-
公开(公告)号：CN119578753A
公开(公告)日：2025-03-07
申请号：CN202411556477.8
申请日：2024-11-01
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06Q10/0631 , G06Q50/00 , G06F17/16 , G06F17/18
Abstract: 本申请涉及一种影响力资源分配方法、装置、计算机设备和存储介质，其中，该方法包括：估计社交网络中多个种子节点的影响力边界值；根据各种子节点的影响力边界值和各种子节点的开销，确定各种子节点的密度；确定多个代理中每个代理已拥有的影响力资源，按照影响力资源从小到大的顺序，分别为各代理分配预算范围内密度最大的种子节点。采用本方法能够在种子节点的真实影响力未知时，保证最终得到的影响力资源分配方案有较好的公平性。
-
公开(公告)号：CN118940878A
公开(公告)日：2024-11-12
申请号：CN202410865359.9
申请日：2024-06-28
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06Q10/04 , G06F16/9536 , G06F16/9537 , G06N3/0499 , G06N3/08
Abstract: 本申请涉及一种节点交互的预测方法、装置、计算机设备和存储介质，其中，该节点交互的预测方法包括：在动态图数据集中，获取预设时刻下目标节点对中每个目标节点对应的采样节点集合；基于每个采样节点集合中各第一节点的时空编码，确定采样节点集合对应的节点表征矩阵，其中，各第一节点的时空编码之间具备关联性；进一步地，通过预先构建的目标预测模型，对各节点表征矩阵进行处理，得到目标节点对中目标节点在预设时刻的交互预测结果。通过本申请，解决了未考虑节点之间的时空特性，导致预测结果不准确的问题，实现了结合节点之间的时空特性进行预测分析，提高预测结果的准确性。
-
公开(公告)号：CN118917352A
公开(公告)日：2024-11-08
申请号：CN202410941390.6
申请日：2024-07-15
Applicant: 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC: G06N3/042 , G06N3/082 , G06Q30/0601
Abstract: 本发明公开了一种面向图神经网络推荐模型的剪枝方法、装置及存储介质，涉及模型剪枝与计算机深度学习领域。给定用户集物品交互信息，构造的用户‑物品二分图，剪枝算法会在模型训练的过程中计算边可靠性、结构重要性和信息质量，以产生用户‑物品二分图中每条边的得分，并对其进行剪枝，以缩小图的规模，来加速模型训练并提高模型预测的准确性，基于剪枝后的图神经网络的推荐模型为用户进行物品推荐。本发明可以在基于图神经网络的推荐模型的训练过程中删去贡献较小的边，优化图结构，使信息传递更有效的同时加快聚合的速度。
-
公开(公告)号：CN119444350A
公开(公告)日：2025-02-14
申请号：CN202411404341.5
申请日：2024-10-09
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06Q30/0601 , G06F16/9535 , G06F18/214 , G06Q30/0201 , G06Q30/0282 , G06F18/22
Abstract: 本申请涉及一种物品推荐方法、装置、计算机设备和存储介质，其中，该方法包括：获取训练数据集，训练数据集为包含各样本用户与各样本物品之间交互信息的文档数据或文本数据；针对预先建立的推荐模型，构建基于预设瑞丽散度系数和可学习的用户个性化阈值参数的推荐损失函数；将训练数据集输入推荐模型，基于推荐损失函数训练推荐模型，得到训练完备的推荐模型；推荐模型的输出为文档关于特定物品的预测评分，或文本关于特定物品的预测评分；将目标用户与目标物品之间的历史交互数据输入推荐模型，得到关于目标物品的预测评分，基于各预测评分的排序进行物品推荐。通过本申请，解决了无法向用户准确推荐物品的问题，实现了向用户准确推荐物品。
-
公开(公告)号：CN119537677A
公开(公告)日：2025-02-28
申请号：CN202411348299.X
申请日：2024-09-25
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06F16/9535 , G06F16/9536 , G06N3/0455 , G06F16/9538
Abstract: 本申请涉及一种基于排序目标的推荐方法、装置、计算机设备和存储介质，其中，该方法包括：获取训练样本；训练样本包括多个样本用户与相应物品的历史交互数据；基于推荐场景下的AUC指标，构建初始推荐模型的优化目标；基于优化目标、训练样本以及预设损失函数，对初始推荐模型训练得到物品推荐模型；根据物品推荐模型输出的用户表征和物品表征，预测用户与推荐物品的兴趣得分，以根据兴趣得分得到推荐物品的推荐排序结果。通过本申请，能够基于推荐场景下的AUC指标，构建初始推荐模型的优化目标，使得优化目标和推荐场景下的排序目标更加统一和适配，从而提高了推荐模型的排序效果。
-
Patent Agency Ranking
公开(公告)号：CN119359585A
公开(公告)日：2025-01-24
申请号：CN202411295660.7
申请日：2024-09-14
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06T5/70 , G06V10/764 , G06V10/74 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种图结构去噪方法、装置和存储介质，其中，方法包括：基于图结构学习模型对第一图结构进行修正，得到第二图结构；基于图卷积网络模型对第二图结构进行处理，构建节点的预测置信度矩阵；根据预测置信度矩阵和置信度阈值，生成第一掩码矩阵，并采用第一掩码矩阵调整第二图结构，得到第三图结构；基于每一次调整置信度阈值后得到的第三图结构，重训练图结构学习模型和图卷积网络模型，确定目标置信度阈值；根据目标置信度阈值和预测置信度矩阵，生成第二掩码矩阵；采用第二掩码矩阵调整目标图结构。通过本申请，不会额外给图邻接矩阵增加连接(噪声)，同时也避免为邻接矩阵增加额外的存储开销。
-
公开(公告)号：CN118939872A
公开(公告)日：2024-11-12
申请号：CN202410866125.6
申请日：2024-06-28
Applicant: 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC: G06F16/9535 , G06Q10/04 , G06F18/22 , G06N3/048 , G06N3/08
Abstract: 本申请涉及一种内容推荐模型的训练方法、装置、设备和存储介质，其中，该方法包括：获取训练样本和初始推荐模型；训练样本包括多个样本用户与相应推荐内容的历史交互数据；基于初始推荐模型对样本用户进行预测，得到每个样本用户与对应推荐内容的预测得分；基于成对视角和预设激活函数构建推荐损失函数；基于推荐损失函数、预测得分和历史交互数据，训练初始推荐模型，得到内容推荐模型。通过本申请，能够基于成对视角和预设激活函数构建推荐损失函数，提高推荐损失函数性能，从而提高推荐模型为用户推荐内容的推荐效果，解决了推荐损失函数性能不足，导致推荐模型的推荐效果不佳的问题。
-
公开(公告)号：CN118170950B
公开(公告)日：2025-05-23
申请号：CN202311781141.7
申请日：2023-12-22
Applicant: 浙江大学
IPC: G06F16/901 , G06F18/23 , G06F9/50
Abstract: 本发明提出了一种分布式的基于邻居节点聚类的图分割方法及装置。构建无向图以及指定的分区个数，将点集划分为若干个子集，使得每个节点均位于且仅位于其中一个子集中；满足负载均衡限制，分区大小尽可能均等；割边数量最小化，即两端处于不同分区的边的总量尽可能少。本发明基于图分割问题的LDG算法：采用邻居节点聚类的思想，将每个节点指派至邻居节点中所在最多的分区，通过将关联紧密的节点纳入同一分区降低割边的数量；对较大的分区施加线性惩罚因子，从而满足负载均衡限制。在单机LDG算法的基础上，本发明设计并实现了一套高效、易于实现，且适用于任意分区个数k的分布式并行计算方案，能在较短的运行时间内对巨型图结构完成划分。
-
公开(公告)号：CN118913572B
公开(公告)日：2025-04-04
申请号：CN202410716005.8
申请日：2024-06-04
Applicant: 浙江大学
IPC: G01M5/00
Abstract: 一种基于多转角影响线的桥梁抗弯刚度识别方法和装置，通过测试桥梁转角响应来提取转角影响线；引入多种分布函数模拟桥梁抗弯刚度分布，并以多转角影响线为目标对分布函数的参数进行优化，实现抗弯刚度识别。具体实施步骤为：A.开展桥梁移动荷载试验，提取桥梁支座截面的转角影响线；B.建立桥梁抗弯刚度与多转角影响线的关系；C.选择合适的分布函数模拟桥梁抗弯刚度分布；D.引入优化算法，以实测多转角影响线为目标，估计分布函数的参数。本发明以桥梁转角为测试对象，从多个转角影响线中准确获取桥梁抗弯刚度分布，为桥梁检测和状态评估提供了一种新型思路。
-
公开(公告)号：CN118298351B
公开(公告)日：2025-04-01
申请号：CN202410388048.8
申请日：2024-04-01
Applicant: 浙江大学
Abstract: 一种基于改进SIFT算法的桥梁结构位移非接触式测量方法，实现对桥梁结构位移的非接触式精确测量，具体实施流程如下：A.采集桥梁结构视频并进行预处理；B.采用SIFT算法识别视频中桥梁结构的特征点；C.采用SuperPoint网络模型生成桥梁结构特征点的描述符；D.采用SuperGlue网络模型，将视频每一帧图像与初始图像的桥梁结构特征点进行匹配；E.根据匹配结果计算对应时刻的桥梁结构位移。本发明公开的方法对用于特征点匹配的SIFT算法进行了改进，提升了对桥梁结构特征点的描述效果，提高了特征点匹配的准确性，从而实现对视频中桥梁结构特征点的精确追踪。该方法能实现高精度的非接触式桥梁结构位移测量，为桥梁结构变形监测提供了一种新手段。
-
-
-
-
-
-
-
-
-
Search Results
105
records
(took 0.052 seconds)
