-
公开(公告)号：CN110119467B
公开(公告)日：2023-05-02
申请号：CN201910398877.3
申请日：2019-05-14
Applicant: 苏州大学
IPC: G06F16/951 , G06F16/9535
Abstract: 本发明公开了一种基于会话的项目推荐方法、装置、设备及计算机可读存储介质；在本方案中，通过用户的历史会话序列构建出一个有向的会话结构图，基于该会话结构图，图神经网络能够捕捉相邻项目之间的转换，并且生成该图中所有节点的隐含状态向量，然后运用自注意力机制来建模长距离依赖，最后把用户的全局偏好和当前局部偏好的线性组合作为当前会话的隐含向量来预测下一次点击的概率，本方案利用自注意力网络和图神经网络的互补优势，实现了对项目的精准推荐。
-
公开(公告)号：CN115423566A
公开(公告)日：2022-12-02
申请号：CN202211134934.5
申请日：2022-09-19
Applicant: 苏州大学
Abstract: 本申请公开了一种模型训练方法、装置、设备及存储介质，涉及计算机技术领域，包括：获取用户交互序列中的物品ID，基于所述物品ID获取物品嵌入向量；基于全部物品嵌入向量生成物品嵌入矩阵，将物品嵌入矩阵输入至动态混合层和通道混合层，得到动态混合矩阵；基于动态混合矩阵与预设损失函数得到当前损失值，判断当前损失值是否满足预设条件；若满足预设条件，则基于当前动态混合层和通道混合层中的当前参数得到目标模型。本申请通过物品的ID获取对应的物品嵌入矩阵，然后通过动态混合层和通道混合层得到动态混合矩阵，再基于预设损失函数确定最终的模型参数，从而得到目标模型，增强了模型的稳健性与效率，并提升了模型在使用过程中答案的准确性。
-
公开(公告)号：CN111506814A
公开(公告)日：2020-08-07
申请号：CN202010273754.X
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06F16/9535 , G06F17/16 , G06N3/08
Abstract: 本申请公开了一种基于变分自注意力网络的序列推荐方法，该方法将变分自编码器引入自注意力网络以捕获用户的潜在偏好，一方面通过变分推断将获得的自注意力向量表示为密度，其方差可以很好地表征用户偏好的不确定性，另一方面采用自注意力网络来学习变分自编码器的推理过程和生成过程，使其可以很好地捕获长期和短期依赖，能够更好捕获用户偏好的不确定性和动态性，提升了推荐结果的准确性。此外，本申请还提供了一种基于变分自注意力网络的序列推荐装置及设备，其技术效果与上述方法的技术效果相对应。
-
公开(公告)号：CN111369324A
公开(公告)日：2020-07-03
申请号：CN202010171709.3
申请日：2020-03-12
Applicant: 苏州大学
Abstract: 本发明公开了一种目标信息确定方法，包括：对获取到的用户数据进行特征提取处理，得到特征信息；利用周期性预测通道对特征信息进行周期预测处理，得到周期性特征；利用衰减性预测通道对特征信息进行衰减预测处理，得到衰减性特征；利用周期性特征和衰减性特征对用户数据对应的多个信息进行筛选，得到目标信息；该方法利用周期性预测通道与衰减性预测通道相结合的方法，使目标信息的确定过程包括了信息周期的影响，因此可以准确地对用户数据对应的多项信息进行筛选，确定当前需要的信息，即目标信息，改善了用户的使用体验；此外，本发明还提供了一种目标信息确定装置、目标信息确定设备及计算机可读存储介质，也具有上述有益效果。
-
公开(公告)号：CN106951963B
公开(公告)日：2020-05-22
申请号：CN201710197975.1
申请日：2017-03-29
Applicant: 苏州大学
IPC: G06N5/02
Abstract: 本发明公开了一种知识精炼的方法以及装置，通过获取自动抽取的知识库内的候选知识子集；根据众包任务选择算法，从候选知识子集中选取出第一预设数量的最优知识子集，其中，众包任务选择算法为以语义约束规则为基础的算法，第一预设数量小于或等于预设众包任务数量；基于最优知识子集，发布众包任务，得到任务反馈结果；根据任务反馈结果，对知识库进行去噪操作。即基于众包平台，对自动抽取的知识库内的知识进行精炼，也即利用人工标注去除自动抽取的知识库的噪声，使得知识库内的知识质量较高。且选取出预设数量的候选知识子集实施众包任务，使得在有限的资源下最大化知识质量的提升。可见，本申请有利于提高自动抽取的知识库内的知识质量。
-
Patent Agency Ranking
公开(公告)号：CN110119479A
公开(公告)日：2019-08-13
申请号：CN201910409277.2
申请日：2019-05-16
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/958 , G06Q10/06 , G06Q10/04 , G06Q30/02 , G06Q50/12 , G06N3/04
Abstract: 本发明公开了一种餐馆推荐方法，该方法包括：获取用户对餐馆的历史评分数据，并利用历史评分数据构建用户餐馆评分矩阵；获取各个待选餐馆的美食图片，利用评分预测模型提取美食图片的视觉特征；其中，视觉特征包括CNN特征和美学特征；利用评分预测模型将用户餐馆评分矩阵中未评分餐馆对应的视觉特征转化为预测评分，获得用户餐馆预测评分矩阵；利用用户餐馆预测评分矩阵向用户推荐感兴趣餐馆。本方法通过结合美食图像的美学特征中隐含的用户偏好和餐馆内容，可向用户推荐满足用户偏好的餐馆，使得餐馆推荐准确率更佳，可提升用户体验。本发明还公开了一种餐馆推荐装置、设备及可读存储介质，具有相应的技术效果。
-
公开(公告)号：CN103257983B
公开(公告)日：2016-06-15
申请号：CN201210330860.2
申请日：2012-09-10
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明在于公开了一种基于唯一性约束的Deep Web实体识别方法，方法包括两个主要步骤：首先从硬性约束角度出发，将问题归结为一个k部图聚类问题，提出了聚类算法；然后将其扩展到软性约束条件下，将实体识别问题归结为优化问题，并提出了匹配算法。本发明将记录连接和数据融合集成起来并以一种全局的方式应用它们，提出了在硬性约束下的k部图聚类问题，并将它扩展到软性约束的情况中；同时基于属性值的相似性和同一记录里属性之间的关联性做出全局性的决策，能够识别不正确的值并且将它们从一开始就和正确的值区分开来，从而获得更好的识别效果；且本发明方法对属性值进行聚类从而表现出更加细粒度的聚类效果。
-
公开(公告)号：CN103257981B
公开(公告)日：2016-04-13
申请号：CN201210191981.3
申请日：2012-06-12
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明在于公开了一种基于查询接口属性特征的Deep Web数据表面化方法，包括查询接口模式信息抽取；清洗查询无关的属性；清洗垃圾属性值；属性分类；组装查询；查询集合；判断是否达到一定覆盖度；若是，则该方法流程结束；若不是，判断查询集合是否为空；若是，则将数据经领域样本库提交到样本库中；若不是，则将数据经数据爬取模块和数据记录抽取模块提交到样本库中。本发明基于查询接口属性特征的数据表面化方法可以取得较高的数据表面化效率，并能够有效解决查询接口中Top-k的问题。
-
公开(公告)号：CN104778284A
公开(公告)日：2015-07-15
申请号：CN201510236691.X
申请日：2015-05-11
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明的空间图像查询方法和系统，在接收到用户提交的空间图像查询请求后，对该请求中所包含的携带位置信息的查询图像进行预设处理，得到查询图像的视觉词袋模型；之后，利用查询图像的视觉词袋模型及位置信息，对图像数据集进行基于图像内容及位置信息的搜索，实现基于图像内容相似度及空间临近度的top-k图像(最优的k个图像)查询，供用户参考。可见，区别于传统的图像查询技术依据关键词进行文本查询，本发明依据用户提交的图像进行基于图像内容(采用视觉词袋模型表征)的查询，不存在文本查询中所存在的局限性问题，可有效处理空间图像的查询问题。
-
公开(公告)号：CN103020111B
公开(公告)日：2015-06-17
申请号：CN201210422998.5
申请日：2012-10-29
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明公开了一种图像检索方法，基于词汇树层次语义模型实现。首先提取图像包含颜色信息的SIFT特征来构造图像库的特征词汇树，生成描述图像视觉信息的视觉词汇。并在此基础上利用Bayesian决策理论实现视觉词汇到语义主题信息的映射，进而构造了一个层次语义模型，并在此模型基础上完成了基于内容的语义图像检索算法。通过检索过程中用户的相关反馈，不仅可以加入正反馈图像扩展图像查询库，同时能够修正高层语义映射。实验结果表明，本发明的检索方法性能稳定，并且随着反馈次数的增加，检索效果明显提升。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.055 seconds)
