公开(公告)号：CN113360759A

公开(公告)日：2021-09-07

申请号：CN202110641787.X

申请日：2021-06-09

申请人： 南京大学

发明人： 王崇骏 ,  张锐汀 ,  袁金亮 ,  张晓雯 ,  资帅

IPC分类号： G06F16/9535 ,  G06F16/9536 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

摘要： 一种基于用户和项目双重时序相关性的众测任务推荐方法，包括以下步骤，S1，计算用户间和项目间的关系权重，利用历史交互行为的偏序关系构建属性网络，并通过属性网络定义用户间和项目间的相似关系；S2，计算时间片相关性，获取任意时间片的相似时间片集合，利用用户间和项目间的关系权重计算用户时间片和项目时间片的相似关系；S3，构建待预测时间片用户项目矩阵，所述用户项目交互矩阵由用户时间片特征矩阵和项目时间片特征矩阵相乘得到，两种特征矩阵由待预测时间片相似时间片向量构成；S4，神经协同过滤网络随时间片更新而不断训练，直到网络更新至待预测时间片，随后对用户行为进行预测，得到预测结果。

公开(公告)号：CN112434737B

公开(公告)日：2024-03-19

申请号：CN202011333029.3

申请日：2020-11-25

申请人： 南京大学

发明人： 张雷 ,  张晓雯 ,  于凌霜 ,  赵乐 ,  余成 ,  李宁 ,  王崇骏

IPC分类号： G16H50/30 ,  G16H10/60 ,  G06V10/771 ,  G06N20/00

摘要： 本发明公开了一种用于脑卒中分析的多智能体评价准则融合的特征选择系统，包括数据输入单元、数据预处理单元、初始特征序列建立单元、多智能体强化单元、特征融合单元、逻辑回归模型单元，通过对脑卒中数据进行不同属性的处理，并通过多智能体强化学习将三种特征评价准则按照最优权重策略进行特征融合，进一步得到所有特征的重要性排序序列和最优的特征子集，本发明在提高准确率的前提下减少特征子集，得到与脑卒中最相关的影响因素，进而从特征选择的角度提高对脑卒中疾病的预测性能。

公开(公告)号：CN112447292B

公开(公告)日：2022-03-25

申请号：CN202011336107.5

申请日：2020-11-25

申请人： 南京大学

发明人： 张雷 ,  于凌霜 ,  罗翀 ,  张晓雯 ,  沈俊东 ,  余成 ,  王崇骏

IPC分类号： G16H50/20 ,  G16H10/60 ,  G06N20/00 ,  G06K9/62

摘要： 本发明公开了一种基于机器学习可解释性的人体指标‑脑卒中关系分析系统，包括数据输入模块、数据预处理模块、机器学习模块、相关性分析模块、指标近邻寻找模块、新样本制造模块、新样本预测统计模块，通过对属性进行相关性分析，当一个属性改变时，与它相关的属性也随之改变，使生成的新样本更接近实际情况，由此来研究脑卒中患病情况与人体指标变化的关系，本发明可以得到身体指标变化对是否患脑卒中的影响，对进一步研究疾病的预防有着重要的作用。

公开(公告)号：CN112447292A

公开(公告)日：2021-03-05

申请号：CN202011336107.5

申请日：2020-11-25

申请人： 南京大学

发明人： 张雷 ,  于凌霜 ,  罗翀 ,  张晓雯 ,  沈俊东 ,  余成 ,  王崇骏

IPC分类号： G16H50/20 ,  G16H10/60 ,  G06N20/00 ,  G06K9/62

摘要： 本发明公开了一种基于机器学习可解释性的人体指标‑脑卒中关系分析系统，包括数据输入模块、数据预处理模块、机器学习模块、相关性分析模块、指标近邻寻找模块、新样本制造模块、新样本预测统计模块，通过对属性进行相关性分析，当一个属性改变时，与它相关的属性也随之改变，使生成的新样本更接近实际情况，由此来研究脑卒中患病情况与人体指标变化的关系，本发明可以得到身体指标变化对是否患脑卒中的影响，对进一步研究疾病的预防有着重要的作用。

公开(公告)号：CN113360759B

公开(公告)日：2023-08-25

申请号：CN202110641787.X

申请日：2021-06-09

申请人： 南京大学

发明人： 王崇骏 ,  张锐汀 ,  袁金亮 ,  张晓雯 ,  资帅

IPC分类号： G06F16/9535 ,  G06F16/9536 ,  G06F16/9537 ,  G06N3/04 ,  G06N3/08

摘要： 一种基于用户和项目双重时序相关性的众测任务推荐方法，包括以下步骤，S1，计算用户间和项目间的关系权重，利用历史交互行为的偏序关系构建属性网络，并通过属性网络定义用户间和项目间的相似关系；S2，计算时间片相关性，获取任意时间片的相似时间片集合，利用用户间和项目间的关系权重计算用户时间片和项目时间片的相似关系；S3，构建待预测时间片用户项目矩阵，所述用户项目交互矩阵由用户时间片特征矩阵和项目时间片特征矩阵相乘得到，两种特征矩阵由待预测时间片相似时间片向量构成；S4，神经协同过滤网络随时间片更新而不断训练，直到网络更新至待预测时间片，随后对用户行为进行预测，得到预测结果。

公开(公告)号：CN112434737A

公开(公告)日：2021-03-02

申请号：CN202011333029.3

申请日：2020-11-25

申请人： 南京大学

发明人： 张雷 ,  张晓雯 ,  于凌霜 ,  赵乐 ,  余成 ,  李宁 ,  王崇骏

IPC分类号： G06K9/62 ,  G16H10/60 ,  G16H50/30 ,  G06N20/00

摘要： 本发明公开了一种用于脑卒中分析的多智能体评价准则融合的特征选择系统，包括数据输入单元、数据预处理单元、初始特征序列建立单元、多智能体强化单元、特征融合单元、逻辑回归模型单元，通过对脑卒中数据进行不同属性的处理，并通过多智能体强化学习将三种特征评价准则按照最优权重策略进行特征融合，进一步得到所有特征的重要性排序序列和最优的特征子集，本发明在提高准确率的前提下减少特征子集，得到与脑卒中最相关的影响因素，进而从特征选择的角度提高对脑卒中疾病的预测性能。