公开(公告)号：CN118585639A

公开(公告)日：2024-09-03

申请号：CN202411067077.0

申请日：2024-08-06

Applicant: 中国科学技术大学

Inventor： 王翔 ,  姜厚丞 ,  方俊峰 ,  张天宇 ,  王瑞鹏 ,  张岸 ,  何向南

IPC: G06F16/338 ,  G06F16/33 ,  G06F16/35 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种序列模型编辑方法、装置、电子设备及存储介质，包括，向所述序列模型给定提示词，获取所述提示词的多个原始隐藏向量；根据多个原始隐藏向量定位所述序列模型的待编辑位置，所述待编辑位置包含目标层和关键词元；根据关键词元的多个原始隐藏向量，确定最优隐藏向量；选择在给定提示词后，所述目标层中被激活的高分神经元，确定神经元子集；修改所述神经元子集的神经元参数，更新每一层的权重矩阵；迭代选择目标层的神经元，得到迭代后的神经元子集，修改迭代后的神经元子集的神经元参数，本发明能够很大程度上缓解模型遗忘问题；并且通过选择目标层，部分神经元的方式，降低了模型的编辑次数，从而降低防止模型损坏的风险。

公开(公告)号：CN118350378B

公开(公告)日：2024-08-30

申请号：CN202410780615.4

申请日：2024-06-18

Applicant: 中国科学技术大学

Inventor： 王翔 ,  毛雯钰 ,  吴剑灿 ,  陈伟健 ,  高崇铭 ,  张岸 ,  何向南

IPC: G06F40/30 ,  G06N5/022 ,  G06Q30/0601

Abstract: 本发明公开了一种个性化提示语优化方法、装置、电子设备及存储介质，包括，获取大模型任务级提示语的K个组成部分，构建MDP模型，获取MDP模型的初始时刻状态，根据初始时刻状态，输出当前时刻的推荐物品集，对当前时刻的提示语和当前时刻的推荐物品集中被选择的推荐物品进行编码，迭代得到当前时刻#imgabs0#的状态#imgabs1#，根据当前时刻#imgabs2#的状态#imgabs3#，迭代得到下一时刻的状态，根据下一时刻的状态，选择下一时刻的动作，计算下一时刻的动作的概率，和下一时刻的状态的值，根据被选择的推荐物品，得到累计奖励#imgabs4#、第一损失函数#imgabs5#和第二损失函数#imgabs6#；本发明会不断地尝试不同的提示语，根据用户反馈和推荐物品来更新策略，从而逐渐提升提示语的质量和推荐效果。

公开(公告)号：CN118470470A

公开(公告)日：2024-08-09

申请号：CN202410931782.4

申请日：2024-07-12

Applicant: 中国科学技术大学

Inventor： 何向南 ,  王硕 ,  朱星宇 ,  谭懿 ,  郝艳宾

IPC: G06V10/774 ,  G06V10/776 ,  G06V10/74 ,  G06V10/764

Abstract: 本发明公开了一种小样本图像分布估计方法、装置及存储介质，其中，小样本图像分布估计方法包括：获取基础数据集和支撑集，基础数据集中的样本与支撑集中样本的类别不同；计算支撑集中样本的类别与基础数据集中的样本的类别的第一相似度，确定支撑集的类别层级的分布估计；计算支撑集中样本的类别与基础数据集中的样本的第二相似度；确定支撑集的样例层级的分布估计；根据类别层级的分布估计以及样例层级的分布估计，确定支撑集中每个类别对应的分布估计；对支撑集中的样本进行扩充。通过从分布估计中采取新样本，以达到扩充样本的目的，解决了小样本学习中可训练样本稀缺的问题，同时可使扩充的样本表征性充足，提高分类准确率。

公开(公告)号：CN113989574B

公开(公告)日：2024-04-02

申请号：CN202111302929.6

申请日：2021-11-04

Applicant: 中国科学技术大学

Inventor： 何向南 ,  吴颖馨 ,  王翔 ,  张岸

IPC: G06V10/764 ,  G06V10/774 ,  G06V10/82 ,  G06N3/042 ,  G06N3/096 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/0475

Abstract: 本公开提供了一种图像解释方法，包括：获取待处理图像以及与待处理图像对应的预测结果，其中，待处理图像包括待处理图数据，待处理图数据为基于待处理图像的图结构的数据，待处理图数据包括节点和边，节点表征实体，节点与节点之间的边表征实体之间的关系；将待处理图像和预测结果输入预先训练完成的图像解释模型，得到第一解释结果，其中，第一解释结果包括多个解释类别，第一解释结果中节点和边的数量均小于待处理图数据中节点和边的数量；以及基于第一解释结果，利用预先训练完成的图像调整模型，输出目标解释结果，其中，目标解释结果中节点和边的数量均小于第一解释结果中节点和边的数量。

公开(公告)号：CN112465593B

公开(公告)日：2024-03-29

申请号：CN202011354019.8

申请日：2020-11-27

Applicant: 中国科学技术大学

Inventor： 李星晨 ,  王翔 ,  何向南 ,  陈隆 ,  肖俊

IPC: G06Q30/0601 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种通过图神经网络实现时尚套装推荐的方法，包括：构建包含用户节点、套装节点、单品节点的网络结构，初始化各个节点的向量表示，并利用连边构建不同节点之间的关系；利用单品的分类，实现单品中之间的信息传递，使得每个单品都包含与其他单品之间的搭配信息，进而实现单品节点向量表示的更新；利用更新后的若干单品节点向量表示来更新套装节点向量表示；利用更新后的套装节点向量表示来更新用户节点向量表示，并利用更新后的用户节点向量表示与套装节点向量表示，计算用户对各套装的喜好分数；根据喜好分数大小对套装进行排序，从而推荐给相应用户。该方法能够有效地对用户、套装和单品之间复杂的交互信息进行建模，提升推荐性能。

公开(公告)号：CN117219294A

公开(公告)日：2023-12-12

申请号：CN202311481544.X

申请日：2023-11-09

Applicant: 中国科学技术大学

Inventor： 何向南 ,  赵子豪 ,  冯福利

IPC: G16H70/40 ,  G16H50/70 ,  G06N20/00

Abstract: 本申请涉及一种面向罕见病的药物智能推荐方法、装置及介质，其中，该方法包括：构建基于机器学习的第一药物推荐模型，所述第一药物推荐模型包括编码器，所述编码器用于对输入序列进行处理得到患者表示；通过序列匹配预测任务和自重构任务对所述第一药物推荐模型的编码器进行训练，训练后得到第二药物推荐模型；对所述第二药物推荐模型进行药物预测训练，训练后得到第三药物推荐模型，通过所述第三药物推荐模型进行药物推荐。通过本申请，采用两个自监督预训练任务对编码器进行训练，提高其对罕见病的表示学习效果，解决了药物推荐的准确率和药物推荐系统的不公平性的问题，进而缓解药物推荐系统的不公平问题。

公开(公告)号：CN116452895B

公开(公告)日：2023-10-20

申请号：CN202310693879.1

申请日：2023-06-13

Applicant: 中国科学技术大学

Inventor： 张新宇 ,  王硕 ,  何向南 ,  郝艳宾

IPC: G06V10/764 ,  G06V10/82 ,  G06N3/084 ,  G06N3/096 ,  G06N3/0464

Abstract: 本发明公开了一种基于多模态对称增强的小样本图像分类方法、装置及介质，该小样本图像分类方法包括以下步骤：基础类别候选集构建、视觉特征增强、文本特征增强、视觉分类器训练、文本知识迁移和模型训练与测试步骤。本发明通过在文本端和视觉端分别进行对称的级联增强操作，以样本扩充和文本扩充的方式利用充足的基础类别样本对新类别样本进行增强，并通过跨模态迁移交换来自不同模态的知识，从而最大限度地探索新类别数据分布，提升分类器的判别能力，提高小样本图像分类的准确度。

公开(公告)号：CN116739038A

公开(公告)日：2023-09-12

申请号：CN202310303482.7

申请日：2023-03-24

Applicant: 中国科学技术大学

Inventor： 何向南 ,  吴剑灿 ,  王翔 ,  杨益 ,  隋永铎

IPC: G06N3/04 ,  G06N3/08 ,  G06F17/16 ,  G06F21/62 ,  G06F16/2458

Abstract: 本公开提供了一种数据处理方法及装置、电子设备、计算机可读存储介质，可以应用于机器学习和数据挖掘领域。该数据处理方法包括：响应于接收到来自于目标用户的数据处理请求，从数据源获取数据处理请求指示的待处理数据；将待处理图数据输入目标图神经网络，输出图数据处理结果；目标图神经网络是通过如下方式训练得到的：根据原始样本图数据和待遗忘样本图数据，确定剩余样本图数据；基于遗忘类型，根据原始样本图数据、剩余样本图数据、原始网络参数和原始损失函数，确定原始梯度向量、扰动梯度向量和海塞矩阵；根据原始梯度向量、扰动梯度向量和海塞矩阵，对原始网络参数进行参数调整，得到目标图神经网络。

公开(公告)号：CN116127051A

公开(公告)日：2023-05-16

申请号：CN202310428793.6

申请日：2023-04-20

Applicant: 中国科学技术大学

Inventor： 万之蕴 ,  何向南

IPC: G06F16/332 ,  G06N3/08 ,  G06N3/0464

Abstract: 本发明公开了一种基于深度学习的对话生成方法、电子设备及存储介质，该方法包括：1、构建基于检索编辑的对话生成数据集；2、构建由骨架生成器、骨架响应生成器、干扰响应生成器和响应融合模块组成的对话生成模型并进行训练；3、利用训练好的模型对用户输入的任何查询生成相应的回复。本发明先通过检索获得模板响应并构建响应骨架，以排除该模板响应中无用信息的干扰，而后对响应骨架进行编辑以生成最终的响应，从而使得对话系统能够生成与语境更为贴合且语义更为丰富的响应，缓解“安全响应”问题。

公开(公告)号：CN115700552A

公开(公告)日：2023-02-07

申请号：CN202110844430.1

申请日：2021-07-26

Applicant: 腾讯科技(深圳)有限公司 ,  中国科学技术大学

Inventor： 何向南 ,  张洋 ,  冯福利 ,  魏天心 ,  宋重钢 ,  凌国惠 ,  张勇东

IPC: G06F18/22 ,  G06F18/25 ,  G06N3/08 ,  G06F16/9535

Abstract: 本申请实施例公开了一种推荐模型的处理方法、装置、计算机设备及存储介质，属于计算机技术领域。该方法包括：基于推荐模型，获取第一用户信息与第一对象信息之间的第一匹配度，将第一匹配度与第一热门度进行融合，得到第一预测概率，基于第一预测概率，对推荐模型进行训练。本申请实施例提供的方法，由于第一对象信息包含与第一热门度关联的信息，导致基于推荐模型获取到的第一匹配度受到了第一热门度的影响。而第一预测概率是基于第一匹配度与第一热门度融合得到的，那么基于该第一预测概率对推荐模型进行训练，以使预测概率的损失值减小，从而提升预测概率的准确性，削弱了热门度对推荐模型输出的匹配度的影响，从而保证了推荐模型的准确性。