-
公开(公告)号：CN109543112A
公开(公告)日：2019-03-29
申请号：CN201811457888.6
申请日：2018-11-30
Applicant: 苏州大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于循环卷积神经网络的序列推荐方法，包括以下步骤：获得用户历史互动项目序列后，在预先训练获得的循环卷积神经网络的循环层，对每个项目做转换处理，获得隐藏状态向量，在循环卷积神经网络的卷积层，对基于隐藏状态向量确定的窗口矩阵分别进行水平卷积操作和垂直卷积操作，获得水平卷积结果和垂直卷积结果，在全连接层，根据水平卷积结果、垂直卷积结果和隐藏状态向量，获得用户与项目集合中每个项目的互动概率预测结果，根据该预测结果，确定推荐给用户的项目。应用本发明实施例所提供的技术方案，增强了推荐性能，实现了更加高效的序列推荐。本发明还公开了一种基于循环卷积神经网络的序列推荐装置，具有相应技术效果。
-
公开(公告)号：CN108829766A
公开(公告)日：2018-11-16
申请号：CN201810529606.2
申请日：2018-05-29
Applicant: 苏州大学
Abstract: 本发明公开了一种兴趣点推荐方法、系统、设备及计算机可读存储介质，其中该方法包括：获取一组兴趣点签到的时间信息及位置信息；输入签到序列的时间信息及位置信息至预先训练的LSTM模型；获取LSTM模型输出的每一个兴趣点的运算结果；基于运算结果确定目标兴趣点；其中，LSTM模型的记忆单元、输出门、隐藏状态均接受时间门和距离门的控制，时间门表示每相邻两个签到的兴趣点间的时间间隔，距离门表示每相邻两个签到的兴趣点间的距离间隔。本发明公开的一种兴趣点推荐方法、系统、设备及计算机可读存储介质均在一定程度上解决了如何提高现有的预测用户下一个兴趣点的预测准确性的技术问题。
-
公开(公告)号：CN104182518B
公开(公告)日：2017-12-26
申请号：CN201410420928.5
申请日：2014-08-25
Applicant: 苏州大学
Abstract: 本申请公开了一种协同过滤推荐方法及装置，方法为：预先建立表征用户间近邻关系、项目间近邻关系、用户与项目间实际行为关系和用户与项目间预测行为关系的第一矩阵、第二矩阵、第三矩阵和第四矩阵，利用用户实际行为数据更新第三和第四矩阵，利用用户预测行为数据更新第四矩阵，利用第三和第四矩阵更新第一和第二矩阵，选取用户与项目的实际行为关系值为零的组合，对选取的用户与项目进行评分预测，判断评分值与上一轮预测的评分值的偏差是否小于阀值，若否，则将其作为用户预测行为数据返回更新第四矩阵步骤，直至预测评分值小于阀值，依据该评分值确定是否将项目推荐给用户。本申请考虑了用户间、项目间的关系，使得推荐结果更精确。
-
公开(公告)号：CN105653637A
公开(公告)日：2016-06-08
申请号：CN201510998263.0
申请日：2015-12-28
Applicant: 苏州大学
IPC: G06F17/30
CPC classification number: G06F16/9537
Abstract: 本申请公开了一种基于层次结构的兴趣点推荐方法，该方法包括：在WMF法的基础上，通过融合地理位置信息，构建用于计算用户对兴趣点的位置偏好的原始目标函数；对兴趣点特征矩阵进行分层处理，得到q层的兴趣点隐性层次结构；对用户特征矩阵进行分层处理，得到p层的用户隐性层次结构；对用户活动区域矩阵进行分层处理，得到h层的用户活动区域隐性层次结构；利用兴趣点隐性层次结构、用户隐性层次结构以及用户活动区域隐性层次结构，对原始目标函数进行优化，并利用优化得到的主目标函数，确定用户对未曾到访兴趣点的偏好程度，并将偏好程度大于预设值的兴趣点推荐给相应的用户。本申请提高了兴趣点推荐结果的精准程度和细致程度。
-
公开(公告)号：CN103927394A
公开(公告)日：2014-07-16
申请号：CN201410184086.8
申请日：2014-05-04
Applicant: 苏州大学
CPC classification number: G06N99/005 , G06K9/6269
Abstract: 本申请公开了一种基于SVM的多标签主动学习分类方法及系统，所述方法包括：构建候选样本集；确定所述候选样本集内各样本所属的标签集；响应用户操作，将所述候选样本集及候选样本集内各样本所属的标签集进行标注，得到标注的样本；将所述标注的样本加入训练样本集进行训练，更新分类器；利用所述分类器对获取的待分类样本进行分类。所述基于SVM的多标签主动学习分类方法，通过初步确定样本所属的标签集，从而在很大程度上节约了人力成本以及人工标注的时间，从而在节省人力的基础上，还解决了多标签样本的学习分类问题。
-
Patent Agency Ranking
公开(公告)号：CN103699678A
公开(公告)日：2014-04-02
申请号：CN201310752850.2
申请日：2013-12-31
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明公开一种基于多阶段分层采样的层次聚类方法和系统，该方法包括：将随机采样得到的初始样本集作为种子构建分层查询策略，并基于分层的估计方差被最小化原则，为每层查询策略分配相应的样本个数；利用分层查询策略对数据源进行分层采样，得到样本代表性较高的代表性样本集；对代表性样本集中的样本进行聚类，基于聚类所得簇的边界点对数据源进行二次采样，得到样本不确定性较高不确定性样本集；基于由初始样本集、代表性样本集及不确定性样本集构成的合集进行聚类，以估计数据源的聚类中心。可见，本发明通过多阶段分层采样保证了样本具有较高的代表性、不确定性，规避了随机采样样本代表性较差的问题，进而提高了数据源聚类的准确度。
-
公开(公告)号：CN101968347A
公开(公告)日：2011-02-09
申请号：CN201010267454.7
申请日：2010-08-31
Abstract: 本发明公开了一种扁平粒状物表面平整度的提取方法。该方法包括如下步骤：(1)标定图像采集系统，得到图像采集系统的内参数和外参数；(2)对待分选的物体进行图像采集；(3)对采集到的图像对进行预处理；(4)对处理后的图像对进行校正；(5)进行空间分割、颜色分割、初始匹配和平面拟合，求得初始视差平面，计算最终视差图并根据视差图计算得到扁平粒状物的三维信息；(6)根据三维信息计算特征值。本发明模拟人类双眼处理景物的方式重建扁平粒状物的三维信息，根据三维信息对扁平粒状物表面平整度进行提取，简便可靠，精确，对需要判定扁平粒状物表面平整度的物品进行分选时，速度快，实现了计算机大批量针对扁平粒状物表面平整度的提取与检验。
-
公开(公告)号：CN100447793C
公开(公告)日：2008-12-31
申请号：CN200710019543.8
申请日：2007-01-10
Applicant: 苏州大学
IPC: G06F17/30
Abstract: 本发明公开了一种基于视觉特征的页面查询接口抽取方法，首先获取一个包含查询接口的页面文档；采用基于视觉的文档分割方法，对上述页面文档构建视觉块树；定位查询接口区域；利用视觉特征识别标签块；再利用视觉特征完成控件块与标签块的分组，由此确定查询接口中的控件及其对应的属性标签，实现查询接口的自动抽取。本发明可以实现查询接口的自动抽取，为进行深层网页的集成搜索提供了基础；实验证明，本发明的基于视觉特征的查询接口自动抽取方法是可行的，并且具有较高的精度；将本发明应用于深层网页的集成搜索，可以提高搜索的准确度，从而较大范围地提高人们的工作效率。
-
公开(公告)号：CN111506814B
公开(公告)日：2023-11-28
申请号：CN202010273754.X
申请日：2020-04-09
Applicant: 苏州大学
IPC: G06F16/9535 , G06F17/16 , G06N3/08
Abstract: 本申请公开了一种基于变分自注意力网络的序列推荐方法，该方法将变分自编码器引入自注意力网络以捕获用户的潜在偏好，一方面通过变分推断将获得的自注意力向量表示为密度，其方差可以很好地表征用户偏好的不确定性，另一方面采用自注意力网络来学习变分自编码器的推理过程和生成过程，使其可以很好地捕获长期和短期依赖，能够更好捕获用户偏好的不确定性和动态性，提升了推荐结果的准确性。此外，本申请还提供了一种基于变分自注意力网络的序列推荐装置及设备，其技术效果与上述方法的技术效果相对应。
-
公开(公告)号：CN110119479B
公开(公告)日：2023-05-02
申请号：CN201910409277.2
申请日：2019-05-16
Applicant: 苏州大学
IPC: G06F16/9535 , G06F16/958 , G06Q10/06 , G06Q10/04 , G06Q30/02 , G06Q50/12 , G06N3/04
Abstract: 本发明公开了一种餐馆推荐方法，该方法包括：获取用户对餐馆的历史评分数据，并利用历史评分数据构建用户餐馆评分矩阵；获取各个待选餐馆的美食图片，利用评分预测模型提取美食图片的视觉特征；其中，视觉特征包括CNN特征和美学特征；利用评分预测模型将用户餐馆评分矩阵中未评分餐馆对应的视觉特征转化为预测评分，获得用户餐馆预测评分矩阵；利用用户餐馆预测评分矩阵向用户推荐感兴趣餐馆。本方法通过结合美食图像的美学特征中隐含的用户偏好和餐馆内容，可向用户推荐满足用户偏好的餐馆，使得餐馆推荐准确率更佳，可提升用户体验。本发明还公开了一种餐馆推荐装置、设备及可读存储介质，具有相应的技术效果。
-
-
-
-
-
-
-
-
-
Search Results
82
records
(took 0.049 seconds)
