-
公开(公告)号：CN116257691A
公开(公告)日：2023-06-13
申请号：CN202310385724.1
申请日：2023-04-12
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06F16/9535 , G06F16/2458 , G06F18/22 , G06N3/0442 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种基于潜在图结构挖掘和用户长短期兴趣融合的推荐方法，基于用户的历史行为序列，预测用户点击目标物品的概率。本发明主要分为七个部分：第一部分是将用户历史行为序列分为近期历史行为序列和远期历史行为序列；第二部分是基于用户近期历史行为序列，利用循环神经网络得到用户的短期兴趣；第三部分是根据用户历史行为序列中物品相似度，挖掘潜在图结构；第四部分是基于挖掘出的图结构，利用图神经网络更新物品向量；并基于更新后的物品向量利用循环神经网络得到用户的长期兴趣；第五部分是根据用户兴趣多样性偏好，融合用户的短期兴趣和长期兴趣；第六部分是预测用户对物品的点击率。
-
Patent Agency Ranking
公开(公告)号：CN119513358A
公开(公告)日：2025-02-25
申请号：CN202411495303.5
申请日：2024-10-25
Applicant: 绍兴映谧信息科技有限公司 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06F16/735 , G06F16/78 , H04N21/466 , H04N21/442 , G06N3/0455 , G06N3/0895 , G06N3/0499 , G06N3/084 , G06F18/25
Abstract: 本发明公开了一种基于对比学习框架的短视频推荐方法及系统，用于对多行为序列编码器进行自监督学习，提高用户正负偏好的区分性，进而提升短视频推荐模型的推荐准确度。本发明主要分为三个部分：第一部分是为多行为序列编码器的用户正负偏好计算伪标签，设计对比学习任务对该用户正负偏好进行解耦；第二部分是设计对比学习任务使得多行为序列编码器学习到的用户正面偏好和用户负面偏好的中间状态一直具有区分性；第三部分是融合用户正面偏好和用户负面偏好得到融合偏好，结合推荐任务和对比学习任务训练短视频推荐模型。
-
公开(公告)号：CN119293313A
公开(公告)日：2025-01-10
申请号：CN202411249385.5
申请日：2024-09-06
Applicant: 绍兴映谧信息科技有限公司 , 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06F16/9535 , G06F16/735 , G06N3/044 , G06N3/08
Abstract: 本发明公开了一种基于超循环网络和多任务训练的短视频推荐方法及系统，本发明的方法首先构建超循环神经网络中的超节点，用于对多个用户交互行为进行整合，从而对不同用户交互行为的语义关联进行建模；将获取到的用户的历史行为序列以及目标短视频输入到经过训练的短视频推荐模型中，由基于超节点设计的超循环神经网络捕捉历史行为序列之间的序列依赖关系，并通过高速神经网络对点击节点和喜欢节点之间的有向连接进行建模；然后基于目标短视频的加法注意力机制计算在不同交互行为空间下的用户偏好；最终将不同交互行为空间下的用户偏好进行融合，输出用户点击目标短视频的概率，完成短视频的推荐。
-
公开(公告)号：CN114943452A
公开(公告)日：2022-08-26
申请号：CN202210574109.0
申请日：2022-05-24
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G06Q10/06
Abstract: 本发明公开了一种基于双流结构增强型检测器的工作流检测方法。本发明以双流结构的方式把表征检测器和运动检测器结合在一起，预测帧上出现的运动目标。同时，在检测器中引入带有特征对齐特性的锚框改进子模块，根据在各帧上检测到的候选框输出适变的锚框立方体。为了提高运动目标的捕获能力，检测器中应用分层聚合策略提升模型中间层特征图的区分度。另外，使用层正则化减少检测器内部层之间的内部协变量偏移现象，促使整个训练过程更加高效稳定。最后，基于提取出的显著性特征，利用空时域动作管道生成分支完成生产操作行为的分类和定位回归。本发明可部署到工厂生产场景中，实时检测生产操作全过程，实现对工人的生产操作行为检测。
-
公开(公告)号：CN114942620A
公开(公告)日：2022-08-26
申请号：CN202210571876.6
申请日：2022-05-24
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: G05B19/418
Abstract: 本发明公开了一种基于提名图注意力网络的工作流识别方法。本发明首先应用动作提名方法产生候选视频片段，然后基于这些视频片段表示为节点，构建具体的图模型。为了增强模型的特征表示能力，引入类内和类间两种注意力机制，分别学习用于不断更新图结点矩阵的长时依赖信息和迭代图邻接矩阵的自适应性依赖信息。最后，基于构建的图执行图卷积操作，实现工作流分类和工序操作边界定位回归。本发明可应用于产品生产加工过程中各工序的准确识别和时序定位，进而规范生产操作行为过程，对出现的危险操作或偏离正常操作模式时及时预警，确保生产安全、稳定、有序进行。
-
公开(公告)号：CN116708009A
公开(公告)日：2023-09-05
申请号：CN202310883184.X
申请日：2023-07-18
Applicant: 杭州电子科技大学上虞科学与工程研究院有限公司
IPC: H04L9/40 , G06N3/0442 , G06N3/098
Abstract: 本发明公开了一种基于联邦学习的网络入侵检测方法，本发明步骤：建立LSTM的联邦学习入侵检测框架；客户端对入侵数据集进行处理；服务器(联邦学习中心平台)将联邦学习全局模型发送给客户端(某机构网络)；客户端根据本地数据进行联邦学习训练，将训练完的参数和损失值发送给服务器；服务器结合数据量大小进行加权平均计算生成新的全局模型。重复操作直至模型收敛，性能稳定。再将完成训练的模型发送给客户端进行实时入侵检测。本发明提出的基于联邦学习的入侵检测方法，既保证了网络流量数据的隐私性，又保证的深度学习准确性，实现在数据保留在本地的前提下实现模型的协同训练。
-
-
-
-
-
Search Results
6
records
(took 0.043 seconds)
