-
公开(公告)号：CN119441596A
公开(公告)日：2025-02-14
申请号：CN202411468852.3
申请日：2024-10-21
Applicant: 大连海事大学
IPC: G06F16/9535 , G06F18/214 , G06N3/042 , G06N3/0464 , G06N3/0895 , G06N3/092
Abstract: 本发明提供一种基于用户正负兴趣建模的多轮对话推荐方法，属于推荐系统中的多轮对话推荐CRS技术领域。本发明通过构建历史兴趣图、正兴趣图以及负兴趣图；基于历史兴趣图、正兴趣图以及负兴趣图，通过图神经网络和对比学习提取用户的多兴趣；基于用户多兴趣通过强化学习确定下一步动作；根据用户反馈评价动作；所述对比学习包括：将历史兴趣和正兴趣形成一个正样本对，将正兴趣和负兴趣形成一个负样本对，通过对比学习使用户兴趣朝正样本靠近，朝负样本远离。从用户负兴趣的角度设计了一种利用对比学习自监督的训练模型，以增强用户兴趣的表示；从而使得模型能够学习到更准确的用户兴趣。
-
公开(公告)号：CN102663710B
公开(公告)日：2014-12-31
申请号：CN201210132698.3
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像降噪方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析经验模态分解得到的各层本征模态函数，进行去噪；利用能够代表冠脉造影图像血管结构的本征模态函数进行加权求和来重构去噪后的冠脉造影图像。本发明不依赖先验知识进行对冠脉造影图像自适应分解，根据图像特点自适应产生随机噪声去除阈值。本发明利用经验模态分解方法对X射线冠脉造影图像进行自适应分解，对得到的各IMF分量进行去噪，并选择能够代表血管结构的IMF高频分量进行造影图像重构即可达到去除噪声的目的，且在去噪过程中无须先验知识、能够根据造影图像特点进行自适应降噪。
-
公开(公告)号：CN102663710A
公开(公告)日：2012-09-12
申请号：CN201210132698.3
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像降噪方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析经验模态分解得到的各层本征模态函数，进行去噪；利用能够代表冠脉造影图像血管结构的本征模态函数进行加权求和来重构去噪后的冠脉造影图像。本发明不依赖先验知识进行对冠脉造影图像自适应分解，根据图像特点自适应产生随机噪声去除阈值。本发明利用经验模态分解方法对X射线冠脉造影图像进行自适应分解，对得到的各IMF分量进行去噪，并选择能够代表血管结构的IMF高频分量进行造影图像重构即可达到去除噪声的目的，且在去噪过程中无须先验知识、能够根据造影图像特点进行自适应降噪。
-
Patent Agency Ranking
公开(公告)号：CN119336988A
公开(公告)日：2025-01-21
申请号：CN202411362922.7
申请日：2024-09-27
Applicant: 大连海事大学
IPC: G06F16/9535 , G06F18/22 , G06N3/0499
Abstract: 本发明提供一种基于用户多兴趣的点击率预测方法，属于推荐系统中的点击率预测技术领域。获取目标用户配置文件、目标用户行为、目标项目、目标项目上下文和协作用户行为；构建点击率预测模型；通过数据嵌入层将获取数据转换为低维密集向量；所述模型包括目标用户多兴趣提取模块、协作用户多兴趣提取模块以及点击率预测模块；获取目标用户的兴趣；获得每个协作用户兴趣；连接目标用户多兴趣、每个协作用户兴趣、目标项目、用户配置文件、上下文的向量表示；将连接后向量输入MLP，预测目标用户对目标项目的点击概率。考虑了目标用户和具有相似兴趣的协作用户之间的用户‑用户相关性，进而提高了预测点击率的准确性。
-
公开(公告)号：CN114373512B
公开(公告)日：2024-11-22
申请号：CN202111627067.4
申请日：2021-12-28
Applicant: 大连海事大学
IPC: G16B50/30 , G06F16/35 , G06F16/36 , G06F40/247 , G06F40/289 , G06F40/295
Abstract: 本发明公开了基于高斯增强及辅助任务的蛋白质相互作用关系抽取方法，涉及自然语言处理的技术领域。本发明使用生物医学领域预训练模型BioBERT生成文本文档的高质量上下文表示，从而对单词进行更加近乎实际语义的词向量表示，解决了生物医学文本中单词的一词多义问题；在BioBERT的基础上使用高斯概率分布可以提高目标蛋白质实体及其邻近词的权重，得到目标实体的增强表示，使模型学习到了实例的局部结构。使用文档分类作为辅助任务改善了从模型中获得的文档的表示，并隐含的增加了数据信息。本发明解决了目前蛋白质相互作用关系抽取中存在的输入文本长，目标蛋白质实体在数据集中分布散乱的问题，提高了该任务上性能的精度。
-
公开(公告)号：CN102663709A
公开(公告)日：2012-09-12
申请号：CN201210132164.0
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像血管增强方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析各层经验模态分解的本征模态函数进行去噪，并利用能够代表冠脉造影图像的特征层来加权重构去除背景噪声的图像；对重构的图像进行Hessian矩阵分解，利用血管测度函数或血管特征拟合函数达到增强血管结构的目的。本发明利用经验模态分解X射线冠脉造影图像为一系列本征模态函数，利用噪声的分布规律达到去除背景噪声的目的，进而选择一些特定层本征模态函数进行加权构造冠状动脉图像，利用基于Hessian矩阵特征值的血管测度函数进一步增强图像中的血管结构。本发明能明显改善冠脉造影图像的视觉效果。
-
公开(公告)号：CN114373512A
公开(公告)日：2022-04-19
申请号：CN202111627067.4
申请日：2021-12-28
Applicant: 大连海事大学
IPC: G16B50/30 , G06F16/35 , G06F16/36 , G06F40/247 , G06F40/289 , G06F40/295
Abstract: 本发明公开了基于高斯增强及辅助任务的蛋白质相互作用关系抽取方法，涉及自然语言处理的技术领域。本发明使用生物医学领域预训练模型BioBERT生成文本文档的高质量上下文表示，从而对单词进行更加近乎实际语义的词向量表示，解决了生物医学文本中单词的一词多义问题；在BioBERT的基础上使用高斯概率分布可以提高目标蛋白质实体及其邻近词的权重，得到目标实体的增强表示，使模型学习到了实例的局部结构。使用文档分类作为辅助任务改善了从模型中获得的文档的表示，并隐含的增加了数据信息。本发明解决了目前蛋白质相互作用关系抽取中存在的输入文本长，目标蛋白质实体在数据集中分布散乱的问题，提高了该任务上性能的精度。
-
公开(公告)号：CN102663709B
公开(公告)日：2014-09-03
申请号：CN201210132164.0
申请日：2012-04-28
Applicant: 大连海事大学
IPC: G06T5/00
Abstract: 本发明公开了一种X射线冠脉造影图像血管增强方法，包括以下步骤：对X射线冠脉造影图像I进行二维经验模态分解；分析各层经验模态分解的本征模态函数进行去噪，并利用能够代表冠脉造影图像的特征层来加权重构去除背景噪声的图像；对重构的图像进行Hessian矩阵分解，利用血管测度函数或血管特征拟合函数达到增强血管结构的目的。本发明利用经验模态分解X射线冠脉造影图像为一系列本征模态函数，利用噪声的分布规律达到去除背景噪声的目的，进而选择一些特定层本征模态函数进行加权构造冠状动脉图像，利用基于Hessian矩阵特征值的血管测度函数进一步增强图像中的血管结构。本发明能明显改善冠脉造影图像的视觉效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.021 seconds)
