-
公开(公告)号：CN112953760B
公开(公告)日：2022-05-27
申请号：CN202110111924.9
申请日：2021-01-27
Applicant: 华侨大学
IPC: H04L41/5051 , H04L41/5041 , H04L67/51 , H04L67/02 , G06N3/12
Abstract: 本发明公开一种面向服务价值的低成本大规模个性化服务定制方法，方法包括：构建服务需求模式库和服务模式库；建立需求模式与服务模式的匹配概率；构建服务价值关系图，通过图的广度优先遍历实现对用户需求的排序；利用遗传算法在需求模式库中找到满足当前用户需求的最佳需求模式集；利用匹配概率，找出与最佳需求模式集匹配的最佳服务模式集，生成满足需求的服务解决方案；计算服务解决方案的第一成本；判断服务网络中是否存在服务子网j满足当前用户需求；如存在，计算第二成本，根据第一成本、第二成本输出服务解决方案。本发明能够解决诸如云制造、Web服务互联网环境下面向用户服务价值的低成本大规模个性化服务定制问题。
-
公开(公告)号：CN110807069A
公开(公告)日：2020-02-18
申请号：CN201911011199.7
申请日：2019-10-23
Applicant: 华侨大学
IPC: G06F16/28 , G06F16/36 , G06F40/284
Abstract: 本发明公开了一种基于强化学习算法的实体关系联合抽取模型构建方法，包括：输入文本，采用联合抽取标注策略对原始语料中的每条语句的词语进行实体关系标注；将文本转化为word2vec向量；预训练LSTM联合抽取器；初始化训练器网络并打乱袋子顺序；计算当前语句奖励值；计算总期望奖励值；利用优化函数更新模型参数；如果模型已收敛，对模型进行超参数的调优训练；如果超参数为最优解，生成最终的实体关系联合抽取方案。本发明基于策略梯度优化算法构建强化学习模型，能对复杂的自然语言类型原始语料的语句实体关系联合抽取问题进行有效求解，并能有效提高实体关系抽取的准确率和F1值。
-
Patent Agency Ranking
公开(公告)号：CN114202451A
公开(公告)日：2022-03-18
申请号：CN202111544868.4
申请日：2021-12-16
Applicant: 华侨大学
Abstract: 本发明实施例提供一种服务生态系统的演化分析方法、装置、设备和存储介质，涉及服务生态系统模拟技术领域。其中，这种演化分析方法包含步骤S1至步骤S4。S1、获取服务生态系统的初始信息。S2、根据初始信息，基于扩展的Logistic微分方程，构建各价值共创单元相互作用的共生演化模型。S3、基于雅各比矩阵，采用李亚普诺夫第一法，计算分析共生演化模型的渐进稳定性。S4、获取计算过程中的演化过程，以及系统达到稳定状态时各价值共创单元的规模。本发明的演化分析方法用于探索不同的类型的不同的对象在服务生态系统中保持稳定状态的共生模式和共生条件，能够准确得到所需要的信息。
-
公开(公告)号：CN114202451B
公开(公告)日：2024-07-02
申请号：CN202111544868.4
申请日：2021-12-16
Applicant: 华侨大学
IPC: G06Q10/067 , G06F17/13 , G06F17/16
Abstract: 本发明实施例提供一种服务生态系统的演化分析方法、装置、设备和存储介质，涉及服务生态系统模拟技术领域。其中，这种演化分析方法包含步骤S1至步骤S4。S1、获取服务生态系统的初始信息。S2、根据初始信息，基于扩展的Logistic微分方程，构建各价值共创单元相互作用的共生演化模型。S3、基于雅各比矩阵，采用李亚普诺夫第一法，计算分析共生演化模型的渐进稳定性。S4、获取计算过程中的演化过程，以及系统达到稳定状态时各价值共创单元的规模。本发明的演化分析方法用于探索不同的类型的不同的对象在服务生态系统中保持稳定状态的共生模式和共生条件，能够准确得到所需要的信息。
-
公开(公告)号：CN110807069B
公开(公告)日：2022-06-07
申请号：CN201911011199.7
申请日：2019-10-23
Applicant: 华侨大学
IPC: G06F16/28 , G06F16/36 , G06F40/284
Abstract: 本发明公开了一种基于强化学习算法的实体关系联合抽取模型构建方法，包括：输入文本，采用联合抽取标注策略对原始语料中的每条语句的词语进行实体关系标注；将文本转化为word2vec向量；预训练LSTM联合抽取器；初始化训练器网络并打乱袋子顺序；计算当前语句奖励值；计算总期望奖励值；利用优化函数更新模型参数；如果模型已收敛，对模型进行超参数的调优训练；如果超参数为最优解，生成最终的实体关系联合抽取方案。本发明基于策略梯度优化算法构建强化学习模型，能对复杂的自然语言类型原始语料的语句实体关系联合抽取问题进行有效求解，并能有效提高实体关系抽取的准确率和F1值。
-
公开(公告)号：CN113204651A
公开(公告)日：2021-08-03
申请号：CN202110594900.3
申请日：2021-05-28
Applicant: 华侨大学
Abstract: 本发明公开了一种华文教育领域的多源知识图谱融合方法及装置，通过设计基于汉字、华文教学与华文教材的实体集与关系集，完成多源知识图谱的模式层设计，并在模式层的基础上，根据多源知识图谱各自的元数据构成，采用不同的方法完成多源知识图谱的构建。然后筛选具有教学用途的多源图谱共现实体节点，通过对其中的同义节点以及其关系进行合并，完成多源图谱的融合任务。本发明提供了一种针对现有华文教育领域知识碎片化解决方案，融合后的知识图谱对具有教学用途的知识信息进行了关联与整合，提升了其在华文教育领域的覆盖度与使用价值，为后续在知识图谱上进行的数据挖掘、个性化推荐与智能问答等工作提供了便利。
-
公开(公告)号：CN112953760A
公开(公告)日：2021-06-11
申请号：CN202110111924.9
申请日：2021-01-27
Applicant: 华侨大学
Abstract: 本发明公开一种面向服务价值的低成本大规模个性化服务定制方法，方法包括：构建服务需求模式库和服务模式库；建立需求模式与服务模式的匹配概率；构建服务价值关系图，通过图的广度优先遍历实现对用户需求的排序；利用遗传算法在需求模式库中找到满足当前用户需求的最佳需求模式集；利用匹配概率，找出与最佳需求模式集匹配的最佳服务模式集，生成满足需求的服务解决方案；计算服务解决方案的第一成本；判断服务网络中是否存在服务子网j满足当前用户需求；如存在，计算第二成本，根据第一成本、第二成本输出服务解决方案。本发明能够解决诸如云制造、Web服务互联网环境下面向用户服务价值的低成本大规模个性化服务定制问题。
-
-
-
-
-
-
Search Results
7
records
(took 0.029 seconds)
