开(公告)日：2022-08-09
申请号：CN202210344135.4
申请日：2022-04-02
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06Q30/06 , G06K9/62
Abstract: 本发明提出一种融合多方面时域信息的序列推荐方法、设备和介质。本发明考虑三种时域信息来提高序列推荐的性能，构建融合多方面时域信息的序列推荐模型，模型包含三个部分，每一部分利用一种多粒度时域信息生成下一个用户可能感兴趣的物品表示。所述模型具体包括绝对时间模块，相对物品时间间隔模块和相对推荐时间间隔模块。三个模块经过有效的融合生成最终用户下一时刻感兴趣的物品表示，从而大大提高序列推荐性能。
-
公开(公告)号：CN114841400A
公开(公告)日：2022-08-02
申请号：CN202210299336.7
申请日：2022-03-25
Applicant: 哈尔滨工程大学 , 北京电子工程总体研究所
Abstract: 本发明提出基于多任务时空图卷积的空气质量预测方法。本发明所述方法使用记忆网络、注意力机制，多层图卷积网络等技术构建基于多任务的深度时空序列数据预测模型，利用单一站点的本地属性和整体站点的全局属性，动态的构建站点间的邻接关系图；利用多层图卷积分别聚合单一站点的时序关系以及邻居站点的空间关系；利用多任务协同训练策略既考虑细粒度站点级别的预测任务，也充分考虑了粗粒度城市级别的预测任务，大大提高了时空序列数据预测效果。
-
公开(公告)号：CN112733018A
公开(公告)日：2021-04-30
申请号：CN202011636004.0
申请日：2020-12-31
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于图神经网络GNN和多任务学习Multi‑task Learning的会话推荐方法，包括以下步骤：采集用户在电子商务网站的点击数据，建立用户会话数据集；根据用户会话数据，构建用户会话有向图；构建GNN‑MulitTask‑Learning神经网络模型，并训练输出用户会话表示；根据输出的用户会话表示输入打分函数计算所有候选项目的推荐概率，进行个性化推荐。本发明是针对会话推荐场景中，获取用户点击项项目之间关系，以及历史会话对当前会话的影响，并通过多任务学习增加隐性数据，使用户表示更具通用性和可迁移性，更准确预估用户对项目的偏爱，捕捉用户兴趣趋势，提高了用户对项目的点击率。
-
公开(公告)号：CN107105052B
公开(公告)日：2020-02-14
申请号：CN201710343392.5
申请日：2017-05-16
Applicant: 哈尔滨工程大学
IPC: H04L29/08
Abstract: 本发明提供的是一种基于图规划的启发式Web服务组合方法。首先对服务组合问题进行建模，阐述了其与智能规划问题的对应关系；为了解决基于图规划的服务组合算法的盲目搜索的缺点，提出了状态距离的概念，分析和证明了其在可达性分析中的作用，给出了状态距离矩阵的构建方法；依据状态距离矩阵，设计启发函数对服务的可达性进行估计，修剪不必要的服务，减小规划图的规模，提高算法的求解效率。
-
公开(公告)号：CN110442800A
公开(公告)日：2019-11-12
申请号：CN201910659962.0
申请日：2019-07-22
Applicant: 哈尔滨工程大学
IPC: G06F16/9536
Abstract: 一种融合节点属性和图结构的半监督社区发现方法，属于网络分析技术领域。包括以下步骤：1)计算m个属性的信息熵；2)计算属性相似度；3)利用Jaccard相似度计算结构相似度；4)计算属性和结构总的相似度；5)寻找K个初始社区；6)初始化初始社区矩阵；7)结合半监督方法计算出社区划分矩阵；8)计算平衡值(trade-off)分析参数的合理取值范围9)根据trade-off和模块度获得最优的模块度及社区发现结果。本发明通过不断调节算法中涉及的参数来得到一种合理地划分方式，并最后给出对于社区发现最优结果以及算法参数合理范围；融合属性进行社区发现，给出了属性所占比例的合理范围，社区发现模块度和紧密度得到提高。
-
Patent Agency Ranking
公开(公告)号：CN108776763A
公开(公告)日：2018-11-09
申请号：CN201810589946.4
申请日：2018-06-08
Applicant: 哈尔滨工程大学
IPC: G06F21/62
Abstract: 本发明公开了一种基于属性相关的差分隐私保护方法，属于信息安全技术领域。本发明采取投影转换的思想，提出了新的面向属性相关的隐私保护方法。该方法不仅考虑了属性之间存在相关性的情况，而且利用这种相关关系减少噪声的加入。即利用最大信息系数衡量各敏感属性相关关系，构建最大信息系数矩阵；从而构造投影算子，获得投影矩阵，该结构的使用使得维度降低，在提供相同的隐私保证的情况下，所需噪声数减少。
-
公开(公告)号：CN106446923A
公开(公告)日：2017-02-22
申请号：CN201610352489.8
申请日：2016-05-25
Applicant: 哈尔滨工程大学
IPC: G06K9/62
CPC classification number: G06K9/6268
Abstract: 本发明属于医疗健康数据挖掘领域，具体涉及一种基于角点匹配的医学图像分类方法。本发明包括：待分类的医学图像I提出分类请求；提取I的角点序列C；初始匹配角点对序列集DS的计算；初始匹配角点对序列集DS的计算；最大匹配角点对序列集DM的计算；公共K近邻匹配角点对序列集DT的计算；计算和I最相似的t幅医学图像；根据投票机制输出I的类标签。本发明提出了一对一的最大匹配角点对序列的定义，给出了将一对多的匹配角点对序列中求解一对一的最大匹配角点对序列问题转化为求二分图最大匹配的问题并利用匈牙利算法进行求解，并提出了基于匹配角点对的医学图像相似度计算公式，此公式既考虑了匹配角点对序列，也考虑了未匹配上的角点，提高了角点匹配的准确度，从而提高了分类结果的准确度。
-
公开(公告)号：CN104217213A
公开(公告)日：2014-12-17
申请号：CN201410409810.2
申请日：2014-08-20
Applicant: 哈尔滨工程大学
IPC: G06K9/62
Abstract: 本发明属于医疗信息技术领域，具体涉及一种基于对称性理论的医学图像多阶段分类方法。本发明包括：待分类图像提出分类请求,待分类图像应为原始医学图像数据；图像预处理过程：图像建模；多阶段分类；展示结果。本发明提出的弱对称性和强对称性的概念是对医学图像的一个重新定义。提出弱对称性判定算法和强对称性判定算法实现医学图像的多阶段的分类。这种多阶段分类的分类准确率很高，每一个阶段直接的衔接逐层深入，从而提高医生的诊断精度和缩短诊断时间。采用对称性理论实现医学图像的分类，使基于对称性理论的医学图像多阶段分类方法具有更高的准确性。
-
公开(公告)号：CN119323248A
公开(公告)日：2025-01-17
申请号：CN202411358418.X
申请日：2024-09-27
Applicant: 哈尔滨工程大学
IPC: G06N5/02 , G06N3/0455 , G06N3/0895 , G06N3/0464 , G06N3/042
Abstract: 一种基于结构和文本信息动态融合的超关系知识图谱表示方法及其系统，属于知识图谱表示技术领域。解决现有超关系知识图谱表示方法没有考虑到超关系知识图谱中的丰富文本信息问题。方法使用图卷积神经网络、软提示词微调、预训练语言模型、Transformer以及对比学习等技术构建了一种基于结构和文本信息动态融合的超关系知识图谱表示方法。该方法能够增强图谱中实体和关系的表示。除此之外，本发明还充分考虑了负样本在训练过程中的效率问题，提出了一种基于对比学习的负采样方法，提升了训练效率和模型预测效果。本发明适用于知识图谱补全领域中的知识图谱表示技术。
-
公开(公告)号：CN114491248B
公开(公告)日：2024-10-29
申请号：CN202210067403.2
申请日：2022-01-20
Applicant: 哈尔滨工程大学
IPC: G06F16/9535 , G06N3/045 , G06N3/0442
Abstract: 本发明提出了一种基于用户多意图演进的序列推荐方法，所述方法具体包括：采集用户的历史交互数据，并对数据进行预处理；设计多意图提取模块，捕获用户的多个意图；设计意图感知重映射层，将序列的顺序信息和时间信息显示地注入到用户项目的交互序列中；设计意图感知演进层，捕捉用户每个兴趣意图的动态偏移；设计多意图聚合模块，在更精细的意图粒度上捕获具有更多信息的用户表示。本发明可以同时考虑用户历史交互序列中的潜在多意图、不同意图的动态演变以及丰富候选物品的特征表示最大化的利用多意图嵌入的好处，从而达到提升推荐性能的目的。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.027 seconds)
