-
公开(公告)号：CN112508173B
公开(公告)日：2024-06-28
申请号：CN202011391942.9
申请日：2020-12-02
Applicant: 中南大学
IPC: G06N3/0464 , G06N3/044 , G06N3/0442 , G06N3/08 , G06F16/2458 , G06Q10/04 , G06Q50/40
Abstract: 本发明公开了一种交通时空序列多步预测方法、系统及存储介质，基于历史数据X1:T计算改进的历史均值#imgabs0#第二步，历史数据X1:T和改进的改进历史均值#imgabs1#通过3D‑CNN模块进行下采样；第三步，使用序列到序列模型进行多步预测得到#imgabs2#模型的编码器和解码器均由ConvLSTM组成，并在解码器中融入了注意力机制，进而使用转置3D卷积进行上采样；第四步，#imgabs3#与#imgabs4#做多模型融合，得到最终的预测结果#imgabs5#本发明预测方法的精度更高。
-
公开(公告)号：CN117111946A
公开(公告)日：2023-11-24
申请号：CN202310621627.8
申请日：2023-05-30
Applicant: 中南大学
IPC: G06F8/41 , G06F16/33 , G06F8/71 , G06F18/22 , G06F18/213 , G06N3/045 , G06N3/0464 , G06N3/09 , G06N3/0895
Abstract: 本发明公开了一种跨语言代码搜索方法、终端设备及存储介质，使用预训练的CodeBERT获取代码tokens的表示，提取代码的序列特征矩阵 按行展平，作为代码片段的结构特征vtok；采用图卷积运算提取统一后的AST的特征，将图卷积运算最后一层的特征矩阵 按行展平，作为代码片段的结构特征vast；融合代码片段的结构特征vtok和作为代码片段的结构特征vast，得到完整的代码特征vcode；利用所述完整的代码特征vcode进行对比学习，得到跨语言代码搜索模型。本发明提高了模型对不同编程语言但是功能相同的代码片段的区分能力。
-
公开(公告)号：CN112508173A
公开(公告)日：2021-03-16
申请号：CN202011391942.9
申请日：2020-12-02
Applicant: 中南大学
IPC: G06N3/04 , G06N3/08 , G06F16/2458 , G06Q10/04 , G06Q50/30
Abstract: 本发明公开了一种交通时空序列多步预测方法、系统及存储介质，基于历史数据X1:T计算改进的历史均值第二步，历史数据X1:T和改进的改进历史均值通过3D‑CNN模块进行下采样；第三步，使用序列到序列模型进行多步预测得到模型的编码器和解码器均由ConvLSTM组成，并在解码器中融入了注意力机制，进而使用转置3D卷积进行上采样；第四步，与做多模型融合，得到最终的预测结果本发明预测方法的精度更高。
-
公开(公告)号：CN111292062A
公开(公告)日：2020-06-16
申请号：CN202010083860.1
申请日：2020-02-10
Applicant: 中南大学
Abstract: 本发明公开了一种基于网络嵌入的众包垃圾工人检测方法、系统及存储介质，基于工人的答案通过率构建了一个以工人和请求者为节点的众包异构网络；为众包异构网络中中心度不同的节点生成不同数目的不定长游走路径；对生成的路径进行正采样和负采样得到表示学习模型的训练数据；根据得到的数据训练HIN2Vec模型，以学习众包异构网络中工人节点的表示向量；基于工人向量利用OneClassSVM算法进行工人分类，以检测不同勾结模式的垃圾工人。本发明的检测方法能够高效检测不同勾结模式的众包垃圾工人。
-
公开(公告)号：CN117421639A
公开(公告)日：2024-01-19
申请号：CN202311454966.8
申请日：2023-11-03
Applicant: 中南大学
IPC: G06F18/24 , G06F18/214 , G06F18/22 , G06F18/25 , G06N3/0455 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种多模态数据分类方法、终端设备及存储介质，针对缺失模态数据的情况通过不同的方法得到多种来源的缺失模态增强信息，可以从数据层面进一步缓解缺失模态的问题。针对大模型重新训练代价高昂的情况，本发明使用门控机制从模型层面融合多种来源的缺失模态增强信息，从而进一步缓解缺失模态所造成的影响，使模型的最终的分类准确率提升。
-
Patent Agency Ranking
公开(公告)号：CN111292062B
公开(公告)日：2023-04-25
申请号：CN202010083860.1
申请日：2020-02-10
Applicant: 中南大学
IPC: G06Q10/0631 , G06F18/214 , G06F18/2411 , G06N3/084
Abstract: 本发明公开了一种基于网络嵌入的众包垃圾工人检测方法、系统及存储介质，基于工人的答案通过率构建了一个以工人和请求者为节点的众包异构网络；为众包异构网络中中心度不同的节点生成不同数目的不定长游走路径；对生成的路径进行正采样和负采样得到表示学习模型的训练数据；根据得到的数据训练HIN2Vec模型，以学习众包异构网络中工人节点的表示向量；基于工人向量利用OneClassSVM算法进行工人分类，以检测不同勾结模式的垃圾工人。本发明的检测方法能够高效检测不同勾结模式的众包垃圾工人。
-
公开(公告)号：CN113821198A
公开(公告)日：2021-12-21
申请号：CN202111072772.2
申请日：2021-09-14
Applicant: 中南大学
Abstract: 本发明公开了一种代码补全方法、系统、存储介质及计算机程序产品，对代码化片段进行预处理，将预处理后的代码化片段作为非匿名化模型的输入，得到第一预测结果；判断所述第一预测结果是否为标识符UNK，若否，则结束；否则，将匿名化的代码作为匿名化模型的输入，得到第二预测结果。本发明的代码补全方法通过匿名化和建立动态的词表能够高效的处理OOV词中的稀有词和新词，不依赖具体模型的特性可以让本发明快速跟进代码补全领域的最新成果。
-
-
公开(公告)号：CN107229876B
公开(公告)日：2020-01-24
申请号：CN201710413450.7
申请日：2017-06-05
Applicant: 中南大学
IPC: G06F21/62 , G06F16/9535
Abstract: 本发明公开了一种满足差分隐私的协同过滤推荐方法，首先计算目标用户的偏好项目分组概率，根据分组概率的大小，确定项目是否归入随机集合还是近邻集合，然后根据替换概率p'，决定分别执行任意项目替换、近邻项目替换和保留现有项目三个过程完成用户偏好重构，根据重构后的偏好应用指数机制选择目标用户的近邻，最后根据近邻生成推荐结果。本发明能够尽最大可能的保证用户的隐私不被泄漏。
-
公开(公告)号：CN105354260A
公开(公告)日：2016-02-24
申请号：CN201510695180.4
申请日：2015-10-22
Applicant: 中南大学
IPC: G06F17/30
CPC classification number: G06F17/30867
Abstract: 本发明公开了一种融合社会网络和项目特征的移动应用推荐方法，首先使用基于本体的语义相似度方法计算移动应用项目之间的相似度，然后通过K-means方法将相似项目进行聚类，进而利用用户在相似项目上的评分改进用户相似度的计算方法，改变了传统的基于用户的协同过滤推荐算法中利用用户在相同项目上的评分来计算用户相似度。为了充分利用社会网络中的用户信任关系，将项目相似特征和用户信任关系融合到评分预测公式中，有效地提高了预测的准确度。实验结果表明：将基于K-means应用项目聚类的用户相似度计算与用户信任关系融合起来，能够提高移动应用推荐的准确度。本发明提高了移动应用推荐的准确性，对其它对象的推荐也具有适应性。
-
-
-
-
-
-
-
-
-
Search Results
23
records
(took 0.02 seconds)
