-
公开(公告)号：CN111400303A
公开(公告)日：2020-07-10
申请号：CN202010031809.6
申请日：2020-01-13
Applicant: 复旦大学 , 上海计算机软件技术开发中心
Abstract: 本发明公开了一种基于抽象语法树的智能合约数据提取和同步方法。首先对智能合约源代码进行词法分析和语法分析，生成抽象语法树；对该抽象语法树进行由顶至下的遍历分析，针对每个合约中的状态变量记录其序号及类型，并据此计算出该智能合约中的数据对应于存储MPT树中的索引值；当有新的交易产生时，根据交易所在的区块头的状态MPT树根重构存储MPT树，根据索引值查询存储MPT树获取到状态变量实际值，并将该数据同步到外部存储层中。使用本发明能够有效提取和同步智能合约应用中变量的数据，用于后续查询和分析。
-
公开(公告)号：CN106202299B
公开(公告)日：2020-05-12
申请号：CN201610510264.0
申请日：2016-07-01
Applicant: 复旦大学
IPC: G06F16/951 , G06F16/953 , G06F16/9535 , G06Q50/00
Abstract: 本发明属于社交网络中的推荐技术领域，具体为一种基于残疾人特征的残疾人权威用户推荐方法。本发明具体步骤包括：残疾人网络社区信息数据库的构建，残疾人网络社区用户分析与建模，残疾人用户特征量化，残疾人用户权威评估模型的建立，残疾人主题权威用户推荐。本发明通过扩展现有的协同过滤推荐技术和基于内容的推荐技术，同时结合残疾人用户本身的特征而提出的针对残疾人网络社区中新用户的多样化主题权威用户推荐方法。它利用权威用户对社区了解的全面性来帮助新用户适应社区；利用主题权威用户的专业性来解决残疾人新用户的有限但特殊的兴趣需求，通过权威用户的慰藉和引导来提升新用户的心理状态。
-
公开(公告)号：CN111125620A
公开(公告)日：2020-05-08
申请号：CN201911061727.X
申请日：2019-11-01
Applicant: 复旦大学
IPC: G06F17/16
Abstract: 本发明属于推荐技术领域，具体为推荐系统中基于矩阵分解的并行随机梯度下降算法。本发明根据用户历史评分数据对未评分数据进行预测，采用混合交替更新的方式使其在高度并行的情况下依然保持良好的准确性；通过递归地将评分矩阵分成2×2的子矩阵，先并行处理左上角和右下角子矩阵，再并行处理右上角和左下角的子矩阵，避免了训练数据导致的参数向量依赖问题；在更新过程中固定一个参数向量求解另一个参数向量，解除了计算时的参数向量之间的依赖关系，降低了并行造成的精度损失。本发明通过引入混合交替更新的方式，解决了并行随机梯度下降算法在矩阵分解场景下参数向量更新时依赖的问题，并具有良好的准确性和扩展性。
-
公开(公告)号：CN111124293A
公开(公告)日：2020-05-08
申请号：CN201911257152.9
申请日：2019-12-10
Applicant: 复旦大学
IPC: G06F3/06
Abstract: 本发明属于协同编辑算法技术领域，具体为一种地址空间转换算法中的部分复制方法。本发明包括：构建服务器与客户端的副本存储结构；设计服务器与客户端的操作同步协议，该操作同步协议支持副本补全；设计服务器与客户端的部分副本同步协议，该副本同步协议支持增量式的构建客户端副本；本发明部分复制方法以服务端增加一小部分内存为代价换来了客户端内存消耗的大幅缩减和操作执行效率的提升。另一方面，由于现有的协同编辑应用都会将各种结构转换为线性结构做一致性维护。因此本发明提出的部分复制方法具有普遍意义，只要稍作改进就能够在其他结构中应用。
-
公开(公告)号：CN109102103A
公开(公告)日：2018-12-28
申请号：CN201810672863.1
申请日：2018-06-26
Applicant: 上海鲁班软件股份有限公司 , 复旦大学
Abstract: 本发明公开一种基于循环神经网络的多类别能耗预测方法，预先训练形成一循环神经网络模型，包括：步骤S1、于循环神经网络模型的基础上加载原始能耗数据，并从原始能耗数据中判断出缺失值与异常值，并对缺失值与异常值进行检测与处理；步骤S2、以原始能耗数据为基础，从原始能耗数据中提取时序特征数据并建立循环神经网络模型的特征集合，对特征集合进行归一化处理；步骤S3、对归一化处理之后的特征集合进行分批训练，结合非时序特征数据建立多类别输出神经网络，对多类别输出神经网络输出的多类别能耗数据进行预测。有益效果：利用原始能耗数据的时序特征数据，并结合非时序特征数据建立多类别输出神经网络，以进行预测。
-
Patent Agency Ranking
公开(公告)号：CN107194608A
公开(公告)日：2017-09-22
申请号：CN201710441124.7
申请日：2017-06-13
Applicant: 复旦大学
IPC: G06Q10/06
CPC classification number: G06Q10/06311 , G06Q10/06313
Abstract: 本发明属于众包标注技术领域，具体为一种面向残疾人社区的众包标注任务分配策略；该策略是将自动分配与人工分配相结合并混合主动认领的方式来完成对标注任务的分配。所提出的分配策略对众包标注任务以及残疾人工作者进行建模，构建面向残疾人社区的众包标注任务池。本发明的有益效果在于：有效避免了同一任务重复分配的问题，减少浪费残疾人劳动力；为参与众包标注工作者的残疾人分配一定的基础工作量，同时又能够满足一定程度的多劳多得。
-
公开(公告)号：CN107194176A
公开(公告)日：2017-09-22
申请号：CN201710366810.2
申请日：2017-05-23
Applicant: 复旦大学
IPC: G06F19/00
Abstract: 本发明属于智能家居环境下的用户行为分析技术领域，具体为一种残疾人智能操作的数据填补与行为预测方法。本发明方法分为两个部分：一、操作的数据填补部分，用于填补残疾人用户产生的缺失操作；二、操作的行为预测部分，用于预测给定操作序列的下一步最有可能的操作。其中，操作的数据填补采用基于K最近邻（KNN）的缺失操作填补算法，操作的行为预测采用基于隐马尔可夫模型（HMM）的操作预测算法，最终实现减小用户的操作成本的目标。
-
公开(公告)号：CN101175090B
公开(公告)日：2011-01-19
申请号：CN200710031552.9
申请日：2007-11-21
Abstract: 本发明公开了一种基于服务特性的服务合成系统，其包括：存储模块，用于存储路径表及合成向量表；初始化模块，通过对Web服务集合执行建模处理来初始化存储模块中的路径表和合成向量表；合成模块，用于根据方案选择规则根据方案选择规则从输入到输出的多条路径中选出一条路径作为最优路径，并使用所述最优路径更新存储模块中的路径表和合成向量表。相应地，本发明提供了一种基于服务特性的服务合成方法。根据本发明的技术方案，可以在较好的时间复杂度内进行用户满意的服务合成。
-
公开(公告)号：CN101729521A
公开(公告)日：2010-06-09
申请号：CN200810225187.X
申请日：2008-10-30
CPC classification number: H04L67/00
Abstract: 本发明提供了一种组合服务的部署方法和装置。该方法主要包括：获取组合服务的部署序列，所述部署序列含有组合服务的子服务的部署方式，根据所述子服务的部署方式处理部署序列，生成优化后的部署序列，按照所述优化后的部署序列进行所述组合服务的部署。利用本发明实施例，通过对组合服务中的子服务的部署方式进行规范化处理，并且对部署序列进行优化，简化了组合服务的部署序列，大大降低了服务部署的规模，有效减少系统资源的消耗，降低管理人员的工作强度。
-
公开(公告)号：CN101175090A
公开(公告)日：2008-05-07
申请号：CN200710031552.9
申请日：2007-11-21
Abstract: 本发明公开了一种基于服务特性的服务合成系统，其包括：存储模块，用于存储路径表及合成向量表；初始化模块，通过对Web服务集合执行建模处理来初始化存储模块中的路径表和合成向量表；合成模块，用于根据方案选择规则根据方案选择规则从输入到输出的多条路径中选出一条路径作为最优路径，并使用所述最优路径更新存储模块中的路径表和合成向量表。相应地，本发明提供了一种基于服务特性的服务合成方法。根据本发明的技术方案，可以在较好的时间复杂度内进行用户满意的服务合成。
-
-
-
-
-
-
-
-
-
Search Results
100
records
(took 0.028 seconds)
