一种基于内容和评分的组合预测方法

    公开(公告)号:CN105183748B

    公开(公告)日:2018-11-06

    申请号:CN201510408040.4

    申请日:2015-07-13

    Abstract: 本发明公开了一种基于内容和评分的组合预测方法,属于推荐系统领域。本发明包括:根据用户信息以及物品信息生成用户和物品特征,根据现有用户对物品的评分生成内容特征,使用评分作为类标,将类标与生成的内容特征结合,作为分类器的输入进行训练得到基于内容的评分预测模型,通过对现有的用户‑物品评分矩阵进行填充形成更为稠密的用户‑物品评分矩阵,通过对稠密的用户‑物品评分矩阵进行学习从而形成最终的预测结果。本发明通过利用用户的个人信息以及物品的信息来提高最终评分预测的精确度。

    多源数据的选址模型及其应用研究

    公开(公告)号:CN106548367A

    公开(公告)日:2017-03-29

    申请号:CN201610890504.4

    申请日:2016-10-12

    CPC classification number: G06Q30/0205

    Abstract: 多源数据的选址模型及其应用研究主要基于三个数据集:公交IC乘客刷卡数据集、电信用户通话数据集、信息点数据集。结合多源数据集,提出了一种基于多源数据集的选址模型建立方法,从多源数据集提取出一些可能对选址产生影响的特征指标,引入支持向量机技术对这些特征指标进行学习得出选址模型,最终确定候选位置是否适合选址。设计并实现了基于支持向量机的选址建模系统,并通过实际案例验证了该方法的可行:本发明详细描述了基于多源数据集建立选址模型这一方法,然后具体开发设计了一个支持向量机选址建模系统,并通过一个实际案例对所提方案进行了测试评估,测试结果说明,使用SVM支持向量机得出的选址模型准确性较高。

    一种基于内容互信的协同主题回归标签推荐方法

    公开(公告)号:CN105808786A

    公开(公告)日:2016-07-27

    申请号:CN201610205961.5

    申请日:2016-04-05

    CPC classification number: G06F17/30867 G06F17/30884

    Abstract: 本发明是一种面向物品的基于信任内容互相传播的标签推荐混合方法。本发明将普遍存在于用户间的社交关系以及在该关系网络中传播的信任机制应用到物品之间,结合物品的内容信息,使用主题模型,矩阵分解技术提出了一种基于内容互信的协同主题回归的混合模型。不同于传统的协同过滤方法将推荐目标看做相互独立的个体,该混合模型不仅可以将多种数据信息统一到一个模型中集中处理,还可以通过主题之间的相互作用,表现出物品之间存在的关系。通过实验,本发明得到了较传统协同过滤推荐方法更高的推荐精度。

    一种基于词语对齐模型的web评论情感分析方法

    公开(公告)号:CN105117428A

    公开(公告)日:2015-12-02

    申请号:CN201510471154.3

    申请日:2015-08-04

    CPC classification number: G06F17/30864 G06F17/277 G06F17/2785

    Abstract: 本发明属于自然语言处理情感分析领域,公开了一种基于词语对齐模型的web评论情感分析方法。该方法具体内容包括:从网页上获取评论信息并对这些内容进行预处理;基于改进的机器翻译模型,获取评论中的候选情感词和候选评价对象词;然后利用情感词和评价对象词语之间的情感关系和词语本身的特性指标,从候选词列表中抽取出情感词和评价对象;最后用一种有效的多分类回归模型对评价对象对应的情感词进行情感倾向判定。本发明在多个类别的评论数据集上进行了实验,得到了较好的实验结果。

    一种基于智能手机加速度传感器的用户基础属性预测方法

    公开(公告)号:CN104601817A

    公开(公告)日:2015-05-06

    申请号:CN201510027973.9

    申请日:2015-01-20

    Abstract: 本发明通过分析用户智能手机返回的加速度传感器数据,预测用户的年龄和性别等基础属性。根据用户在一段时间里加速度传感器返回的数据,进行统计分析,计算并提取特征值,最终得到特征向量。通过用户ID将用户的基础属性和特征向量关联起来,分析加速度传感器数据与用户基础属性之间的关系,达到依据加速度传感器数据预测用户基础属性的目的。采用SVM模型实现对用户的基础属性的分类预测。本发明将用户的性别作为男和女的二分类问题处理,年龄分段之后作为多分类问题处理。本发明实施例的有益效果是,通过分析用户智能手机的流量数据可以对用户的性别、年龄等基础属性做出预测,经过实验能够获得有效的预测效果。

    一种基于邻居关系的移动用户基础属性预测方法

    公开(公告)号:CN104281634A

    公开(公告)日:2015-01-14

    申请号:CN201410092544.5

    申请日:2014-03-13

    Inventor: 秦臻 夏勇 程红蓉

    CPC classification number: G06F16/955 G06F16/951

    Abstract: 本发明通过分析移动用户的浏览内容,预测用户的年龄和性别等基础属性。从用户的浏览日志出发,将用户的浏览行为分类,得出用户的点击矩阵,采用SVD方法得到用户的关系反馈矩阵。分析用户的浏览行为和用户之间的关系,从而通过用户的浏览行为预测用户的基础属性。采用SVM模型实现对用户的基础属性的分类预测。本发明将用户的性别作为男和女的二分类问题处理,年龄分段之后作为多分类问题处理。本发明实施例的有益效果是,通过分析移动用户的浏览行为可以对用户的性别、年龄等基础属性做出预测,其中对年龄的预测能够达到80%以上的准确率,对性别的预测能够达到85%以上的准确率。

    一种基于人工免疫与行为特征的垃圾邮件识别方法

    公开(公告)号:CN101594312B

    公开(公告)日:2012-12-26

    申请号:CN200810044484.4

    申请日:2008-05-30

    Abstract: 本发明涉及互联网技术,公开了一种邮件行为特征库生成方法、垃圾邮件判断方法、垃圾邮件特征库更新方法。从本发明实施提供的以上技术方案可以看出,本发明实施采用分类已知的邮件的行为特征库生成方法,并使用生成的特征对分类未知的邮件进行判断。在识别未分类邮件时,除了计算未知邮件与抗体库中已知垃圾邮件的行为特征相似度外,还设置分数集。通过计算总分数,查看未知邮件其行为特征趋近于垃圾邮件的程度。通过双重标准可以更准确的识别垃圾邮件。在数据库更新时,用已经识别垃圾邮件,通过克隆变异算法实现抗体库的更新,更能适应一定时期内垃圾邮件行为特征变化趋势和垃圾邮件变化趋势。

    一种基于人工免疫与行为特征的垃圾邮件识别方法及装置

    公开(公告)号:CN101594312A

    公开(公告)日:2009-12-02

    申请号:CN200810044484.4

    申请日:2008-05-30

    Abstract: 本发明涉及互联网技术,公开了一种邮件行为特征库生成方法及装置、垃圾邮件判断方法、装置及系统、垃圾邮件特征库更新方法及装置。从本发明实施例提供的以上技术方案可以看出,本发明实施例采用分类已知的邮件的行为特征库生成方法,并使用生成的特征对分类未知的邮件进行判断。在识别未分类邮件时,除了计算未知邮件与抗体库中已知垃圾邮件的行为特征相似度外,还设置分数集。通过计算总分数,查看未知邮件其行为特征趋近于垃圾邮件的程度。通过双重标准可以更准确的识别垃圾邮件。在数据库更新时,用已经识别垃圾邮件,通过克隆变异算法实现抗体库的更新,更能适应一定时期内垃圾邮件行为特征变化趋势和垃圾邮件变化趋势。

    一种基于CycleGAN与伪标签的目标检测自适应模型的构建方法

    公开(公告)号:CN111882055A

    公开(公告)日:2020-11-03

    申请号:CN202010540046.8

    申请日:2020-06-15

    Abstract: 本发明公开了一种基于CycleGAN与伪标签的目标检测自适应模型的构建方法,包括:S1,源域数据集和目标域数据集预处理;S2,使用CycleGAN网络将源域数据集转换为接近目标域数据集的中间域数据集,并将中间域数据集输入Faster R-CNN网络进行训练,得到初步域自适应模型Q;将目标域数据集重新输入到模型Q中,获得带伪标签的目标域数据集;S3,将中间域数据集与带伪标签的目标域数据集轮流输入模型Q进行迭代式地更新与优化,最终得到基于CycleGAN与伪标签的目标检测域自适应模型。本发明通过利用置信度改进Faster R-CNN网络的目标检测总损失函数来训练得到的目标检测域自适应模型,能够解决两个域之间由于存在分布差异而导致目标检测出现域漂移的问题。

    一种基于ORB特征点的运动估计方法

    公开(公告)号:CN111667506A

    公开(公告)日:2020-09-15

    申请号:CN202010405359.2

    申请日:2020-05-14

    Abstract: 本发明公开了一种基于ORB特征点的运动估计方法,包括如下步骤:步骤1,采用oFAST特征点与rBRIEF描述子相结合的方式分别提取两帧图像的ORB特征点;步骤2,对两帧图像的ORB特征点进行基于暴力匹配BF和PROSAC的特征匹配,得到最优拟合模型;步骤3,基于所述最优拟合模型,并混合GICP与ICP算法进行运动估计。本发明建立了混合ICP与GICP的运动估计算法估算出机器人的运动轨迹,并在其中采用了基于暴力匹配BF与渐进采样一致性算法PROSAC的从粗到精的特征匹配方法,能够减少因受到干扰而出现的误匹配现象。

Patent Agency Ranking