公开(公告)号：CN118521375A

公开(公告)日：2024-08-20

申请号：CN202410621598.X

申请日：2024-05-20

Applicant: 杭州电子科技大学

Inventor： 谭敏 ,  潘毅诚 ,  闯名扬

IPC: G06Q30/0601 ,  G06V10/20 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/047 ,  G06N3/08

Abstract: 本发明公开了一种融合兼容性偏好学习套装推荐方法。本发明步骤包括；构建用户历史行为序列中的套装兼容性得分集合；搭建一层的MLP网络，随机初始化网络参数；将用户历史行为序列套装的兼容性得分集合通过MLP网络求解得到用户历史行为序列的整体兼容性得分；将用户历史行为序列的整体兼容性得分与目标推荐套装的兼容性得分进行向量相乘，并通过sigmoid激活函数来求解用户对该目标套装的兼容性偏好概率矩阵；将兼容性偏好概率矩阵与目标套装的兼容性得分进行点乘，使用加权后的目标套装兼容性得分作为最终的目标套装兼容性得分；建立端到端的深度学习模型并训练测试。本发明能在常用套装推荐数据集上取得较好推荐结果。

公开(公告)号：CN113139587B

公开(公告)日：2024-02-06

申请号：CN202110350164.7

申请日：2021-03-31

Applicant: 杭州电子科技大学

Inventor： 谭敏 ,  袁富 ,  俞俊

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明提出了一种自适应交互结构学习的双二次池化模型。本发明步骤如下：首先利用层次化深度模型提取图像的多级深度特征，在跨级特征间获得多组双二次池化特征后，构建维度为池化组个数的权重向量；在深度网络中添加权重与池化特征的乘法模块，在加权池化特征上进行分类；其次对整个权重向量施加L1范数的稀疏约束；然后设计监督模块，在所有加权池化特征上构建分类损失。4、根据上述步骤建立多任务端到端的深度学习模型，在特定数据集上训练并微调整个网络，将最终模型在测试集上测试性能。本发明能针对特定数据集自适应挖掘最合适的交互结构，具有很强的现实性和普适性。

公开(公告)号：CN117272130A

公开(公告)日：2023-12-22

申请号：CN202311052718.0

申请日：2023-08-21

Applicant: 杭州电子科技大学

Inventor： 谭敏 ,  葛炳航 ,  俞俊

IPC: G06F18/241 ,  G06F18/2113 ,  G06F18/214 ,  G06F18/21 ,  G06F18/2136 ,  G06Q30/0601 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/08

Abstract: 本发明公开了基于特征选择去偏的推荐系统点击预测方法。首先进行数据预处理，将数据中的特征进行特征组合和特征映射，对组合特征进行偏差分析和重要性评估；再基于双塔模型架构搭建主塔网络和去偏塔网络；之后模型训练和特征选择，最后对模型训练效果进行评估。本发明基于经典的双塔模型，对偏置特征单独建模，通过加入具有重要偏差信息的组合特征和在训练过程中特征选择的方法，将去偏方法应用到深度推荐模型，在模型的训练过程中有效学习偏差信息，减少数据偏差对推荐结果的影响，实现更为准确的CTR预测。

公开(公告)号：CN111191691B

公开(公告)日：2023-09-29

申请号：CN201911296150.0

申请日：2019-12-16

Applicant: 杭州电子科技大学

Inventor： 俞俊 ,  谭敏 ,  周剑

IPC: G06V10/764 ,  G06N3/0464 ,  G06V10/82 ,  G06N3/08 ,  G06F40/289 ,  G06F40/30

Abstract: 本发明公开了一种基于词性分解的深度用户点击特征的细粒度图像分类方法。本发明先利用从互联网上获取到的用户点击数据，利用自然语言处理的分词、词干化、去除停顿词等技术获得单词，同时获得单词的词性，分词性在得到的单词中挑选合适的关键词，然后利用得到的关键词和其对应的词频得到词频逆文档频率特征，再把通过这种方式获得的特征向量进行整合，得到一个特征张量，最后利用这种特征，专门构建并适用于该种这特征的网络进行分类。本发明在获得高精确率的前提下，可以有效决解传统方法所不能克服的语义鸿沟的问题。该方法的另一个好处，得益于网络结构的小巧，容易部署，更加适合实际的生产实践活动。该方法最终在Clickture‑Dog的数据集上取得了优异的结果。

公开(公告)号：CN116798655A

公开(公告)日：2023-09-22

申请号：CN202310037432.9

申请日：2023-01-09

Applicant: 杭州电子科技大学

Inventor： 高志刚 ,  张耀 ,  岑伟鹏 ,  吴丁杰 ,  谭敏

IPC: G16H80/00 ,  G16H50/20 ,  G06F18/25 ,  G06F40/211 ,  G06F40/295 ,  G06F40/35

Abstract: 本发明公开了基于选择性多特征融合的对话式问诊症状识别方法和用于实现该方法的装置。所述识别方法包括两个主要步骤，在症状实体识别部分，对文本中存在的症状实体进行识别，从而过滤掉干扰的文本数据；在症状推理部分，模型通过训练两个目标任务，根据任务预测的结果，推理出患者目前的症状信息。该方法融合了依存句法相关的上下文信息以及角色相关的信息，并根据任务的特点，选择性地融合了这些信息，使得模型提取的特征信息更加完备，同时模型的鲁棒性更好，在预测精度方面，明显高于其他模型，能够有效地识别出文本对话数据中存在的症状实体，辅助医生进行病情诊断和病历填写，提高医生问诊的效率。

公开(公告)号：CN115795153A

公开(公告)日：2023-03-14

申请号：CN202211503601.5

申请日：2022-11-28

Applicant: 杭州电子科技大学

Inventor： 马涵 ,  张艺骞 ,  俞俊 ,  谭敏 ,  丁家骏

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明公开了一种基于特征交互和分数集成的CTR推荐方法。本发明步骤如下：1、将所有特征分为4类：Q_U_I特征、用户行为特征、域相关特征和域ID特征；2、使用场景交互细化模块，对Q_U_I特征和域相关特征进行交互得到组合特征。将组合特征与用户历史行为特征、Q_U_I特征和域相关特征拼接起来，最终得到backbone的输入特征；3、使用专家投影模块提取差异化的公共特征；4、使用门控机制对公共特征和特定特征进行加权和，得到各视图的高级融合特征。然后输入到对应的MLP中得出各视图的分数，再使用门控机制集成分数，经过激活函数sigmoid，得到最终预测结果；5、使用损失函数进行优化。本发明能够捕获特征空间和标签空间中固有的相关性信息，提高多域CTR预测的正确率。

公开(公告)号：CN115035068A

公开(公告)日：2022-09-09

申请号：CN202210680710.8

申请日：2022-06-15

Applicant: 杭州电子科技大学

Inventor： 谭敏 ,  王瑞瑞 ,  俞俊

IPC: G06T7/00 ,  G06T7/90 ,  G06V40/16 ,  G06V10/56 ,  G06V10/764 ,  G06V10/82 ,  G06V10/774 ,  G06V10/776 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提出了一种自适应肤色的跨域自拍人脸痘痘分级的图像分类方法。本发明的步骤如下：1、在源域和目标域之间，利用对抗生成网络模型进行跨域数据增强来缩小域偏移。2、构建两个门控网络自适应学习最佳样本权重。其中构建一个专家门控网络自适应学习最优特征权重，一个肤色门控网络自适应学习最优肤色权重。3、在源域和目标域之间，利用多核的最大化均值差异方法对样本特征进行对齐，目的是缩小源域与目标域之间的域偏差。4、根据上述步骤建立多任务端到端的深度学习模型，在特定数据集上训练整个网络，将最终模型在测试集上测试性能。本发明能针对特定数据集自适应学习最合适的样本权重分配，具有很强的现实性和普适性。