-
公开(公告)号：CN117911207A
公开(公告)日：2024-04-19
申请号：CN202311656345.8
申请日：2023-12-05
Applicant: 桂林电子科技大学
IPC: G06Q50/20 , G06N3/0442 , G06N3/0499 , G06N3/0985
Abstract: 本发明涉及知识追踪技术领域，提供一种基于信心因素的注意力机制综合能力提升知识追踪方法，包括：一、获取学生做题的信心信息，将数据组成序列；二、将数据组成矩阵；三、将矩阵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矩阵中每一个学生在某个信心下的所占影响力向量，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、记录学生的知识状态以及模型准确度ACC和AUC。本发明能实现精确、实时的对学生的知识状态进行评估。
-
公开(公告)号：CN117911206A
公开(公告)日：2024-04-19
申请号：CN202311651860.7
申请日：2023-12-05
Applicant: 桂林电子科技大学
Abstract: 本发明涉及知识追踪技术领域，涉及一种基于双注意力机制的动态评估学生知识水平方法，包括如下步骤：S1.获取学生学习过程的交互信息，将交互信息组成序列；S2.将交互序列划分成动态问题级别序列，平均技能级别序列，额外特征序列三个部分；S3.将不同序列输入对应模块进行训练，通过长短期记忆网络和多个注意力机制得到学生的知识状态；S4.将知识状态输入可解释性模块评估其知识水平；S5.记录训练模型评价指标，通过参数更新后的模型验证学生的交互序列，评估其知识水平。本发明充分挖掘学生交互信息，以不同角度评估学生的知识状态，提高了预测学生未来表现的准确率。
-
公开(公告)号：CN117807281A
公开(公告)日：2024-04-02
申请号：CN202410008395.3
申请日：2024-01-04
Applicant: 桂林电子科技大学
IPC: G06F16/9032 , G06F16/901 , G06F16/906 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06N3/045 , G06N3/048
Abstract: 本发明涉及会话推荐技术领域，涉及一种基于多行为异构图和超图增强获取用户短期、动态偏好的推荐方法，包括以下步骤：一、获取用户与系统会话行为信息，组成会话数据；二、将会话数据构造为会话序列：序列内的数据为用户与系统的每一条交互信息，包括浏览、收藏、点赞等；三、将会话序列推送给模型进行训练：将会话序列构建为多行为异构网络图和超图；提出注意力机制捕获不同节点间的权重，形成不同的相邻项目对目标项目的编码增强；四、通过提供一种灵活而自然的超图工具对项目之间隐含关系进行建模，捕获项目间的高阶关系；五、最终通过自监督学习，得到结合多行为和节点信息的损失函数目标；本发明能实现捕获用户短期、动态的偏好，从而进行精准推荐。
-
公开(公告)号：CN113779105B
公开(公告)日：2022-12-13
申请号：CN202110921144.0
申请日：2021-08-11
Applicant: 桂林电子科技大学
IPC: G06F16/2458 , G06F16/26 , G06K9/62
Abstract: 本发明涉及轨迹数据技术领域，涉及一种分布式轨迹流伴随模式挖掘方法，包括以下步骤：一、数据预处理：根据地理区域的划分将数据划分为多个区域，得到分区边界，输出分区编号；二、监测不断到达的数据流；三、当前快照创建时间窗口，窗口大小为当前快照时间；四、根据分区编号执行Keyby算子，利用哈希函数分发到不同的节点；五、每个节点对接收到的当前分区的数据执行基于方向的密度聚类，并得到当前分区的密度聚类簇集合；六、进行聚类合并，输出合并后簇的集合；七、执行模式挖掘，与候选伴随集合取交集，生成新的候选伴随，并输出当前快照的伴随模式结果。本算法具有更快的处理速度。
-
公开(公告)号：CN115422170A
公开(公告)日：2022-12-02
申请号：CN202210827339.3
申请日：2022-07-13
Applicant: 桂林电子科技大学
IPC: G06F16/215 , G06F16/2458 , G06F16/28 , G06N3/04 , G06N3/08 , G06Q10/06 , G06Q50/20
Abstract: 本发明公开了基于图嵌入在异构信息网络视角下为课题推荐学生的方法，包括如下步骤：数据预处理；构建异构信息网络图；在异构信息网络图下，通过随机游走算法，获取不同节点的信息序列；为序列中的节点进行位置信息建模，并通过多头自注意力层帮助模型理解当前节点在该序列中的含义，将多头自注意力层的结果进行残差连接和前馈网络操作，输出课题节点吸收序列中信息后的向量权重；构建课题‑学生之间的正负样本，通过损失计算，对模型进行反馈训练，得到最优模型；本发明引入位置向量编码与随机游走的结合，加入多头自注意力机制，使得序列间的节点信息关联传递不受距离影响，且使得模型的计算复杂度更优，能实现精确、快速的为新课题推荐学生。
-
Patent Agency Ranking
公开(公告)号：CN110956497B
公开(公告)日：2022-11-25
申请号：CN201911181002.4
申请日：2019-11-27
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种电子商务平台用户重复购买行为预测方法，包括：获取用户历史购买行为数据；采用分段下采样方法进行样本均衡处理；构建用户特征、商户特征、用户与商户交互特征和隐藏特征；将样本均衡的用户历史购买行为数据输入至双层注意力BiGRU个体模型中，将用户特征、商户特征、用户与商户交互特征和隐藏特征输入至深度Catboost个体模型和DeepGBM个体模型中；对各个体模型分别进行用户重复购买行为预测训练；通过Vote‑Stacking模型，对训练后的各个体模型进行融合，并采用多数投票决策机制输出最终预测结果。本发明融合深度Catboost个体模型、双层注意力BiGRU个体模型和DeepGBM个体模型，对用户历史购买数据中离散的购买记录数值和行为序列特征进行建模，提高了预测结果的准确性。
-
公开(公告)号：CN115328972A
公开(公告)日：2022-11-11
申请号：CN202211024149.4
申请日：2022-08-24
Applicant: 桂林电子科技大学
IPC: G06F16/2458 , G06F16/2453 , G06F16/28
Abstract: 本发明涉及数据库系统查询优化的基数估计技术领域，具体地说，涉及一种平滑自回归基数估计方法，包括：S1、将数据库表格数据编码后得到编码数据x；S2、对x进行平滑，期间复制x来引入不同程度的噪声得到平滑数据xrs和微弱平滑数据xcls，拼接所有平滑数据后得到输入xin；S3、将xin喂给平滑自回归模型，并进行训练；S4、通过训练好的模型进行基数估计。本发明能够达到目前最先进的基数估计准确度，能较出色地完成基数估计任务。
-
公开(公告)号：CN115270173A
公开(公告)日：2022-11-01
申请号：CN202210653636.0
申请日：2022-06-09
Applicant: 桂林电子科技大学
Abstract: 本发明涉及数据共享技术领域，涉及一种基于双区块链保护下教育数据共享方法，包括：1、用户DG‑ID‑A通过TDSC合约修改SHATE；2、用户DG‑ID‑B使用私钥SKB对待分享课程的课程标识和身份标识进行签名操作，并发送到智能合约；TDSC合约收到请求后，先调用DIRCC合约对身份进行权限检查，并且权限结果返回TDSC合约，将DG‑ID‑B的权限等级与SHATE进行匹配；3、DG‑ID‑A收到请求后，使用私钥将AES密钥进行加密发送，DG‑ID‑B对数据进行解密，得到AES密钥；4、DG‑ID‑B通过AES密钥对数据进行解密，得到原始数据。本发明能较佳地保护了教育数据共享过程的安全性。
-
公开(公告)号：CN111259153B
公开(公告)日：2021-06-22
申请号：CN202010072375.4
申请日：2020-01-21
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06N3/04 , G06N3/08
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。
-
公开(公告)号：CN108345695B
公开(公告)日：2020-07-28
申请号：CN201810229978.3
申请日：2018-03-20
Applicant: 桂林电子科技大学
IPC: G06F16/951 , G06F40/14
Abstract: 本发明公开一种基于隐马尔可夫模型的商品属性信息抽取方法，其基于半监督模式且模板独立的Web页面商品属性信息抽取方法，它不依赖特定的网页结构，不受网页动态性噪音的影响，不需要大量的人工标注样本，能保证抽取的商品属性名称和属性值的完整性，具有好的商品属性抽取性能和自适应性。
-
-
-
-
-
-
-
-
-
Search Results
72
records
(took 0.049 seconds)
