-
公开(公告)号：CN118708807A
公开(公告)日：2024-09-27
申请号：CN202410765488.0
申请日：2024-06-14
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06Q50/20 , G06F18/22 , G06Q10/0639 , G06F40/284 , G06F16/36 , G06N5/022
Abstract: 本申请提出了一种基于张量分解技术的个性化课程推荐方法及装置，该方法包括：根据原始异质评教数据构建含有个人关系网络和课程评教网络的异质学生教学评价图谱，并基于图结构的学习方法衡量每个学生之间的个性化差异得到学生表征向量；利用任意两个学生表征向量之间的余弦距离，结合每个学生的知识掌握情况，进行学生个性化程度的评估；根据评估结果，将原始异质评教数据转换为定量的新数据形式，并将新数据形式在学生、课程和个性化类型三个维度上进行组合，构建学生教学评估张量；将学生教学评估张量作为特征输入，将评价分数作为预测目标，通过随机梯度下降法训练预测模型，完成课程评价预测。本申请能够实现准确的学生个性化课程推荐。
-
公开(公告)号：CN114398669B
公开(公告)日：2024-09-06
申请号：CN202111538462.5
申请日：2021-12-15
Applicant: 北京邮电大学
IPC: G06F21/62 , G06Q40/03 , G06F18/2135
Abstract: 本申请提出了一种基于隐私保护计算和跨组织的联合信用评分方法及装置，该方法包括：在多个边缘节点中分别构建本地数据资源，将本地数据资源的基本信息和元数据信息同步至中央节点；在中央节点中通过同步的信息构建数据模型进行关联分析，并构建数据指标；将数据指标与多个边缘节点的元数据信息进行关联映射；基于更新后的多个本地数据资源，通过隐私保护集合求交确定公共样本；通过多方数据挖掘算法计算数据指标体系的权重参数，并将权重参数赋值到评分系统的指标体系的每个特征上；通过构建出的联合评分系统模型进行信用评分。该方法在加入安全隐私的机制下生成跨组织的联合评分卡系统架构，能够有效利用多维数据构建高维复杂的评分系统。
-
公开(公告)号：CN119202370A
公开(公告)日：2024-12-27
申请号：CN202411082335.2
申请日：2024-08-08
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/36 , G06N3/042 , G06N3/084 , G06N3/0464 , G06Q50/20
Abstract: 本发明公开了基于知识图谱特征提取的电子教育资源推荐方法及系统，该方法将实体和关系数据表示成知识图谱结构以构建电子教育资源知识图谱；其中节点表示实体，边表示实体间的关系；确定电子教育资源知识图谱的节点嵌入表示和关系嵌入表示；将节点嵌入表示和关系嵌入表示输入神经网络模型输出深度嵌入层表示和交互特征；利用神经网络模型处理深度嵌入层表示和交互特征以提取特征模式，并利用特征模式预测电子教育资源知识图谱中学习者和教育资源两个节点之间是否存在学习关系的边，以基于预测结果进行电子教育资源的推荐。本发明动态地调整教育资源之间的重要性权重，最终实现对学习者未来可能感兴趣的教育资源预测和个性化推荐。
-
公开(公告)号：CN119166882A
公开(公告)日：2024-12-20
申请号：CN202411013117.3
申请日：2024-07-26
Applicant: 北京邮电大学
IPC: G06F16/953 , G06N3/0464 , G06N3/042 , G06N3/088 , G06N5/02
Abstract: 本申请提出了一种基于无监督伪负标签策略的的学术论文评审人推荐方法，包括：获取异构的学术知识图谱并分解，得到表示论文和评审人交互行为的二部图和描述节点信息的知识图谱；使用两阶段编码器分别对二部图和知识图谱进行编码，得到各节点的基本嵌入表示，并通过聚合运算分别将每个节点的基本嵌入表示融合，得到各节点的融合嵌入表示；通过图对比学习对各节点的融合嵌入表示精调，在图对比学习时使用对节点聚类得到的伪标签提取负样本，并进行正样本嵌入表示学习，得到各节点的最终嵌入表示；选定待预测的评审人和论文，通过推荐网络基于对应的节点的最终嵌入表示预测评审发生概率。采用上述方案的本发明实现了有效且准确的学术评审人的推荐。
-
公开(公告)号：CN119360075A
公开(公告)日：2025-01-24
申请号：CN202411289290.6
申请日：2024-09-14
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06V10/44 , G06N3/0455 , G06N3/096 , G06N5/04
Abstract: 本申请提出了一种基于能量场与距离空间的提示增量聚合的图像分类方法，包括：获取领域增强学习场景的数据集，其中，数据集包括至少一个领域的数据；通过数据集进行训练，在训练时，利用当前领域的数据和冻结的CLIP模型，通过最小化损失函数来优化该领域的个性化提示模型；在推理时，通过CLIP模型对待分类图像进行编码得到特征向量，并计算特征向量与各个领域的距离，对于每个领域，使用该领域的个性化提示模型与CLIP模型融合生成待分类图像的能量和预测概率，基于距离和能量确定距离因子和能量因子，将距离因子和能量因子结合得到领域权重，使用领域权重计算预测概率的加权和，生成分类混合概率。采用上述方案的本发明提升了模型的跨域增量适配能力。
-
Patent Agency Ranking
公开(公告)号：CN114817557B
公开(公告)日：2024-12-20
申请号：CN202210302732.0
申请日：2022-03-24
Applicant: 北京邮电大学
IPC: G06F16/36 , G06F18/214 , G06Q40/03
Abstract: 本发明公开了基于企业征信大数据知识图谱的企业风险检测方法和装置，其中，该方法包括：通过分散数据子域数据构建企业征信大数据统一信息模型；基于企业征信大数据统一信息模型，利用自顶向下方式构建第一企业征信大数据领域本体；以及通过自底向上的构建方式对企业征信大数据领域中的数据进行实体抽取和关系抽取，选取优质新词扩充第一企业征信大数据领域本体规模，以构建第二企业征信大数据领域本体；基于构建好的本体，利用企业征信大数据构建企业征信大数据知识图谱，通过知识图谱进行特征获取，将获取的特征数据输入训练好的风控模型输出分类结果，并用于分类企业。本发明提升了企业征信领域知识图谱本体的精确性，提升了风控模型的性能。
-
公开(公告)号：CN118484528A
公开(公告)日：2024-08-13
申请号：CN202410665810.2
申请日：2024-05-27
Applicant: 北京邮电大学
IPC: G06F16/335 , G06F16/9536 , G06F16/33 , G06F16/36 , G06N5/022 , G06N3/0442 , G06N3/0455
Abstract: 本发明涉及论文推荐技术领域，尤其是指一种学术论文推荐方法、装置、设备及计算机存储介质。本发明所述的学术论文推荐方法，构建统一的知识图谱，通过神经网络同时考虑文本内容和学术图谱信息，实现用户和论文等关键实体的准确量化描述；本发明还提出一种深度学习推荐模型，根据输入用户过去的行为和实体特征，自动地调整权重从而更有效地捕捉序列中的重要信息；本发明挖掘大规模异质图谱中的学习者行为并将其与学习者当前的主题文本偏好相融合，自主学习学者和学术论文的向量表示并挖掘学者与未来论文的潜在关系，实现了精准的学术论文推荐。
-
公开(公告)号：CN115330509A
公开(公告)日：2022-11-11
申请号：CN202210431436.0
申请日：2022-04-22
Applicant: 北京邮电大学
IPC: G06Q40/02 , G06Q10/10 , G06F16/953
Abstract: 本发明公开了基于征信服务交易平台集成的征信服务分类方法和系统，其中，该方法包括：获取用户需求信息；其将用户需求信息，输入集成后的数字化征信服务交易平台，进行用户购买征信服务请求的信息交易处理；通过信息交易处理，利用集成后的数字化征信服务交易平台进行征信服务分类并向用户推荐相应的征信服务。本发明可以可以整合多源异构多种类型的数字化征信服务，统筹规划大数据底层能力与海量信用数据服务以应用于上层多种征信场景，将数字化征信服务集成在平台供用户无差别使用，提供给外部征信服务提供商以服务开放的能力，使其能够便捷地、系统改动量少地接入平台，有效的实现征信服务分类和应用。
-
公开(公告)号：CN114398669A
公开(公告)日：2022-04-26
申请号：CN202111538462.5
申请日：2021-12-15
Applicant: 北京邮电大学
Abstract: 本申请提出了一种基于隐私保护计算和跨组织的联合信用评分方法及装置，该方法包括：在多个边缘节点中分别构建本地数据资源，将本地数据资源的基本信息和元数据信息同步至中央节点；在中央节点中通过同步的信息构建数据模型进行关联分析，并构建数据指标；将数据指标与多个边缘节点的元数据信息进行关联映射；基于更新后的多个本地数据资源，通过隐私保护集合求交确定公共样本；通过多方数据挖掘算法计算数据指标体系的权重参数，并将权重参数赋值到评分系统的指标体系的每个特征上；通过构建出的联合评分系统模型进行信用评分。该方法在加入安全隐私的机制下生成跨组织的联合评分卡系统架构，能够有效利用多维数据构建高维复杂的评分系统。
-
公开(公告)号：CN118447295A
公开(公告)日：2024-08-06
申请号：CN202410450591.6
申请日：2024-04-15
Applicant: 北京邮电大学
IPC: G06V10/764 , G06V10/82 , G06N3/0455 , G06F18/213 , G06F18/23213 , G06F18/22
Abstract: 本申请提出了一种基于双提示的增量式适配异构分布的图像分类方法，包括：获取待分类的图像和对应的文本，并将图像和文本输入图像分类模型中，输出图像分类结果，其中，将图像和文本输入图像分类模型中，包括：确定图像的可计算向量，将其与共享提示拼接，并将拼接结果输入图像Transformer模型中，输出图像特征，其中，图像Transformer模型的注意力层嵌入个性化提示；将文本转换为向量，将其与个性化提示拼接，并将拼接结果输入文本Transformer模型中，输出文本特征，其中，文本Transformer模型包含图像和文本之间的语义联系；将图像特征和文本特征进行计算得到预测图像分类结果。采用上述方案的本发明能够有效缓解灾难性遗忘问题，实现了模型跨不同领域适配的能力。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.029 seconds)
