-
公开(公告)号：CN108363724A
公开(公告)日：2018-08-03
申请号：CN201810008875.4
申请日：2018-01-04
Applicant: 浙江大学
IPC: G06F17/30
Abstract: 本发明公开了一种利用图像正则化及数据重建解决特征提取任务的方法。主要包括如下步骤：1)针对于一组数据点，构建其权重矩阵及对应的拉普拉斯矩阵。2)随机初始化特征提取矩阵与重建系数矩阵，迭代更新特征提取矩阵与重建系数矩阵，得到最终收敛的特征提取矩阵作为特征提取的依据。相比于一般的项目推荐解决方案，本发明使用了图像正则化与数据重建相结合的方法，则能够提取出更有效的数据特征。本发明在数据特征提取问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN108038080A
公开(公告)日：2018-05-15
申请号：CN201711230589.4
申请日：2017-11-29
Applicant: 浙江大学
Abstract: 本发明公开了一种利用适应性相似结构规则化进行局部多模态稀疏编码补全的方法。主要包括如下步骤：1)针对于已有的局部多模态数据结合概率邻居矩阵的方法得到利用适应性相似结构规则化进行局部多模态稀疏编码补全的最终目标函数。2)针对于获得的目标函数，利用相应的优化算法学习概率邻居P、统一稀疏编码α与多模态基向量词典D，从而获得最终的稀疏编码。相比于一般的稀疏编码解决方案，本发明能够合理利用局部多模态数据，并产生更加符合相似性要求的稀疏编码。本发明在稀疏编码问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN107807919A
公开(公告)日：2018-03-16
申请号：CN201711131318.3
申请日：2017-11-15
Applicant: 浙江大学
Abstract: 本发明公开了一种利用循环随机游走网络进行微博情感分类预测的方法。主要包括如下步骤：1)针对于一组用户及微博博文数据集，构建用户之间及用户与微博博文之间相互关系的网络。并且针对于形成的网络，利用循环随机游走网络形成用户微博情感分类预测函数。2)对于得到的用户微博情感分类预测函数，产生对于用户微博情感的分类预测。相比于一般的用户微博情感分类解决方案，本发明能够同时利用微博博文的信息与用户之间的社交关系。本发明在微博情感分类预测问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN107463609A
公开(公告)日：2017-12-12
申请号：CN201710502909.0
申请日：2017-06-27
Applicant: 浙江大学
Abstract: 本发明公开了一种利用分层时空注意力编解码器网络机制来解决视频问答的方法。主要包括如下步骤：1)针对于一组视频、问题、答案训练集，训练时空注意力编码神经网络，学习出视频和问题的联合表达。2)对于编码完成的得到视频问题联合表达的神经网络的输出，再与相关答案一起训练出解码神经网络，用来针对于视频和问题的联合表达输出对应的自然语言的答案。相比于一般的视频问答解决方案，本发明利用时间注意力机制更好地利用了视频帧之间的序列关系，同时利用空间注意力机制精确了视频帧中的关键位置，则能够更准确地反映视频和问题的特性，并产生更加符合要求的答案。本发明在视频问答问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN109255020B
公开(公告)日：2022-04-01
申请号：CN201811057115.9
申请日：2018-09-11
Applicant: 浙江大学
IPC: G06F16/332 , G06N3/04
Abstract: 本发明公开了一种利用卷积对话生成模型解决对话生成任务的方法，包括如下步骤：针对于所要生成的对话的下一个词的上文，得到的单词的含义向量与单词的位置向量，相加，获取单词的综合表达向量；输入到结合了卷积层与门式线性单元结合的编码网络，获取上文的综合表达；将上文最后一个单词转换成最后单词的含义向量，并结合最后单词的位置向量，两者相加获取最后单词的综合表达；输入到结合了卷积层与门式线性单元结合的编码网络，并结合上文的综合表达，获取下一个要生成单词的表达。本发明利用了卷积对话生成模型，能够克服现有技术中使用循环神经网络导致无法利用GPU并行特点，且循环神经网络会导致梯度消失的问题。
-
Patent Agency Ranking
公开(公告)号：CN107463609B
公开(公告)日：2020-06-19
申请号：CN201710502909.0
申请日：2017-06-27
Applicant: 浙江大学
IPC: G06F16/783 , G06F16/9032 , G06K9/62
Abstract: 本发明公开了一种利用分层时空注意力编解码器网络机制来解决视频问答的方法。主要包括如下步骤：1)针对于一组视频、问题、答案训练集，训练时空注意力编码神经网络，学习出视频和问题的联合表达。2)对于编码完成的得到视频问题联合表达的神经网络的输出，再与相关答案一起训练出解码神经网络，用来针对于视频和问题的联合表达输出对应的自然语言的答案。相比于一般的视频问答解决方案，本发明利用时间注意力机制更好地利用了视频帧之间的序列关系，同时利用空间注意力机制精确了视频帧中的关键位置，则能够更准确地反映视频和问题的特性，并产生更加符合要求的答案。本发明在视频问答问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN108388568A
公开(公告)日：2018-08-10
申请号：CN201810008072.9
申请日：2018-01-04
Applicant: 浙江大学
Abstract: 本发明公开了一种利用排序标准网络学习解决社区问答任务的方法。主要包括如下步骤：1)针对于一组用户、问题数据集，构建用户、问题之间相互关系的网络，并且针对于形成的网络，利用排序标准网络学习形成问题及用户的最终表达。2)根据得到的用户及问题的最终表达，对于某一问题推荐其最佳用户。相比于一般的问题推荐解决方案，本发明同时利用问题的语义表达信息与社区网站中的异构社区问答网络结构，并结合使用随机游走的方法来学习出社区问答网站中的问题及用户的表达。本发明在社交问答网站问题答案预测中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN108256678A
公开(公告)日：2018-07-06
申请号：CN201810008475.3
申请日：2018-01-04
Applicant: 浙江大学
Abstract: 本发明公开了一种利用排序度量的双层注意力网络进行用户关系预测的方法。主要包括如下步骤：1)针对于一组用户数据集，构建用户之间相互关系的网络。并且针对于形成的用户社交网络，利用多步骤推理更新后的排序度量的双层注意力网络形成社交网路节点路径集的映射表达。2)对于得到的用户社交网络节点路径集的映射表达，产生对于用户关系的推荐。相比于一般的用户关系推荐解决方案，本发明利用了双层注意力网络并结合多步推理来获取节点集的映射，能够更好地体现用户节点之间存在联系的可能性。本发明在用户关系预测问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN108170712A
公开(公告)日：2018-06-15
申请号：CN201711230595.X
申请日：2017-11-29
Applicant: 浙江大学
Abstract: 本发明公开了一种利用包含社会地理信息的多媒体网络进行最大边界多媒体网络表达学习的方法。主要包括如下步骤：1)针对于一组社交网络用户及感兴趣地点和感兴趣地点的类别信息，构建包含用户、感兴趣地点和感兴趣地点类别信息之间相互关系的网络。2)卷积神经网络及单词映射网络获取感兴趣地点的综合表达，之后利用最大边界网络训练的方法结合用户及感兴趣地点的映射表达进行训练，得到令损失函数最小的用户及感兴趣地点的表达。相比于一般的用户可能感兴趣地点推荐解决方案，本发明利用了多媒体网络的特性及用户之间的相互关系与感兴趣地点的种类信息。本发明在用户可能感兴趣的地点的预测问题中所取得的效果相比于传统的方法更好。
-
公开(公告)号：CN107918652A
公开(公告)日：2018-04-17
申请号：CN201711129690.0
申请日：2017-11-15
Applicant: 浙江大学
IPC: G06F17/30
Abstract: 本发明公开了一种利用多模态网络学习进行基于社交关系的电影推荐的方法。主要包括如下步骤：1)针对于一组视频、用户，构建含有其相关关系的SMR网络。并且针对于形成的SMR网络构建采样路径，并针对于采样路径中的电影及用户节点形成电影的综合表达与用户的映射表达，随后针对于预定义的损失函数进行更新，求得最终的用户表达与电影综合表达。2)对于得到的用户表达及电影的综合表达，产生对于用户的电影推荐。相比于一般的电影推荐解决方案，本发明提取了电影的多模态信息并且针对于用户形成了最终的有效用户表达，则能够更准确地反映用户与电影的特性，并产生更加符合要求的电影推荐。本发明在电影推荐问题中所取得的效果相比于传统的方法更好。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.02 seconds)
