-
公开(公告)号：CN111881363B
公开(公告)日：2024-06-25
申请号：CN202010578943.8
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9536 , G06Q30/0601 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/09
Abstract: 一种基于图交互网络的推荐方法应用于用户个性化推荐领域。互联网产业的快速发展以及网络数据量的持续增长，传统的推荐方法和深度学习方法难以满足复杂的应用环境，在准确率和空间复杂度方面存在着不足。因此本发明提出了一种基于图交互网络的推荐方法，采用该方案可以保证个性化推荐准确率的同时，降低模型空间复杂度，有着广阔的应用前景。
-
公开(公告)号：CN110309333A
公开(公告)日：2019-10-08
申请号：CN201910450067.8
申请日：2019-05-28
Applicant: 北京工业大学
IPC: G06F16/55 , G06F16/901 , G06N3/04
Abstract: 本发明提出了一种基于余弦度量的深度哈希图像检索方法。面对互联网上庞大的图片数据，为了满足用户的需求，找到一种快速且准确的图像检索方法成为了一个亟待解决的问题。基于余弦度量可以有效减少矢量长度的多样性进而提升检索性能，同时在损失函数中引入类别信息，它与余弦度量约束相结合，有助于共同学习同一网络中的相似性保持，也能充分利用分类信息。采用该方案可以有效的实现大规模图像检索，并且经过实验证明，本方案的性能优于目前现有的图像检索方法，具有很重要的应用价值。
-
公开(公告)号：CN111881363A
公开(公告)日：2020-11-03
申请号：CN202010578943.8
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9536 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 一种基于图交互网络的推荐方法应用于用户个性化推荐领域。互联网产业的快速发展以及网络数据量的持续增长，传统的推荐方法和深度学习方法难以满足复杂的应用环境，在准确率和空间复杂度方面存在着不足。因此本发明提出了一种基于图交互网络的推荐方法，采用该方案可以保证个性化推荐准确率的同时，降低模型空间复杂度，有着广阔的应用前景。
-
Patent Agency Ranking
公开(公告)号：CN110309333B
公开(公告)日：2021-09-17
申请号：CN201910450067.8
申请日：2019-05-28
Applicant: 北京工业大学
IPC: G06F16/55 , G06F16/901 , G06N3/04
Abstract: 本发明提出了一种基于余弦度量的深度哈希图像检索方法。面对互联网上庞大的图片数据，为了满足用户的需求，找到一种快速且准确的图像检索方法成为了一个亟待解决的问题。基于余弦度量可以有效减少矢量长度的多样性进而提升检索性能，同时在损失函数中引入类别信息，它与余弦度量约束相结合，有助于共同学习同一网络中的相似性保持，也能充分利用分类信息。采用该方案可以有效的实现大规模图像检索，并且经过实验证明，本方案的性能优于目前现有的图像检索方法，具有很重要的应用价值。
-
公开(公告)号：CN112488231A
公开(公告)日：2021-03-12
申请号：CN202011443669.X
申请日：2020-12-11
Applicant: 北京工业大学
Abstract: 一种具有平衡相似性的余弦度量监督深度哈希算法属于图像检索领域。深度监督哈希具有存储成本低、计算效率高等优势。然而，相似性保持、量化误差和不平衡数据仍然是深度监督哈希中的巨大挑战。本发明提出了一种成对相似性保持的深度哈希方案，解决上述问题。本方法使用深度网络作为基础模型来提取特征，并用哈希层替换最后的分类层使其输出哈希码。本方法设计了一种损失函数，能在训练过程中有效地保持语义相似性、处理类别不均衡和难易以及量化损失的问题。本发明方法获得的哈希码，用于图像检索时，对极度不均衡数据集能有效提高检索的准确率。
-
公开(公告)号：CN111881342A
公开(公告)日：2020-11-03
申请号：CN202010578945.7
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/04 , G06N3/08 , G06Q50/00
Abstract: 一种基于图孪生网络的推荐方法应用于个性化推荐领域。现有方法(1)缺乏知识扩展性，比如难以有效融合用户社交关系信息；(2)多层特征信息传播范式下，学到的特征会出现过平滑问题。因此本发明提出了一种基于图孪生网络的推荐方法，通过用户、物品的交互信息建模用户关系图和物品关系图，通过本发明设计的图卷积层，以两个同构有向图的形式分别挖掘用户关系信息和物品关系信息。最后，通过图交互层聚合两个通道的用户特征和物品特征，充分提取用户偏好信息和物品属性信息。本发明有效保持U-I特征特性，显著提高个性化推荐准确率，具备良好的模型可扩展性，有着广阔的应用前景。
-
公开(公告)号：CN111881342B
公开(公告)日：2024-12-10
申请号：CN202010578945.7
申请日：2020-06-23
Applicant: 北京工业大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/048 , G06N3/08 , G06Q50/00
Abstract: 一种基于图孪生网络的推荐方法应用于个性化推荐领域。现有方法(1)缺乏知识扩展性，比如难以有效融合用户社交关系信息；(2)多层特征信息传播范式下，学到的特征会出现过平滑问题。因此本发明提出了一种基于图孪生网络的推荐方法，通过用户、物品的交互信息建模用户关系图和物品关系图，通过本发明设计的图卷积层，以两个同构有向图的形式分别挖掘用户关系信息和物品关系信息。最后，通过图交互层聚合两个通道的用户特征和物品特征，充分提取用户偏好信息和物品属性信息。本发明有效保持U‑I特征特性，显著提高个性化推荐准确率，具备良好的模型可扩展性，有着广阔的应用前景。
-
公开(公告)号：CN112488231B
公开(公告)日：2024-07-02
申请号：CN202011443669.X
申请日：2020-12-11
Applicant: 北京工业大学
IPC: G06V10/74 , G06V10/82 , G06N3/0464 , G06N3/08
Abstract: 一种具有平衡相似性的余弦度量监督深度哈希算法属于图像检索领域。深度监督哈希具有存储成本低、计算效率高等优势。然而，相似性保持、量化误差和不平衡数据仍然是深度监督哈希中的巨大挑战。本发明提出了一种成对相似性保持的深度哈希方案，解决上述问题。本方法使用深度网络作为基础模型来提取特征，并用哈希层替换最后的分类层使其输出哈希码。本方法设计了一种损失函数，能在训练过程中有效地保持语义相似性、处理类别不均衡和难易以及量化损失的问题。本发明方法获得的哈希码，用于图像检索时，对极度不均衡数据集能有效提高检索的准确率。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.02 seconds)
