-
公开(公告)号：CN114548528A
公开(公告)日：2022-05-27
申请号：CN202210099061.2
申请日：2022-01-27
Applicant: 扬州大学
Abstract: 本发明公开了一种不确定源的负影响力抑制最大化方法，根据Chernoff界构建对有向图G构建R个活边子图G’＝(V,E’)；基于活边子图，对每一个活边子图构建对应的传播树当加入一个新的正种子节点v后，在传播树上计算抑制增量△(w)和节点u在传播树G’上的节点覆盖值取具有最高抑制增量△(w)的节点w作为新的正种子加入集合S；依据种子集合个数k确定种子集合S。本发明填补了不确定源的负影响力抑制方法的空缺，避免了大量的计算模拟，提高了速度，缩短了时间。
-
公开(公告)号：CN109117981A
公开(公告)日：2019-01-01
申请号：CN201810727874.5
申请日：2018-07-02
Applicant: 扬州大学
Abstract: 本发明涉及基于抽样的有向图的单源链接预测方法。本发明根据共同邻居指标和带方向网络的邻接矩阵计算带方向网络中节点之间的权重，在网络G＝(V，E)中，得到顶点vi到vj的游走转移概率tij和方法中需要优化的转移矩阵T，得到顶点vi的直接出连邻居节点集合Γ(vi)和抽样路径集合QL(x)，获得最佳的R值，估计出样本QL(x)的大小R，以保证QL(x)以1-δ的概率成为RL(x)的ε近似，使用Katz指标得到预测的评分 对链接存在的可能性和方向做出预测。本发明克服了过去存在的不适用于有向网络的缺陷。本发明对带方向社会网络的方向预测问题提出并根据一系列计算方式，可对链接的方向和为该方向的概率做出预测。
-
公开(公告)号：CN106971347A
公开(公告)日：2017-07-21
申请号：CN201710176882.0
申请日：2017-03-22
Applicant: 扬州大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明公开了一种基于抽样的线性阈值模型下的影响力最大化方法，根据有向图中一个节点对另一个节点的影响力，计算出有向图G的所有可能世界G′的集合W(G)；计算得到路径的激活概率：包括路径存在的概率I(s，v，G′)、可能世界的概率Pr(G′)；使用Chernoff界和设定的参数得到抽样后样本个数r；依据抽样后的样本个数r在可能世界集合W(G)中选取无偏抽样集合U(G′)；计算有向图G中每一个节点v在无偏抽样集合U(G′)中的每一个可能世界下的种子集合s影响力大小函数σ(s)；计算每一个节点u的影响力指标Pr(u)和最终的影响力大小函数σ(s)，依据种子集合的个数确定种子集合s；本方法计算速度较快，提高了可重用性。
-
公开(公告)号：CN106296337A
公开(公告)日：2017-01-04
申请号：CN201610564257.9
申请日：2016-07-13
Applicant: 扬州大学
IPC: G06Q30/06
CPC classification number: G06Q30/0631
Abstract: 本发明涉及一种基于非负矩阵分解的动态推荐方法。本发明将t-1时刻的用户评分矩阵进行非负矩阵分解成基矩阵和权重矩阵，在t时刻使用t-1时刻的非负矩阵分解结果求解t时刻的基矩阵和权重矩阵，根据基矩阵和权重矩阵计算t时刻的用户兴趣度矩阵，对预测到的目标用户评分最高的top-N个项目进行推荐，对基于非负分解的动态推荐方法构造损失函数，求解损失。本发明克服了知识库的缺陷。本发明将评分矩阵分解为表征用户特征的基矩阵和项目特征的权重矩阵，利用分解出来的矩阵计算新用户评分矩阵对应的用户特征矩阵和项目特征矩阵，计算新的用户兴趣度矩阵，对预测到的目标用户评分最高的top-N个项目进行推荐，降低计算开销和存储开销，缩短了用户等待推荐结果的时间。
-
公开(公告)号：CN109409495A
公开(公告)日：2019-03-01
申请号：CN201811199731.8
申请日：2018-10-16
Applicant: 扬州大学
Abstract: 本发明提出了一种基于抽样的线性阈值模型下的影响力最大化方法，首先根据有向图中的所有路径，划分出许多顶点对并计算出所有顶点对(v，u)的正、负激活概率；然后始化种子集合S能激活其余节点的正、负影响力估计；再初始化正影响力效益值；使用新加入的种子计算种子集合对所有u∈V\S的正、负影响力估计；使用新加入种子x对u∈V\S计算x加入S之后可以产生的正影响效益；最后依据种子集合个数k确定种子集合S；本方法避免了大量的计算模拟，提高了速度，缩短了时间。
-
Patent Agency Ranking
公开(公告)号：CN107358532A
公开(公告)日：2017-11-17
申请号：CN201710012138.7
申请日：2017-01-03
Applicant: 扬州大学
IPC: G06Q50/00
CPC classification number: G06Q50/01
Abstract: 本发明涉及一种基于隐空间的符号链接预测方法。本发明根据共同邻居指标和带符号网络的邻接矩阵计算带符号网络中节点之间的权重，得到权重矩阵w，要得到方法最终需要优化的隐空间矩阵H和相对应的映射矩阵u，分别固定Hp，up，Hn，un其中的三项，求出Hp，up，Hn，un的优化迭代公式，根据得到的优化迭代公式对Hp，up，Hn，un同时进行迭代更新，根据迭代后的Hp，up，Hn，un的最优值，对链接存在的可能性和符号做出预测。本发明克服了以往只注重链接符号的研究，而未对该符号存在的可能性大小做出预测的缺陷。本发明针对带符号社会网络的符号预测问题提出基于隐空间的符号链接预测方法，收敛速度快，且能够对链接的符号和为该符号的概率做出较为准确的预测。
-
公开(公告)号：CN106997562A
公开(公告)日：2017-08-01
申请号：CN201710173616.2
申请日：2017-03-22
Applicant: 扬州大学
CPC classification number: G06Q50/01 , G06K9/6267
Abstract: 本发明公开了一种带符号网络的顶点分类的映射方法，首先根据已被标记的顶点得出标签矩阵Y；得到最终需要优化的偏好矩阵P，转换矩阵Q，以及分类器所需的矩阵w；分别固定Qp,Qn,P,w其中的三项，求出Qp,Qn,P,w的优化迭代公式；根据得到的优化迭代公式对Qp,Qn,P,w同时进行迭代更新；根据迭代后的Qp,Qn,P,w的最优值，对带符号网络中未被标记的顶点所属的类别做出预测；本发明的映射方法迭代收敛速度快，且准确率高。
-
公开(公告)号：CN106997562B
公开(公告)日：2021-03-26
申请号：CN201710173616.2
申请日：2017-03-22
Applicant: 扬州大学
Abstract: 本发明公开了一种带符号网络的顶点分类的映射方法，首先根据已被标记的顶点得出标签矩阵Y；得到最终需要优化的偏好矩阵P，转换矩阵Q，以及分类器所需的矩阵w；分别固定Qp,Qn,P,w其中的三项，求出Qp,Qn,P,w的优化迭代公式；根据得到的优化迭代公式对Qp,Qn,P,w同时进行迭代更新；根据迭代后的Qp,Qn,P,w的最优值，对带符号网络中未被标记的顶点所属的类别做出预测；本发明的映射方法迭代收敛速度快，且准确率高。
-
公开(公告)号：CN107393360A
公开(公告)日：2017-11-24
申请号：CN201710593415.8
申请日：2017-07-17
Applicant: 扬州大学
IPC: G09B5/14
CPC classification number: G09B5/14
Abstract: 本发明涉及网络家教信息系统及其控制方法。本发明将实时信息处理传递模块连接实时推荐输出模块，实时推荐输出模块连接出行路线记录模块，出行路线记录模块连接课时费结算模块，课时费结算模块连接课时费调整模块，学生反馈模块、老师反馈模块连接实时推荐输出模块与课时费调整模块。本发明克服了缺少个性化，状态反馈，老师课时费人为设定，对老师的教学没有提供合理建议，不能保证老师的人身安全，课时费发放等缺陷。本发明利用微信平台的小程序可以大大降低教学双方的成本，对老师进行个性化推荐，对学生进行个性化推荐老师，并对学生的学习方法和学习时间给出建议，让学生进行调整，对老师进行个性化推荐，最后评价进行综合调整。
-
公开(公告)号：CN107368895A
公开(公告)日：2017-11-21
申请号：CN201610319157.X
申请日：2016-05-13
Applicant: 扬州大学
IPC: G06N5/02
CPC classification number: G06N5/025
Abstract: 本发明提出一种结合机器学习和自动规划的动作知识提取方法。包括：形式化定义动作知识提取问题；线下预处理寻找近似最优目标状态集合；对任意输入数据向量，通过在线搜索得到一个近似最优动作序列。本发明通过结合机器学习与自动规划实现数据驱动的动作知识提取，从而把机器学习模型的预测结果转化为动作知识的能力，提高模型的可实施性，同时该方法可以提高在线提取动作知识的效率，具有广泛的应用范围和极强的实用性。
-
-
-
-
-
-
-
-
-
Search Results
11
records
(took 0.015 seconds)
