-
公开(公告)号：CN109214006B
公开(公告)日：2020-10-27
申请号：CN201811088770.0
申请日：2018-09-18
Applicant: 中国科学技术大学
IPC: G06F40/30
Abstract: 本发明公开了一种图像增强的层次化语义表示的自然语言推理方法，包括：获取具有异构数据结构的自然语言句子对和对应的图像信息；对所述自然语言句子对分别进行词级别、短语级别与句子级别的不同粒度的语义建模，获得相应的语义表示；利用对应的图像信息，分别对词级别、短语级别与句子级别的语义表示进行增强处理；根据增强处理后的词级别、短语级别与句子级别的语义表示，利用自然语言推理中的匹配方法处理得到的自然语言句子对的表示向量，以此判断自然句子对中两个句子之间的推断关系。该方法实现对句子语义的全面准确理解和表示，进而高效建模两个句子之间的语义交互，最终准确判断两个句子之间的语义推断关系。
-
公开(公告)号：CN111539528A
公开(公告)日：2020-08-14
申请号：CN202010355445.7
申请日：2020-04-29
Applicant: 中国科学技术大学
Abstract: 一种基于异构结构的知识追踪方法，包括以下步骤：获取学生的练习历史日志，以及每道习题考察的知识点；获取知识点之间关系构成的异构知识结构；将学生的成绩日志处理为若干按照时间顺序排列的作答序列，每个作答序列包括特定学生在特定时间的一系列答题结果；基于知识所具有的图结构性质，应用两个不同的传播模型来追踪沿不同关系的影响，包括同步传播方法和异步传播方法；采用级联影响传播单元对模型的时间效果和空间效果进行联合建立模型，将异构知识结构和学生的作答序列作为输入，由级联影响传播单元从每一个时刻的作答情况中提取出每次学习对知识点产生的时序影响；采用门控函数综合时序影响和空序影响的综合效果，更新学生的知识状态。
-
公开(公告)号：CN111461442A
公开(公告)日：2020-07-28
申请号：CN202010265714.0
申请日：2020-04-07
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于联邦学习的知识追踪的方法及系统，相关方案运用深度知识追踪模型，结合循环神经网络对本地学生知识状态进行建模，同时计算本地数据的置信度；最终服务器结合置信度作为权重，加权平均各个模型的参数，得到全局知识追踪模型，进而更好的利用各个客户端的私有数据，并且保持数据隐私，最终更加准确的追踪建模学生的能力，弥补了现有方法泄露隐私信息，对教育数据质量的忽略等弊端。
-
公开(公告)号：CN111400525A
公开(公告)日：2020-07-10
申请号：CN202010201301.6
申请日：2020-03-20
Applicant: 中国科学技术大学
IPC: G06F16/535 , G06F16/583 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于视觉组合关系学习的时尚服装智能搭配与推荐方法，该方法针对服装视觉信息的抽取，多服饰视觉兼容度与相互影响关系的建模，能够智能的为服装进行匹配，获取服装之间的匹配评分，进一步地辅助搭配类别分析，能够智能识别当前搭配中所缺少的部分，并对缺少单品进行针对性预测；通过模型训练与优化策略，模型能够自适应的学习专家经验，并能智能的为用户生成美观的服装搭配。
-
公开(公告)号：CN111340669A
公开(公告)日：2020-06-26
申请号：CN202010107299.6
申请日：2020-02-21
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种众筹项目初期筹资表现预测系统，使用图神经网络结构对项目间的竞争影响和市场环境的演变进行了建模，从而使得模型能够建模众筹市场的环境因素进而提升预测的准确性；同时，系统还能够直观的显示预测过程中各项信息及最终的预测结果，极大的提高用户体验，方便用户了解众筹项目的相关情况。
-
Patent Agency Ranking
公开(公告)号：CN110610006A
公开(公告)日：2019-12-24
申请号：CN201910881062.0
申请日：2019-09-18
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种基于笔画和字形的形态学双通道中文词嵌入方法，包括：获取中文文本，并通过预处理得到相应的词序列；将词序列中的每个单词拆分为若干个汉字，再根据汉字的笔顺信息与字形图片信息，针对字级形态学特征、字级特征与词级特征的提取过程进行建模，从而获得适用于汉语自身特点的词嵌入表达。上述方法可以增强词嵌入的效果，为汉语自然语言处理、文本挖掘等领域的实践提供一定的技术支持。
-
公开(公告)号：CN110377707A
公开(公告)日：2019-10-25
申请号：CN201910676812.0
申请日：2019-07-25
Applicant: 中国科学技术大学
IPC: G06F16/33 , G06F16/335 , G06N3/04 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种基于深度项目反应理论的认知诊断方法，包括：获取学生的历史习题数据；对历史习题数据进行预处理，使用深度学习方法并结合预处理结果对学生和习题数据进行建模，获得学生的潜在特质、以及习题难度和区分度；根据学生的潜在特质、以及习题难度和区分度，利用项目反应理论的二参数模型预测学生在习题上的得分。上述方法可以给学生提供更有效、更详细以及更鲁棒的认知诊断结果。
-
公开(公告)号：CN110246011A
公开(公告)日：2019-09-17
申请号：CN201910511378.0
申请日：2019-06-13
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种可解释时尚服装个性化推荐方法，包括：获取用户的历史购买的商品以及相应的商品图像；构建商品推荐模型，将商品与用户均投影到语义属性空间，基于获得的用户特征向量与商品的特征向量实现用户对商品的评分；同时，在商品图像中定位各个语义属性的位置，以及用户对于各语义属性的喜好程度；对商品推荐模型进行训练，得到训练好的商品推荐模型；对于一个用户及一系列的新商品，通过训练好的商品推荐模型，生成商品推荐序列，以及在每一新商品的图像上标注各个语义属性所在的位置及用户的喜好程度。该方法通过对商品进行自动语义属性定位和识别，对商品和用户进行细粒度语义属性级别建模，能够为用户提供精准的个性化推荐服务。
-
公开(公告)号：CN109918510A
公开(公告)日：2019-06-21
申请号：CN201910235391.8
申请日：2019-03-26
Applicant: 中国科学技术大学
Abstract: 本发明公开了一种跨领域关键词提取方法，包括：构建基于主题的对抗神经网络，其使用基于主题的编码器对源领域和目标领域的文本基于主题进行编码，并引入对抗学习来与双向自编码器来确保基于主题的编码器学习到的特征与领域无关以及保留目标领域的私有特征，最后由主题的对抗神经网络中的关键词标注器结合基于主题的编码器的输出，完成关键词提取；在训练阶段，不断优化基于主题的对抗神经网络内的各部分参数；在测试阶段，将目标领域的文本输入至训练好的基于主题的对抗神经网络，从而提取出关键词。该方法可实现无标签或少量标签的目标领域的关键词提取，相比传统模型，有效地利用了相关领域的信息。对于提取结果，在评价指标F1上有一定的提高。
-
公开(公告)号：CN109639469A
公开(公告)日：2019-04-16
申请号：CN201811452218.5
申请日：2018-11-30
Applicant: 中国科学技术大学
IPC: H04L12/24
Abstract: 本发明公开了一种联合学习稀疏属性网络表征方法及系统，该方法包括：在目标网络中确定训练样本；将目标网络中的节点和其属性进行投影，生成所述目标网络中各个节点的表征向量；利用所述训练样本中每个节点的相邻节点进行节点出现概率预测，并基于节点之间的属相相似度为每个节点的相邻节点分配不同的权重值；基于各个节点的表征向量和各个节点分配获得的权重值，生成目标函数；对所述目标函数进行优化，并融合网络结构的相似性和节点属性信息，使得学习到的节点向量表征同时维持网络结构和节点属性的相似关系。本发明能够有效地捕捉节点和自身稀疏属性之间的交互关系，缓解节点属性稀疏的问题。
-
-
-
-
-
-
-
-
-
Search Results
213
records
(took 0.036 seconds)
