-
公开(公告)号：CN120011556A
公开(公告)日：2025-05-16
申请号：CN202510033099.3
申请日：2025-01-09
Applicant: 桂林电子科技大学
IPC: G06F16/35 , G06F16/334 , G06F16/335 , G06F16/338 , G06N5/04 , G06F18/241
Abstract: 本发明提供一种面向中文生成大模型的偏见检测方法，属于自然语言处理领域，该方法包括定义偏见上下文；生成文本样本；关注度标注和分析；构建中文关注度分类器和使用关注度分类器器评估文本中的偏见。该方法通过分析由不同人口群体提示生成的文本，在中文引入了对人口群体的关注概念，并使用不同人口群体的关注度水平差异作为偏见的衡量指标。本发明还提供了一种基于预训练模型的关注分类器，可用于分析未见过的文本中的偏见。
-
公开(公告)号：CN118551827A
公开(公告)日：2024-08-27
申请号：CN202410772763.1
申请日：2024-06-14
Applicant: 桂林电子科技大学
Abstract: 该方法在里面通过使用词嵌入技术，在数据集的文本上训练出一个词嵌入模型，对整个数据集中的文本上下文信息进行提取建模，然后攻击者定义后门攻击的目标标签，并通过词嵌入模型在文本中寻找到与目标标签最为相似的文本，粒度可以为字或词，同时将与目标标签相似度最大的位置设置为后门攻击触发器注入的位置，再选定触发器样式之后对选定的文本生成触发器并注入到指定位置。构建出有毒数据，之后将有毒数据与干净数据进行混合用于后门训练。在进行后门训练之前，将预训练语言模型在干净数据集上进行训练评估和测试获得干净性能。最后将预训练语言模型在有毒数据集上微调得到在后门训练下的干净准确度并在有毒测试集上进行测试得到攻击成功率用于评估后门攻击的隐蔽性和有效性。
-
公开(公告)号：CN111882381B
公开(公告)日：2022-06-03
申请号：CN202010618323.2
申请日：2020-06-30
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于协同记忆网络的旅游推荐方法，首先使用神经网络将用户与景点进行向量化，然后引入了记忆网络，在记忆网络中采用了注意力机制的方法，最后在预测用户对景点的得分时，将隐因子模型的全局结构信息与记忆网络的局部邻域结构信息进行结合。本发明同时考虑用户的局部邻域结构信息以及景点的局部邻域结构信息，并与隐因子模型的协同过滤方法进行融合，实现了一种基于协同记忆网络的旅游推荐方法，以此达到高准确性和高个性化旅游推荐的目标。
-
公开(公告)号：CN114564639A
公开(公告)日：2022-05-31
申请号：CN202210114867.4
申请日：2022-01-31
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06Q50/20
Abstract: 本发明公开了一种基于深度会话兴趣交互模型的课程推荐方法，其特征主要包括：筛选和预处理用户数据，将用户与项目的行为信息按照时间排序，并以一天为时间间隔划分会话；为了刻画用户动态变化的兴趣，丰富用户兴趣表示，将GRU应用于捕获用户动态偏好中；接下来，将用户最近行为数据和动态兴趣表示输入到第二层Attention网络中，得到用户的多角度兴趣表示；最后，将用户的多角度兴趣表示和课程向量表示做内积，选择每个候选项目得分高的为学生进行推荐，从而解决目前基于课程推荐方法中，没有考虑到用户与项目的交互过程存在噪声项目的影响以及静态且低秩的向量无法充分表达用户的兴趣的问题。
-
公开(公告)号：CN108829852B
公开(公告)日：2021-11-12
申请号：CN201810641523.2
申请日：2018-06-21
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/9537 , G06F16/9538 , G06Q50/14
Abstract: 本发明提出一种个性化旅游路线推荐方法,包括步骤1.获取游客的游记信息并进行预处理；步骤2.得到基于类别信息的景点类型表示向量；步骤3.获取每个用户的旅游偏好表示向量、每个月份下游客的旅游偏好表示向量以及每个景点的表示向量；步骤4.根据步骤1得到候选游玩路线集合；步骤5.根据个人约束从候选游玩路线集合得到待候选旅游路线；步骤6.得到每一条旅游路线所属的偏好表示向量；步骤7.将用户的游玩偏好与候选路线进行相似度匹配得到与用户游玩偏好最匹配的游玩路线作为最终向用户推荐的旅游路线。本发明根据游客历史游玩轨迹中的每个景点与其所属的景点类别信息，得到游客的个性化旅游偏好。
-
Patent Agency Ranking
公开(公告)号：CN110287336B
公开(公告)日：2021-08-27
申请号：CN201910530084.2
申请日：2019-06-19
Applicant: 桂林电子科技大学
IPC: G06F16/36 , G06F16/9535 , G06Q50/14
Abstract: 本发明提供了一种面向旅游景点推荐的游客画像构建方法，利用游客历史游览的景点序列在旅游知识图谱上的传播生成游客历史游览景点序列相对于候选景点的特征向量，通过注意力网络给不同的特征向量分配不同的权重，计算得到上述特征向量的加权和，该加权和即是游客的表示向量，将上述得到的表示向量作为游客画像的表示，在个性化景点推荐阶段，再将景点表示向量和游客画像做内积运算生成游客游览该景点的概率，按照不同景点的概率大小为游客生成景点推荐的列表。
-
公开(公告)号：CN108052683B
公开(公告)日：2021-08-03
申请号：CN201810058745.1
申请日：2018-01-22
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于余弦度量规则的知识图谱表示学习方法，首先将知识图谱中的实体与关系随机嵌入到两个向量空间；其次利用候选实体统计规则，统计相关关系对应的三元组集与候选实体向量集；再次利用余弦相似度构造目标向量与候选实体的评分函数，对候选实体进行评价；最后利用损失函数将所有相关关系的候选实体向量与目标向量进行统一训练，并通过随机梯度下降算法最小化损失函数。当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。
-
-
公开(公告)号：CN112116142A
公开(公告)日：2020-12-22
申请号：CN202010961528.0
申请日：2020-09-14
Applicant: 桂林电子科技大学
IPC: G06Q10/04 , G06Q50/20 , G06N3/08 , G06K9/62 , G06F16/28 , G06F16/2458 , G06F16/2455 , G06F16/21
Abstract: 本发明公开了一种基于深度学习的学生成绩预测系统及方法，涉及深度学习技术领域，包括数据管理模组和模型运作模组，所述数据管理模组包括用户信息模块和成绩信息模块，用户信息模块用以实现用户注册、用户登录和用户信息修改的功能，所述成绩信息模块用以实现用户对成绩信息的查询以及对成绩信息的修改，所述模型运作模组包括模型训练模块和模型预测模块，所述模型训练模块实现对多次的模型初训练，所述模型预测模块与所述模型训练模块通信，实现对初训练后模型的成绩预测，利用了深度学习算法，深度学习能够快速提取稀疏数据的重要特征，并处理复杂的非线性数据，从而提高预测模型的准确率。
-
公开(公告)号：CN107590139B
公开(公告)日：2020-10-27
申请号：CN201710856687.2
申请日：2017-09-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于循环矩阵翻译的知识图谱表示学习方法，首先利用随机生成方法对错误三元组进行生成，并将所有实体与关系分别嵌入不同空间；其次利用循环矩阵生成规则，生成循环矩阵对实体进行投影；再次通过评分函数对三元组的嵌入进行评价；最后利用两种不同损失函数将实体和关系关联起来，并使用SGD算法最小化损失函数，当达到优化目标时，即可获得知识图谱中每个实体向量和关系向量的最佳表示，从而更好的表示实体与关系之间的联系，并能够很好的应用于大规模的知识图谱补全当中。本发明具有较强可行性和良好的实用性。
-
-
-
-
-
-
-
-
-
Search Results
210
records
(took 0.038 seconds)
