-
公开(公告)号：CN113465612B
公开(公告)日：2024-03-26
申请号：CN202110747428.2
申请日：2021-07-02
申请人： 南京航空航天大学
摘要： 本发明公开了一种基于双层索引的并行路径规划方法及系统，所述方法包括：首先构建双层索引结构；所述双层索引结构包括：一个骨架图和多个子图；其次根据用户输入的起点和终点，利用所述双层索引结构计算一条基准路线；最后对基准路线经过的所有子图进行局部路线优化。本发明基于双层索引结构，及时调整规划路线，整个调整以局部路线优化的方式进行分段实施，降低了路线规划成本，还提高了响应速度。
-
公开(公告)号：CN117633223A
公开(公告)日：2024-03-01
申请号：CN202311594063.X
申请日：2023-11-27
申请人： 南京航空航天大学
IPC分类号： G06F16/35 , G06F16/36 , G06F16/9536 , G06F16/9535
摘要： 本发明公开了一种基于增强的知识图谱嵌入的多任务推荐方法。主要包含用户特征提取模块、推荐模块、增强的知识图谱嵌入模块和交叉压缩模块。方法对推荐中忽略的知识图谱三元组类型进行分类处理，捕获属性三元组语义信息，缓解了知识图谱的稀疏与不完全性。对知识图谱进行节点级聚合与关系级聚合，并捕获知识图谱实体间高阶连通性，为推荐项目引入高阶关联，更深入地发现用户的兴趣，提供可解释性的推荐建议。考虑用户侧信息，根据用户属性贡献度差异，对用户属性分配不同权重进而得到细粒度用户嵌入。方法共享项目和实体间特征，交替训练推荐任务和增强的知识图嵌入任务，提高了推荐方法的准确性，缓解了推荐的冷启动和数据稀疏问题。
-
公开(公告)号：CN117076911B
公开(公告)日：2024-01-26
申请号：CN202311339162.3
申请日：2023-10-17
申请人： 南京航空航天大学
IPC分类号： G06F18/213 , G06F18/214 , G06N3/0464 , G06F40/289 , G06F40/30 , G06N3/0442 , G06N3/045 , G06N3/048 , G06F18/2415
摘要： 本发明公开了一种基于传播结构动态保持的网络谣言检测方法，其包括如下步骤：获取包含信息传播树和传播内容流的信息传播事件；设定时间间隔将信息传播事件划分为多个传播阶段；抽取每个信息传播阶段的内容特征和整体结构特征；基于时间序列方法建模连续的传播阶段；基于神经网络二分类方式训练网络谣言检测模型；利用训练好的模型判断任意信息传播事件的初始信息是否为网络谣言。本发明在对信息传播事件进行阶段划分的基础上，针对每一阶段的原始传播树进行结构无损的标准化转换，以元树路径为媒介学习全局传播结构特征，并兼顾原始传播树的局部传播结构特征，在不同传播阶段均可保持谣言的传播结构，能够有效检测具有阶段性传播特点的网络谣言。
-
公开(公告)号：CN117370670A
公开(公告)日：2024-01-09
申请号：CN202311431331.6
申请日：2023-10-31
申请人： 南京航空航天大学
IPC分类号： G06F16/9535 , G06F16/9536 , G06N3/0442 , G06N3/047 , G06N3/045 , G06F18/25 , G06F123/02
摘要： 本发明公开了一种融合时序感知和用户偏好的序列推荐方法，涉及序列推荐技术领域。通过建模用户的长期和短期行为序列，结合时序信息，融合序列特征，发明了一种用户综合偏好表示的学习模型。考虑到现实推荐场景下用户偏好复杂多样且随着时间不断变化，本发明方法关注用户行为序列中的时序信息，使用稀疏注意网络来学习长期偏好表示并过滤不相关信息的影响，根据时间间隔修改门控循环单元结构，将用户的短期行为序列编码到相应时刻的隐藏状态中，还构建了一个目标注意力网络层来突出最后时刻的交互行为。本发明结合时序信息和用户序列建模，将用户的交互序列嵌入到潜在偏好空间，并自适应地整合偏好特征，极大地提高了模型的泛化能力和推荐准确率。
-
公开(公告)号：CN115907930A
公开(公告)日：2023-04-04
申请号：CN202310017307.1
申请日：2023-01-06
申请人： 南京航空航天大学
IPC分类号： G06Q30/0601 , G06F16/9535
摘要： 本发明公开基于图的可变形卷积序列推荐方法、系统、设备及介质，涉及计算机应用领域，该方法包括：获取用户截止当前时刻感兴趣商品点击数据；对用户截止当前时刻感兴趣商品点击数据进行预处理，得到用户截止当前时刻感兴趣商品点击时序数据；将用户截止当前时刻感兴趣商品点击时序数据输入预训练的可变形卷积神经网络，得到感兴趣商品推荐结果；感兴趣商品推荐结果为下一时刻点击对象。本发明能够提高商品推荐的精确度，提高用户获取正确商品的效率。
-
公开(公告)号：CN115563314A
公开(公告)日：2023-01-03
申请号：CN202211512562.5
申请日：2022-11-30
申请人： 南京航空航天大学
IPC分类号： G06F16/36 , G06F40/289 , G06F40/30
摘要： 本发明属于知识图谱技术领域，具体公开了一种多源信息融合增强的知识图谱表示学习方法。该知识图谱表示学习方法包括如下步骤：步骤1.对单一实体表示进行改进，利用注意力机制将实体描述文本融合到实体的表示，以增强实体的语义表达能力；步骤2.将实体映射到双曲空间进行表示，以提高实体的层次表示能力；步骤3.将文本增强之后的实体和双曲空间映射之后的实体进行信息融合；步骤4.将信息融合的知识图谱三元组视为包含上下文的句子，对实体进行动态的上下文表示，以提高整体模型处理复杂关系的能力。本发明方法强化了知识图谱表示学习的能力，有效地提升了知识图谱表示的准确性和处理复杂关系的能力。
-
公开(公告)号：CN118606560A
公开(公告)日：2024-09-06
申请号：CN202410894895.1
申请日：2024-07-04
申请人： 南京航空航天大学
IPC分类号： G06F16/9535 , G06F18/213 , G06F18/22 , G06N3/0455
摘要： 本发明公开了一种基于偏好原型感知学习的通用推荐方法，属于大数据分析技术。本发明在实现通用跨域推荐时是通过偏好原型感知学习方法来定量地学习用户偏好，同时最小化来自原始域的干扰。本发明方法由两个互补的组件组成：混合编码器和偏好原型感知解码器，形成了一个适合各种现实场景的端到端统一框架。混合编码器使用混合网络来学习交互项的一般表示，并捕获跨不同领域的项目之间的内在关系。偏好原型感知解码器实现了一种可学习的原型匹配机制来定量感知用户偏好，可以在更高的语义层次上准确捕获用户偏好。偏好原型感知解码器还可以避免由原始域的项目特征引起的干扰。本发明的优势不仅在于提供准确的推荐，还在于提供可靠的偏好原型。
-
公开(公告)号：CN117648493A
公开(公告)日：2024-03-05
申请号：CN202311712911.2
申请日：2023-12-13
申请人： 南京航空航天大学
IPC分类号： G06F16/9535 , G06F18/2415 , G06F18/25 , G06N3/0464 , G06N3/09 , G06N3/096 , G06F40/30
摘要： 本发明公开了一种基于图学习的跨领域推荐方法。该方法通过预测给定用户项目对的概率，合理判断提出的跨领域推荐方法的有效性和可行性。主要由三部分构成：第一部分以空间映射的方式精确地分离领域的域不变特征和特定于域的特征，并使用轻量级图卷积神经网络来聚合用户‑项目高阶协同关系信息，以预先增强解纠缠后的表征的信息量。第二部分考虑借助用户社会关系和项目依赖关系，通过异构图神经网络来进一步辅助增强解纠缠后的表征的信息量，同时通过元网络进行用户和项目嵌入的个性化知识迁移，实现异构关系学习。第三部分构建了两个对比学习任务，其一为了监督解纠缠过程，使其在初始阶段能够得到一定程度的低冗余、轻噪音的嵌入表征，其二是为了增强具有自增强的异构关系学习的鲁棒性。本发明结合图学习以及对比学习等相关技术，有效利用侧信息实现了用户‑项目表征建模，提高了个性化跨域推荐的性能。
-
公开(公告)号：CN117408783A
公开(公告)日：2024-01-16
申请号：CN202311431329.9
申请日：2023-10-31
申请人： 南京航空航天大学
IPC分类号： G06Q30/0601 , G06N3/042 , G06N3/045
摘要： 本发明公开了一种基于图注意网络的会话推荐方法。该方法利用所有会话的项目转换和商品之间的品牌相关性通过图注意网络去更好的推断用户的兴趣和品牌偏好，从而预测用户下一个交互的项目。主要由四部分构成：第一部分基于当前的单个会话构造会话图，以捕获用户的会话级项嵌入。第二部分构建了品牌全局图来捕获品牌全局层面的项目嵌入和品牌嵌入，我们通过融合来自这两个层次的信息来获得最终的项目节点表示。第三部分基于学习到的节点嵌入，我们应用注意层来提取用户的兴趣偏好和品牌偏好。第四部分根据项目特征、用户的品牌和兴趣偏好进行推荐。本发明通过图注意网络有效利用项目属性和跨会话信息提取会话的特征，从兴趣偏好和品牌偏好两方面更细粒度的建模用户偏好，有效的提高了推荐准确率。
-
公开(公告)号：CN117171475A
公开(公告)日：2023-12-05
申请号：CN202311215148.2
申请日：2023-09-19
申请人： 南京航空航天大学
IPC分类号： G06F16/958 , G06F16/955 , G06F9/54
摘要： 本发明公开了一种基于OSLC的全生命周期需求域数据网络化方法，属于系统工程领域，包括如下步骤：从不同的传感器或不同的数据供应商中获取多源异构的需求域数据；针对数据的规律或特征展开人工分析并确定数据具有哪些固有属性，便于后续的解析和存储；使用Lyo Designer和分析出的数据的固有属性，定制Excel的OSLC适配器，支持使用统一的网络URL来访问指定结构的数据；完善所构建的适配器所支持的CRUD和查询服务，从而实现通过对应的统一格式的URL来访问对应的数据，并支持与Web端的POST、GET等HTTP服务，从而实现跨域的数据交互；最后，将适配器集成在Web平台上，实现跨域异构数据的统一化处理。
-
-
-
-
-
-
-
-
-
搜索结果
54 条记录 (耗时 0.033 秒)
