-
公开(公告)号：CN113158024A
公开(公告)日：2021-07-23
申请号：CN202110218946.5
申请日：2021-02-26
Applicant: 中国科学技术大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种纠正推荐系统流行度偏差的因果推理方法，包括：获取当前推荐系统中用户与物品的匹配得分；根据物品的受欢迎程度预测物品得分、以及根据用户的偏好预测用户得分；聚合用户与物品的匹配得分、物品得分以及用户得分，预测出用户与物品匹配分数，再去除流行度偏差造成的影响，得到用户与物品的最终匹配分数。本发明提供的方法是一种模型无关的反事实推理框架，可以适用于各类推荐系统，通过消除流行度偏差，提升推荐系统的推荐性能，可以为用户提供更加优质，准确的个性化推荐内容。
-
-
公开(公告)号：CN110826700A
公开(公告)日：2020-02-21
申请号：CN201911107007.2
申请日：2019-11-13
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种建模邻居交互的双线性图神经网络模型的实现及分类方法，利用线性聚合器对邻居节点特征信息进行加权平均；利用双线性聚合器建模邻居节点之间、或者目标节点和每一邻居节点之间、或者所有节点之间两两交互，并将交互后的信息求平均；采用线性组合的方式将前两个步骤得到的结果相结合，从而构建双线性图神经网络模型，并得到目标节点的特征表示向量。该方法可以得到更加有效的节点表示，从而提高图节点分类准确率。
-
公开(公告)号：CN119719631A
公开(公告)日：2025-03-28
申请号：CN202510213518.1
申请日：2025-02-26
Applicant: 中国科学技术大学
IPC: G06F18/10 , G06F18/213 , G06F18/22 , G06F40/284 , G06F40/289 , G06F40/30 , G06N3/0464 , G06N3/045 , G06T11/00
Abstract: 本发明公开了一种面向图像生成大模型的适应性内容消除器及消除方法，所述消除方法包括：根据目标内容构建消除空间和保留空间，所述消除空间对应需要移除的语义信息，所述保留空间对应需要保留的语义信息；将用户输入的文本提示将转化为语义表征，并将其逐令牌投影至消除空间和保留空间中，得到保留空间的保留分量；测量当前文本提示的语义表征与目标内容的语义表征之间的语义距离，计算关联度；根据关联度结果，重构保留空间并矫正保留分量的方向。本发明无需耗费大量计算资源对模型进行微调，且未引入额外参数。在成功移除单个或多个目标内容的同时，对无关内容生成的影响可忽略不计，显著提升了生成模型的内容消除性能。
-
公开(公告)号：CN119719451A
公开(公告)日：2025-03-28
申请号：CN202510220410.5
申请日：2025-02-27
Applicant: 中国科学技术大学
IPC: G06F16/907 , G06N3/0455 , G06N5/04 , G06V10/26 , G06V20/70
Abstract: 本发明公开了一种大模型增强的跨模态检索方法、系统及相关设备，所述跨模态检索方法包括：获取图像‑文本对；基于所述图像‑文本对，获取图像‑文本对的大模型增强信息，结合原始图像、文本和增强信息，采用预训练CLIP模型的多分支编码器以得到多个特征向量，构建多级协同对齐损失函数，在公共语义空间对图像模态和文本模态进行协同对齐；通过所述多级协同对齐损失函数以及预构建的训练数据库对模型进行训练，通过训练后的模型进行检索。本发明通过对编码器得到的图文特征进行协同学习，通过加入辅助的语义增强信息，在公共语义空间对图像模态和文本模态进行协同对齐，以训练出更好的检索网络从而提升图像‑文本检索的准确性。
-
Patent Agency Ranking
公开(公告)号：CN119004337A
公开(公告)日：2024-11-22
申请号：CN202411433395.4
申请日：2024-10-15
Applicant: 中国科学技术大学
IPC: G06F18/2433 , G06F18/213 , G06N3/0455 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于扩散模型的图异常检测方法及装置，所述图异常检测方法包括：获取图数据，使用预训练的自动编码器将所述图数据中的节点特征矩阵和邻接矩阵编码至隐空间中，得到隐空间嵌入；利用前向扩散过程和逆向扩散过程训练无条件扩散模型，基于所述共有特征训练条件扩散模型，通过无分类器引导所述无条件扩散模型和所述条件扩散模型构造判别性特征，并将判别性特征集成至隐空间中，获得具有判别性特征的隐空间嵌入；基于具有判别性特征的隐空间嵌入，分别重建图数据中的节点特征矩阵和邻接矩阵，并计算重建误差，将重建误差高的实体识别为异常。本发明能够应用到各种现实场景中，简单高效，在多个数据集上的图异常检测性能有显著提升。
-
公开(公告)号：CN118570557B
公开(公告)日：2024-11-22
申请号：CN202411034782.0
申请日：2024-07-31
Applicant: 中国科学技术大学
IPC: G06V10/764 , G06V10/82 , G06V10/774 , G06V10/75 , G06V10/40
Abstract: 本发明公开了基于全局和局部内容匹配的小样本图像分类方法及装置，所述方法包括：获取自然图像样本集，对自然图像样本集中的图像特征提取，得到全局特征和局部特征，将与图像对应的文本描述转换为高维特征向量；选择性地组合判别性的局部特征，并利用局部特征融合构建局部表示；将局部表示和全局特征进行匹配，构建鲁棒分类器；对鲁棒分类器训练，利用训练后的鲁棒分类器进行图像分类。通过关注图像的局部内容，并通过选择性地组合局部内容来设计一个局部构造来构建鲁棒的局部表示，这有助于分类器关注图像的细节；将两种分类器结合起来，同时关注局部细节和全局结构，从多个角度对图像内容进行分析，从而实现样本识别。
-
公开(公告)号：CN118470446B
公开(公告)日：2024-10-22
申请号：CN202410931847.5
申请日：2024-07-12
Applicant: 中国科学技术大学
IPC: G06V10/764 , G06V10/74 , G06V10/77
Abstract: 本发明公开了一种小样本图像分类方法、装置、电子设备及存储介质，该小样本图像分类方法包括：获取小样本数据集，小样本数据集包括图像样本以及图像样本对应的文本标签；对图像样本进行特征提取，得到图像特征和图像特征图；根据图像特征和图像特征图，确定图像特征子空间；根据图像特征子空间，确定投影后图像特征；对文本标签进行特征提取，得到文本特征；根据文本特征以及文本特征对应的图像特征图，确定文本特征子空间；根据文本特征子空间，确定投影后文本特征；获取待分类图像；根据投影后图像特征和投影后文本特征，对待分类图像进行分类。通过本发明消除了提取出的图像特征和文本特征之间的模态差异，提升了模型在小样本图像分类准确率。
-
公开(公告)号：CN118503746B
公开(公告)日：2024-09-27
申请号：CN202410939110.8
申请日：2024-07-15
Applicant: 中国科学技术大学
IPC: G06F18/2323 , G06F18/213 , G06N3/0455 , G06N3/0464 , G06N3/042 , G06N3/0895
Abstract: 本发明公开了一种基于图结构学习的聚类模型构建方法及装置，聚类模型构建方法包括：获取无结构数据集并对无结构数据集进行特征提取，得到原始特征，根据原始特征构建原始的图结构；利用增强的自适应图神经网络编码器优化图结构，动态更新边权重；利用多层图卷积网络作为编码器提取数据高阶特征表示；基于优化后的图结构以及高阶特征表示构建聚类模型。通过引入增强自适应图结构学习，实现对数据结构的细粒度控制，从而在处理无结构数据时提供了更加精准的聚类结果。其次，在保持对高阶结构信息捕捉能力的同时，通过自监督特征表示学习和对比学习显著提升了模型的鲁棒性。此外，仅需对聚类算法进行简单调整即可实现对无结构数据的高效聚类。
-
公开(公告)号：CN114863132B
公开(公告)日：2024-09-24
申请号：CN202210609728.9
申请日：2022-05-31
Applicant: 中国科学技术大学
IPC: G06V10/44 , G06V10/764 , G06V10/82 , G06N3/0499 , G06N3/045
Abstract: 本发明公开了一种图像空域信息的建模与捕捉方法、系统、设备及存储介质，本发明中，针对现阶段的多层感知机网络模型在处理图片空域信息低效的问题，创新性地设计了基于位置编码实现的分组空域信息融合方式，在有效提升基线模型性能的同时，显著的减少了模型参数量，且仅引入很少的计算开销；并且，率先提出基于泛化二次位置编码的在感知机网络中的应用，并从同时实现全局/局部特征建模角度提升了模型性能，最终设计采用了基于特征分窗设计的层级连接网络框架，进一步提升了感知机网络性能表现，使其具有相当甚至超过基于卷积和自注意力模型的网络性能。
-
-
-
-
-
-
-
-
-
Search Results
128
records
(took 0.03 seconds)
