-
公开(公告)号：CN109829775A
公开(公告)日：2019-05-31
申请号：CN201811467071.7
申请日：2018-12-03
Applicant: 苏州大学
IPC: G06Q30/06 , G06F16/9535
Abstract: 本发明公开了一种物品推荐方法，该方法包括以下步骤：当检测到目标用户名登录系统时，获取目标用户名对应的历史访问记录信息；利用注意力机制从历史访问记录中提取目标用户名对应的目标用户的偏好信息；根据偏好信息利用协同度量学习从候选物品集中查找目标用户的喜好物品，并将喜好物品推荐给目标用户；其中，候选物品集由目标用户名未访问过的物品构成。应用本发明实施例所提供的技术方案，根据目标用户的偏好从候选物品集中推荐目标用户的喜好物品，提高了灵活性，提升了用户体验。本发明还公开了一种物品推荐装置、设备及存储介质，具有相应技术效果。
-
公开(公告)号：CN109359140A
公开(公告)日：2019-02-19
申请号：CN201811457857.0
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06F16/2458 , G06N3/04
Abstract: 本发明公开了一种基于自适应注意力的序列推荐方法，该方法包括：在预先训练获得的自适应注意力感知GRU网络的输入层确定输入自适应注意力；将输入自适应注意力作用于历史交互项目序列中，获得输入序列；基于历史交互项目序列和输入序列的结合，获得输入层输出结果；在隐藏状态层确定隐藏自适应注意力，将隐藏自适应注意力作用于输入层输出结果中，获得隐藏状态序列；进而获得隐藏状态层输出结果；在自适应注意力感知GRU网络的输出层根据隐藏状态层输出结果，确定推荐给用户的项目。应用本发明实施例所提供的技术方案，提高了推荐性能。本发明还公开了一种基于自适应注意力的序列推荐装置，具有相应技术效果。
-
公开(公告)号：CN104778284B
公开(公告)日：2017-11-21
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：CN103927392B
公开(公告)日：2017-03-22
申请号：CN201410183963.X
申请日：2014-05-04
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本申请公开了一种深层网络数据源异常点的检测方法及系统，该方法包括从深层网络数据源中采集多个初始样本，然后按照预设规则，对每个所述初始样本进行分层得到s层，分层后按照预设算法，确定每一层中包含异常点的概率，按照最优采样策略，将规定的重采样次数分配到s层中，确定每一层的重采样次数，按照确定的重采样次数进行重采样，最后综合重采样数据与分层后的初始样本，进行异常点的检测。本申请的方法对有限的样本数据进行分层处理，由于异常点大部分集中在少数几个层中，通过着重对这几个层的重新采样，可以找到更多的异常点。解决了对深层网络数据源异常点的检测问题。
-
公开(公告)号：CN105528395A
公开(公告)日：2016-04-27
申请号：CN201510861708.0
申请日：2015-11-30
Applicant: 苏州大学
CPC classification number: G06F16/9537 , G06Q30/0201 , G06Q50/01
Abstract: 本申请公开一种潜在消费者推荐方法和系统，所述方法和系统在接收到商家提交的包括潜在消费者数目及商家位置的推荐请求之后，从社交网络的用户集合中获取个数为所述潜在消费者数目的目标用户，其中，各个所述目标用户对所述商家位置的偏好程度不低于所述用户集合中其他用户对所述商家位置的偏好程度；在此基础上，将各个所述目标用户作为各个潜在消费者，并显示所述各个潜在消费者，供商家参阅。可见，本申请实现了一种以商家为中心的推荐方案，为商家的市场营销提供了便利。
-
Patent Agency Ranking
公开(公告)号：CN103927392A
公开(公告)日：2014-07-16
申请号：CN201410183963.X
申请日：2014-05-04
Applicant: 苏州大学
IPC: G06F17/30
CPC classification number: G06F17/3089
Abstract: 本申请公开了一种深层网络数据源异常点的检测方法及系统，该方法包括从深层网络数据源中采集多个初始样本，然后按照预设规则，对每个所述初始样本进行分层得到s层，分层后按照预设算法，确定每一层中包含异常点的概率，按照最优采样策略，将规定的重采样次数分配到s层中，确定每一层的重采样次数，按照确定的重采样次数进行重采样，最后综合重采样数据与分层后的初始样本，进行异常点的检测。本申请的方法对有限的样本数据进行分层处理，由于异常点大部分集中在少数几个层中，通过着重对这几个层的重新采样，可以找到更多的异常点。解决了对深层网络数据源异常点的检测问题。
-
公开(公告)号：CN103617435A
公开(公告)日：2014-03-05
申请号：CN201310688907.7
申请日：2013-12-16
Applicant: 苏州大学
IPC: G06K9/66
Abstract: 本发明公开一种主动学习图像分类方法和系统，该方法针对原始的未标注图像样本集，首先仅考虑各样本的不确定性，从原始未标注图像样本集中获取不确定性较高的各图像样本，构成最不确定图像样本集；之后，衡量最不确定图像样本集中各样本的代表性，从中获取代表性较高的各样本，组成最具代表性图像样本集；后续对选取的不确定性和代表性较高的样本进行标注、分类器训练，以及利用训练的分类器对目标图像进行分类。可见，本发明采用分层次衡量的方式，首先基于不确定性缩减、筛选样本，之后对不确定性较高的缩减了样本规模的最不确定图像样本集进行代表性衡量，在保证了样本的不确定性和代表性的同时，降低了采样处理时间和工作量，提高了处理效率。
-
公开(公告)号：CN103257982A
公开(公告)日：2013-08-21
申请号：CN201210193897.5
申请日：2012-06-13
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明在于公开了一种基于关注关系的Blog搜索结果排序算法，包括以下步骤：1）博主关注因素的分析；2）博主关注关系网络的建立；3）博主影响力的确定；4)博文内容价值的衡量；5）博文的静态得分；6）博文的搜索排序算法。本发明是从Blog间已经存在的关注关系出发，很好的解决了链接稀疏的问题。同时避免过多主观因素的引入，通过全面考虑排序所涉及到的各种因素来对搜索结果排序，从而返回给用户质量更高的结果。
-
公开(公告)号：CN102722720A
公开(公告)日：2012-10-10
申请号：CN201210166509.4
申请日：2012-05-25
Applicant: 苏州大学
IPC: G06K9/62
Abstract: 本发明公开了一种基于HSV空间在线聚类的视频背景提取方法，采用聚类方法实现，对一段视频训练帧，以像素点在HSV空间的三个通道的值为聚类分类依据，分别提取每个像素点在HSV空间的H、S和V值，对每个像素点，分别按H、S和V值进行聚类，其中，根据当前帧与前一帧在HSV空间中H值之差的绝对值、S值之差的绝对值和V值之差的绝对值之后更新聚类阈值，分别计算H、S、V值与对应通道中各个聚类的聚类中心之间的最近距离，将三个最近距离之和与聚类阈值比较确定聚类；用包含元素数目最多的聚类的聚类中心作为该像素点的当前背景值。本发明得到比灰度背景图像更优的彩色背景，具有良好的背景提取能力和可行性。
-
公开(公告)号：CN101959218A
公开(公告)日：2011-01-26
申请号：CN201010529473.2
申请日：2010-10-22
Applicant: 苏州大学
Abstract: 本发明公开了一种基于伸展树的事件区域检测方法，首先对传感器节点进行随机部署；采用基于Voronoi图以及Delaunay三角网络来描述感知网络拓扑，通过三种消息Beacon，Probe和Join实现伸展树的构建；在已构建伸展树的基础上，基于多项式回归进行数据融合，同时完成事件区域的可靠检测。实验证明，本发明的基于伸展树的事件区域检测方法是可行的，将本发明应用于事件区域的检测，可以提高检测的准确度。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.055 seconds)
