-
公开(公告)号：CN111327600B
公开(公告)日：2022-03-18
申请号：CN202010071152.6
申请日：2020-01-21
Applicant: 成都信息工程大学
IPC: H04L67/06 , H04L67/1097 , H04L67/30 , H04L67/565 , H04L9/40 , H04L67/12 , G06Q50/04
Abstract: 本发明涉及一种基于SaaS云平台的资源集成交互系统与方法，包括云端、多个远端，所述云端为SaaS云平台，每个所述远端为核心整车制造企业，每个所述核心整车制造企业包括各自的远端数据交换适配器，所述SaaS云平台包括分别与各个远端数据交换适配器一一对应连接的云端数据交换适配器。本发明在核心整车制造企业端和SaaS云平台端都分别设置一一对应连接的数据交换适配器，减缓SaaS云平台与核心整车制造企业端统一传输数据时的负载压力，避免了SaaS云平台因数据传输压力过大造成的数据字节丢失等问题，保障了核心整车制造企业和SaaS云平台在传输数据时的准确性。
-
公开(公告)号：CN113342995A
公开(公告)日：2021-09-03
申请号：CN202110759010.3
申请日：2021-07-05
Applicant: 成都信息工程大学
IPC: G06F16/36 , G06F16/335 , G06F40/30
Abstract: 本发明涉及推荐系统技术领域，尤其涉及一种基于路径语义和特征提取的负样本提取方法。包括以下步骤：S1.进行样本采集，收集需要进行提取的样本范围，搭建采样系统模型；S2.将知识图谱的三元组结构的表示学习与SDAE结合，进而从关系中获取物品实体的编码S3.根据知识图谱中用户节点和物品节点的关联关系，结合相应的搜索算法采样得到负样本；S4.按照评分高低对负样本数据集进行排序S5.对低分负样本数据集进行修剪；S6.基于数据集进行对比试验，本发明采取基于路径的综合方式优化已有模型，从正样本出发，通过强化学习方法递归探索图谱中的节点关系，结合通道注意力将有用的特征增强，对信息量小或者无用特征进行适当抑制。
-
公开(公告)号：CN111341108B
公开(公告)日：2020-09-22
申请号：CN202010422151.1
申请日：2020-05-19
Applicant: 成都信息工程大学
Abstract: 本发明公开了一种基于云平台的智能交通控制系统及其控制方法，该系统包括云资源池、智能信号机和智能摄像头；云资源池包括若干个相互通信连接的云平台，每个云平台均通信连接若干个智能信号机和智能摄像头，智能信号机和智能摄像头一一对应地安装在同一路口；本发明中智能交通控制系统通过将道路中的所有信号机和摄像头通过云架构的方式联系起来，便于城市道路的智能交通控制，提高了智能交通控制过程的可靠性和工作效率。
-
公开(公告)号：CN111355619A
公开(公告)日：2020-06-30
申请号：CN202010451926.8
申请日：2020-05-26
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种多核网状协同关系的跨链协同方法，包括以下步骤：构建协同关系模型，建立终端之间的协同关系网络；根据协同关系网络生成云平台数据库；提取终端的历史数据注入云平台数据库进行训练得到协同指数质量模型；将终端的新数据注入云平台数据库，通过协同指数质量模型得到协同指数。解决原本终端自行建立连接带来的数据存储压力过大的问题，将建立协同关系网络的工作放在云平台进行处理，极大的减轻了终端的工作量和数据流过大的压力，使得节点分配的准确性更高，效率更高。
-
公开(公告)号：CN113342994B
公开(公告)日：2022-07-05
申请号：CN202110758174.4
申请日：2021-07-05
Applicant: 成都信息工程大学
IPC: G06F16/36 , G06F16/335 , G06F16/9535 , G06Q10/06 , G06Q10/10 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于无采样协作知识图网络的推荐系统，包括：嵌入模块设置为获取知识图谱中三元组的初始嵌入向量；无采样知识图卷积模块设置为包含若干线性聚合器的单层卷积网络，对初始嵌入向量进行无采样的预计算，获得三元组的深层次信息；将嵌入向量和深层次信息结合作为更新嵌入向量；协作传播模块设置为同时编码用户和项目交互中的协作信号作为用户和项目的初始偏好，与更新嵌入向量结合作为预测模块的输入向量；预测模块设置为根据输入向量获得推荐结果。本发明仅通过设计较为复杂的传播矩阵和预计算操作，实现了不差于深度模型的性能和更快的速度，已经更准确的预测结果。
-
Patent Agency Ranking
公开(公告)号：CN113342994A
公开(公告)日：2021-09-03
申请号：CN202110758174.4
申请日：2021-07-05
Applicant: 成都信息工程大学
IPC: G06F16/36 , G06F16/335 , G06F16/9535 , G06Q10/06 , G06Q10/10 , G06Q30/06 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于无采样协作知识图网络的推荐系统，包括：嵌入模块设置为获取知识图谱中三元组的初始嵌入向量；无采样知识图卷积模块设置为包含若干线性聚合器的单层卷积网络，对初始嵌入向量进行无采样的预计算，获得三元组的深层次信息；将嵌入向量和深层次信息结合作为更新嵌入向量；协作传播模块设置为同时编码用户和项目交互中的协作信号作为用户和项目的初始偏好，与更新嵌入向量结合作为预测模块的输入向量；预测模块设置为根据输入向量获得推荐结果。本发明仅通过设计较为复杂的传播矩阵和预计算操作，实现了不差于深度模型的性能和更快的速度，已经更准确的预测结果。
-
公开(公告)号：CN110853626B
公开(公告)日：2021-04-20
申请号：CN201911001131.0
申请日：2019-10-21
Applicant: 成都信息工程大学
IPC: G10L15/06 , G10L15/16 , G10L15/26 , G06F40/211 , G06F40/279 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及对话理解领域，具体涉及一种基于双向注意力神经网络的对话理解方法、装置及设备；其中，该方法包括S1、对用户的语音信号进行识别得到输入序列，S2、通过嵌入层将所述输入序列映射到向量，分别生成所述输入序列的意图注意力第一向量和语义槽注意力第一向量，S3、通过所述意图注意力第一向量和所述语义槽注意力第一向量，分别生成意图注意力向量和语义槽注意力向量，S4、将所述意图注意力向量和所述语义槽注意力向量进行多次交互，S5、输出与所述输入序列对应的输出结果；本发明所提出的方法描述了槽填充和意图预测之间的多重相互作用，有效性优于任何当前没有指定规则或特征的模型，双向注意力机制有助分析意图预测和槽填充之间的关系。
-
公开(公告)号：CN111405070A
公开(公告)日：2020-07-10
申请号：CN202010475881.8
申请日：2020-05-29
Applicant: 成都信息工程大学
IPC: H04L29/08
Abstract: 本发明涉及一种基于云制造平台的多核协同跨链方法，包括步骤：数据处理中心构建核心终端和分终端的关系网络；核心终端和分终端根据数据处理中心构建的关系网络，分别向数据处理中心发送相关的协同数据；数据处理中心根据核心终端和分终端发送的协同数据，计算出核心终端和分终端的协同指数，并将计算出来的协同指数分别发送至核心终端和分终端。本发明构建的多核跨链关系网络将具有协同关系的终端联系起来，即支持了多核终端的独立数据交互，也支持了多核跨链交叉协作时的数据交互，进而为群集的终端环境提供便捷协作的决策支持。
-
公开(公告)号：CN111327600A
公开(公告)日：2020-06-23
申请号：CN202010071152.6
申请日：2020-01-21
Applicant: 成都信息工程大学
Abstract: 本发明涉及一种基于SaaS云平台的资源集成交互系统与方法，包括云端、多个远端，所述云端为SaaS云平台，每个所述远端为核心整车制造企业，每个所述核心整车制造企业包括各自的远端数据交换适配器，所述SaaS云平台包括分别与各个远端数据交换适配器一一对应连接的云端数据交换适配器。本发明在核心整车制造企业端和SaaS云平台端都分别设置一一对应连接的数据交换适配器，减缓SaaS云平台与核心整车制造企业端统一传输数据时的负载压力，避免了SaaS云平台因数据传输压力过大造成的数据字节丢失等问题，保障了核心整车制造企业和SaaS云平台在传输数据时的准确性。
-
公开(公告)号：CN113342995B
公开(公告)日：2022-12-02
申请号：CN202110759010.3
申请日：2021-07-05
Applicant: 成都信息工程大学
IPC: G06F16/36 , G06F16/335 , G06F40/30
Abstract: 本发明涉及推荐系统技术领域，尤其涉及一种基于路径语义和特征提取的负样本提取方法。包括以下步骤：S1.进行样本采集，收集需要进行提取的样本范围，搭建采样系统模型；S2.将知识图谱的三元组结构的表示学习与SDAE结合，进而从关系中获取物品实体的编码S3.根据知识图谱中用户节点和物品节点的关联关系，结合相应的搜索算法采样得到负样本；S4.按照评分高低对负样本数据集进行排序S5.对低分负样本数据集进行修剪；S6.基于数据集进行对比试验，本发明采取基于路径的综合方式优化已有模型，从正样本出发，通过强化学习方法递归探索图谱中的节点关系，结合通道注意力将有用的特征增强，对信息量小或者无用特征进行适当抑制。
-
-
-
-
-
-
-
-
-
Search Results
15
records
(took 0.059 seconds)
