-
公开(公告)号：CN118313509A
公开(公告)日：2024-07-09
申请号：CN202410421820.1
申请日：2024-04-09
Applicant: 上海浙江大学高等研究院
IPC: G06Q10/04 , G06F18/24 , G06F18/214 , G06Q50/00 , G06N3/042 , G06N3/0464 , G06N3/0475 , G06N3/09
Abstract: 本发明公开了一种社交网络标签预测方法、系统、介质及设备，包括如下步骤：1)将输入的社交网络数据构建为社交网络图；2)表征学习，使用图神经网络(如图卷积神经网络)对社交网络图信息进行特征提取得到表征；3)在学习到的表征空间中加入随机的扰动或者是基于生成器网络生成的对抗扰动得到新的表征，然后将新的表征输入到图神经网络的下一层进行图特征信息的提取；4)在加入扰动后的表征的图上和图中已有的社交信息标签监督下进行一轮参数优化；5)重复迭代，完成图神经网络的训练并用于预测。本发明对训练集的社交网络数据具有较强的鲁棒性和准确率，可以有效的帮助图神经网络抵抗图结构的扰动和对抗攻击，从而更准确预测用户标签。
-
公开(公告)号：CN117827672A
公开(公告)日：2024-04-05
申请号：CN202410026694.X
申请日：2024-01-08
Applicant: 浙江大学
Abstract: 本发明公开了一种基于大型语言模型的编程问题调试方法，主要针对在复杂数据结构和算法中的编程难题。该方法通过在代码中插入打印语句来追踪执行流程和分析日志，从而定位和修复程序中的错误。该方法的核心在于引导大型语言模型(LLM)利用其上下文学习能力进行调试，引导模型在代码生成和调试中执行“打印调试”，提高对复杂编程问题的解决效率和准确性。本发明通过“打印调试”，收集执行过程中的关键变量值和状态信息，为大型语言模型LLM提供直观的程序行为视图，使得模型能够更有效地识别和修复代码中的错误。
-
公开(公告)号：CN116956081A
公开(公告)日：2023-10-27
申请号：CN202310720948.3
申请日：2023-06-16
Applicant: 浙江大学
Abstract: 本发明公开了一种面向异构社交网络分布外泛化的社交标签预测方法及系统。本发明包括如下步骤：1)将社交网络数据构建为异构社交网络图；2)对异构社交网络图进行初始的聚类划分；3)将经过聚类后的异构社交网络图输入基于图神经网络的自适应邻域传播模块中，在图中已有的社交信息标签监督下对自适应邻域传播模块进行一轮参数优化；4)利用经过新一轮参数优化后的自适应邻域传播模块，对异构社交网络图重新进行图特征信息的提取，然后利用更新后的图特征信息重新进行聚类簇划分；5)重复迭代，完成自适应邻域传播模块的训练并用于预测。本发明对训练集分布外的异构社交网络数据具有较强的鲁棒性和准确率，可准确预测用户标签。
-
公开(公告)号：CN116759036A
公开(公告)日：2023-09-15
申请号：CN202310719630.3
申请日：2023-06-16
Applicant: 浙江大学
Abstract: 本发明公开了一种面向局部欠采样医疗数据的因果推理模型训练方法及系统。本发明针对医疗场景中的局部欠采样数据，提出使用理想均匀分布和ε贪婪匹配算法指导的重采样策略将不平衡数据转换为均匀分布的平衡数据，将局部欠采样的不平衡数据转换为满足均匀分布的平衡数据，然后嵌入多头结果回归模型，在准确估计不同治疗方案的精准医疗效果函数时避免混杂偏差和局部欠抽样带来的误差，辅助实现任意个体的精准医疗。
-
公开(公告)号：CN115293919B
公开(公告)日：2023-08-04
申请号：CN202210871411.2
申请日：2022-07-22
Applicant: 浙江大学
IPC: G06Q50/00 , G06F16/901 , G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/042 , G06N3/08
Abstract: 本发明公开了一种面向社交网络分布外泛化的图神经网络预测方法及系统。该方法包括：1)把社交网络数据中打标签的数据作为训练数据集，每个节点代表一个用户，两个节点之间的边代表两个用户彼此是好友关系；2)对训练数据集进行随机采样，形成不同批次的训练数据；3)利用不同批次的训练数据更新聚类中心，划分不同的子图，每个子图包含的用户由聚类中心决定；4)利用上一步得到的不同的子图，更新图神经网络参数；5)利用更新后的图神经网络参数，进行社交网络用户标签的预测，从而预测该用户的社交信。本发明将图神经网络应用于分布外的社交网络预测。相比一般图神经网络算法，本发明对训练集分布外的测试数据具有较强的鲁棒性和准确率。
-
Patent Agency Ranking
公开(公告)号：CN112329464B
公开(公告)日：2023-08-04
申请号：CN202011367044.X
申请日：2020-11-27
Applicant: 浙江大学
IPC: G06F40/289 , G06F40/216 , G06N3/049 , G06N3/08 , G06N3/0464
Abstract: 本发明提供了一种基于深度神经网络的司法审理首问题生成方法、装置、介质。所述方法包括：1)获取法律文书，包括原告诉称文本和庭审记录问题，提取审理过程中的首问题和争议焦点，并构建训练样本；2)结合注意力机制和LSTM(长短时记忆模型)搭建序列到序列模型，分别完成司法审理首问题生成和争议焦点生成任务；3)搭建多任务学习框架，利用争议焦点生成任务作为首问题生成任务的辅助任务，更好地完成首问题生成。本发明将深度神经网络和多任务学习技术应用于司法审理首问题的生成，从而帮助提升法庭审理工作的效率。相比一般的自然语言的生成算法，本发明利用多任务学习框架，有效保留了争议焦点与首问题间的共享特征，提升了首问题的生成效果。
-
公开(公告)号：CN115292587B
公开(公告)日：2023-07-14
申请号：CN202210837534.4
申请日：2022-07-15
Applicant: 浙江大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/0601 , G06F18/214 , G06N3/0455 , G06N3/096
Abstract: 本发明公开了一种基于知识蒸馏和因果推理的推荐方法及系统。本发明中，首先把训练数据集中所有用户按照敏感属性的高低等分成若干个用户组。再利用所有用户的行为数据训练一个基础推荐模型，继而按照用户分组，利用每一组用户数据，对基础推荐模型进行微调，为每一组用户训练一个教师模型；最后利用所有用户的数据，借助因果推断中的前门调整方法，通过每个用户分组的教师模型获取多个中间表征作为中介，继而利用Batch内采样机制和注意力机制，进行多模型多样本信息聚合，并将聚合后的信息蒸馏到学生模型。本发明将因果知识蒸馏技术应用于项目推荐中，相比于普通推荐算法，引入因果建模可以有效提升用户的推荐服务公平性，缓解马太效应。
-
公开(公告)号：CN115300910A
公开(公告)日：2022-11-08
申请号：CN202210836775.7
申请日：2022-07-15
Applicant: 浙江大学
IPC: A63F13/56 , A63F13/822 , G06N3/04 , G06N3/08 , G06N5/04
Abstract: 本发明公开了一种基于多智能体强化学习的去混淆游戏策略模型生成方法。本发明将深度学、因果推理、图网络结合在面向游戏智能体控制的多智能体强化学习中。相比于一般的多智能体强化学习算法，本发明利用因果推理中的后门准则和图网络来去除多智能体强化学习中由环境带来的混淆，有效地提升了游戏策略模型的整体性能。本发明首次在基于多智能体强化学习中的游戏策略模型生成中应用因果推理技术去除混淆，与其他主流的方法相比，本发明的性能更加优越。
-
公开(公告)号：CN115293919A
公开(公告)日：2022-11-04
申请号：CN202210871411.2
申请日：2022-07-22
Applicant: 浙江大学
IPC: G06Q50/00 , G06F16/901 , G06V10/774 , G06V10/762 , G06V10/764 , G06V10/82 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向社交网络分布外泛化的图神经网络预测方法及系统。该方法包括：1)把社交网络数据中打标签的数据作为训练数据集，每个节点代表一个用户，两个节点之间的边代表两个用户彼此是好友关系；2)对训练数据集进行随机采样，形成不同批次的训练数据；3)利用不同批次的训练数据更新聚类中心，划分不同的子图，每个子图包含的用户由聚类中心决定；4)利用上一步得到的不同的子图，更新图神经网络参数；5)利用更新后的图神经网络参数，进行社交网络用户标签的预测，从而预测该用户的社交信。本发明将图神经网络应用于分布外的社交网络预测。相比一般图神经网络算法，本发明对训练集分布外的测试数据具有较强的鲁棒性和准确率。
-
公开(公告)号：CN115292587A
公开(公告)日：2022-11-04
申请号：CN202210837534.4
申请日：2022-07-15
Applicant: 浙江大学
IPC: G06F16/9535 , G06F16/9536 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于知识蒸馏和因果推理的推荐方法及系统。本发明中，首先把训练数据集中所有用户按照敏感属性的高低等分成若干个用户组。再利用所有用户的行为数据训练一个基础推荐模型，继而按照用户分组，利用每一组用户数据，对基础推荐模型进行微调，为每一组用户训练一个教师模型；最后利用所有用户的数据，借助因果推断中的前门调整方法，通过每个用户分组的教师模型获取多个中间表征作为中介，继而利用Batch内采样机制和注意力机制，进行多模型多样本信息聚合，并将聚合后的信息蒸馏到学生模型。本发明将因果知识蒸馏技术应用于项目推荐中，相比于普通推荐算法，引入因果建模可以有效提升用户的推荐服务公平性，缓解马太效应。
-
-
-
-
-
-
-
-
-
Search Results
52
records
(took 0.023 seconds)
