公开(公告)号：CN114969534A

公开(公告)日：2022-08-30

申请号：CN202210626624.9

申请日：2022-06-04

Applicant: 哈尔滨理工大学

Inventor： 王健 ,  颜钰萍 ,  赵国生

IPC: G06F16/9535 ,  G06K9/62

Abstract: 任务推荐是目前移动群智感知研究的热点和难点，现有的任务推荐忽略了历史数据模态的多样性，以及为了弥补异质性差异，目前的方法大多遵循通过构建公共空间来融合多模态数据特征，导致不同模态缺乏了在不同粒度的特征融合。针对以上的不足，本发明通过对感知用户的历史任务数据进行交叉引导自注意力挖掘出不同粒度的数据融合特征，实现了模态内和模态间的互补性，降低了融合不相关数据的风险。本发明提出的方法从多模态角度研究移动群智感知的任务推荐问题，通过对多种模态的历史数据的融合，生成了与感知用户偏好更匹配的任务推荐，不仅提高了系统性能，同时也提高了感知用户参与任务的积极性，保障了感知数据质量。

公开(公告)号：CN116841741A

公开(公告)日：2023-10-03

申请号：CN202310800310.0

申请日：2023-06-30

Applicant: 哈尔滨理工大学

Inventor： 颜钰萍 ,  王健 ,  赵国生

IPC: G06F9/50 ,  G06N5/025 ,  G06F16/36

Abstract: 任务推荐是目前移动群智感知研究的热点和难点，现有的任务分配方法存在无法应对动态环境下感知任务和感知用户的变化，以及没有考虑用户的持续感知时间等问题。针对以上的不足，本发明通过引入“自省”、“自配置”和“自调节”概念，将其应用于构建MCS知识图谱的完整周期。“自省”对系统内外部环境变化产生实时响应。“自配置”筛选出高质量感知用户，并将MCS知识图谱进行路径过滤，保证感知用户的可靠性。“自调节”根据过滤后的路径，计算节点的邻居权重矩阵以更新节点嵌入，挖掘节点之间的潜在联系。本发明提出的方法通过节点关系自演化推理，生成了与感知用户偏好更匹配的任务推荐，提高了感知用户参与任务的积极性，保障了感知数据质量。