增强图上下文顺序的会话推荐方法

    公开(公告)号:CN114610862A

    公开(公告)日:2022-06-10

    申请号:CN202210080273.6

    申请日:2022-01-24

    Abstract: 本发明涉及会话推荐技术领域,具体地说,涉及一种增强图上下文顺序的会话推荐方法,其包括以下步骤:(1)将序列数据转换为图数据;(2)图数据通过图神经网络学习全局和会话两个层次的嵌入;(3)将两个层次的嵌入结合并加入位置信息;(4)通过自注意力捕获项目间的顺序信息;(5)用软注意力结合项目间的复杂转化和项目间的顺序信息,生成序列表征后预测用户下一个感兴趣的项目的概率。本发明能较佳地进行会话推荐。

    基于三通道图神经网络的会话推荐方法

    公开(公告)号:CN114547276A

    公开(公告)日:2022-05-27

    申请号:CN202210082137.0

    申请日:2022-01-24

    Abstract: 本发明涉及会话推荐技术领域,具体地说,涉及一种基于三通道图神经网络的会话推荐方法,其包括以下步骤:(1)将会话序列数据转换为会话图、超图、全局图数据;(2)图数据经过三个通道的图神经网络学习到三种项目嵌入;三个通道包括会话图通道、超图通道、全局图通道;会话图通道用于捕获会话中项目间的转换关系,超图通道用于捕获会话中项目间的高阶关系,全局图通道用于捕获不同会话中项目间的关系;(3)融合三种通道形成的项目表征获得更完整项目转换信息;(4)经过预测层输出项目的预测概率。本发明能较佳地进行会话推荐。

    一种影响力感知驱动的连续兴趣点实时推荐方法

    公开(公告)号:CN112948709B

    公开(公告)日:2022-03-25

    申请号:CN202110246458.5

    申请日:2021-03-05

    Abstract: 本发明涉及兴趣点推荐技术领域,涉及一种影响力感知驱动的连续兴趣点实时推荐方法,包括:一、获取用户打卡历史信息,将打卡数据组成序列;二、将打卡数据组成序列组;三、将序列组推送给模型进行训练;通过门控循环单元加注意力机制得到一段序列中每一个兴趣点所占影响力向量,将得到的向量输入全连接神经网络拟合,经过管道搜索的方式学习出适应该区域的最优超参数;四、将训练模型部署在多个服务器中;五、记录用户下一打卡地点以及对兴趣点的评分。本发明能实现精确、实时的对用户下一兴趣点的推荐。

    一种害虫诱捕监测设备
    44.
    发明公开

    公开(公告)号:CN113796364A

    公开(公告)日:2021-12-17

    申请号:CN202111208418.8

    申请日:2021-10-18

    Abstract: 本发明公开了一种害虫诱捕监测设备。该设备包括:诱虫部、采虫部、集虫部和控制部。诱虫部,包括诱虫灯、诱虫剂中的至少一种;采虫部包括:采虫板、翻转驱动电机和风扇;其中,风扇用于产生负压,由诱虫部引诱的虫在负压的作用下,吸附在采虫板上;翻转驱动电机,与采虫板的翻转轴连接,用于驱动采虫板翻转;集虫部,包括集虫网;集虫网,位于采虫板下方,用于在采虫板翻转后,收集采虫板上的虫;控制部包括:处理器、光照传感器和图像采集器;其中,图像采集器用于采集采虫板吸附面的图像,吸附面为采虫板吸附有虫的一面;处理器,分别与光照传感器、图像采集器以及翻转驱动电机电连接,用于控制翻转驱动电机运转。本发明实现了除虫的自动化。

    基于大规模轨迹数据的通用伴随模式分布式挖掘方法

    公开(公告)号:CN112269844B

    公开(公告)日:2021-08-06

    申请号:CN202011019669.7

    申请日:2020-09-24

    Abstract: 本发明涉及轨迹数据处理技术领域,具体地说,涉及一种基于大规模轨迹数据的通用伴随模式分布式挖掘方法,其以下步骤:一、建立轨迹数据集;二、对轨迹数据集进行分布式聚类:通过DBSCANCD算法进行密度聚类;三、TCB算法以密度聚类结果作为输入,通过计算集合成员间的相似度,对边界点进行合理划分;四、对轨迹数据集进行分布式挖掘:GSPR算法对通用伴随模式挖掘的输入进行分割和重划分,然后通过SAE算法进行挖掘。本发明能够较佳地挖掘通用伴随模式。

    一种完全注意力机制的属性级情感分析方法

    公开(公告)号:CN111259153A

    公开(公告)日:2020-06-09

    申请号:CN202010072375.4

    申请日:2020-01-21

    Abstract: 本发明公开一种完全注意力机制的属性级情感分析方法,该方法结合基于自注意力机制网络SAM-NN和特定方面注意力机制网络AAM-NN来分别生成词汇级别、句子级别语义特征,最后通过一个全连接神经网络FC-NN输出层计算评论句子内容的情感极性。本发明所提出的方法在实现上是并行结构的,并且在每一个网络计算模块,本发明都融合了特定方面信息特征,保证了该方法在尽可能的根据特定方面信息进一步分析出用户评论信息中关于目标对象特定属性方面的情感极性。与现有技术相比,本发明方法不仅有效提高特定方面情感分析任务的准确率,而且有效减少在模型训练时间上的花费。

    一种融合编码和多版本数据的海量空间对象存储方法

    公开(公告)号:CN106991149A

    公开(公告)日:2017-07-28

    申请号:CN201710192554.X

    申请日:2017-03-28

    Abstract: 本发明公开一种融合编码和多版本数据的海量空间对象存储方法,采用“低精度网格编码,高精度空间对象编码”将多维空间数据转换到一维空间,然后采用“字典序定位数据块,低冗余度数据查询”策略来实现查询过程涉及到的冗余数据修剪,有效提升了范围查询性能。在编码精度为8个Base‑32字符时,一个网格单元的覆盖面积约为725m2,查询半径在1000m时,查询响应时间不超过1秒,能有效满足诸如智慧旅游中基于游客位置的旅游资源推荐等数据查询需求。

Patent Agency Ranking