-
公开(公告)号：CN113159892A
公开(公告)日：2021-07-23
申请号：CN202110444726.4
申请日：2021-04-24
Applicant: 桂林电子科技大学
IPC: G06Q30/06 , G06F16/9535 , G06F40/289 , G06F40/216 , G06N3/04 , G06N3/08 , G06N7/00
Abstract: 本发明属于商品推荐领域，具体涉及一种基于多模态商品特征融合的商品推荐方法。所述商品推荐方法包括：根据用户已经购买的商品序列构建用户‑商品二分图，通过图卷积得到用户节点的向量表示和商品节点的向量表示；通过卷积神经网络对商品得到的评论文本进行特征提取，得到商品评论的向量表示；通过卷积神经网络对商品的标题和描述信息进行特征提取，得到商品内容的向量表示；将商品节点、评论和内容的向量表示连接得到商品的最终表示，将用户节点的向量表示作为用户的最终表示；根据点积计算用户最终表示和商品最终表示之间的相似度用于对候选商品进行排序；通过贝叶斯个性化排序损失优化提出方法中的参数。本发明通过利用商品的多模态特征，能够极大的缓解商品推荐中的数据稀疏性问题，提高推荐准确率。
-
公开(公告)号：CN113158089A
公开(公告)日：2021-07-23
申请号：CN202110414543.8
申请日：2021-04-16
Applicant: 桂林电子科技大学
IPC: G06F16/9537 , G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种社交网位置向量化建模方法，属于个性化推荐技术领域，旨在解决不能有效地将多种特征均融合到位置建模的技术问题，其包括：根据公开数据集中的特征信息，构建位置的特征矩阵；根据分解方法将特征矩阵转换为特征的潜在因子；将特征的潜在因子进行拼接得到位置的特征向量根据用户‑位置图获取位置的潜在因子根据位置的潜在因子和位置的特征向量连接为位置向量zj，从而完成向量化建模。本发明能够提高了推荐结果的质量，缓解了数据稀疏问题。
-
公开(公告)号：CN113158088A
公开(公告)日：2021-07-23
申请号：CN202110412673.8
申请日：2021-04-16
Applicant: 桂林电子科技大学
IPC: G06F16/9537 , G06F16/9536 , G06Q50/00 , G06N3/04 , G06N3/08
Abstract: 本发明公开了个性化推荐技术领域的一种基于图神经网络的位置推荐方法，其包括：用户建模，通过位置聚合和社交聚合获取用户的特征向量表示hi；位置建模，通过用户聚合获取位置的特征向量表示zj；预测评分，将特征向量表示hi和特征向量表示zj连接后输入多层感知机，从而获取用户i对位置j的预测评分yij；位置推荐，基于上述预测评分yij实现位置推荐功能。本发明能够对用户进行建模，可以更深入地挖掘到用户个人喜好，进行更有效的个性化位置推荐，并缓解数据稀疏问题。
-
公开(公告)号：CN107545153B
公开(公告)日：2021-06-11
申请号：CN201711011644.0
申请日：2017-10-25
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于卷积神经网络的核小体分类预测方法，其特征是，包括如下步骤：1）特征提取；2）提取核小体或链接体DNA序列中核苷酸的物理化学属性；3）添加生物特性；4）获取第24维向量；5）添加核苷酸化学性质；6）得到包含生物信息的矩阵；7）构建卷积神经网络结构；8）分类核小体。这种方法能精准预测核小体的分类。
-
公开(公告)号：CN108388544A
公开(公告)日：2018-08-10
申请号：CN201810137134.6
申请日：2018-02-10
Applicant: 桂林电子科技大学
Abstract: 本发明公开了一种基于深度学习的图文融合微博情感分析方法，其特征在于，包括如下步骤：S1采集图文微博数据并进行预处理；S2提取图文微博文本情感特征；S3提取图文微博图片情感特征；S4进行图文融合微博情感分析。这种方法通过结合微博中的图片和文本，能更加准确地判断用户的情感倾向，能提高情感分析的准确率。
-
Patent Agency Ranking
公开(公告)号：CN107832351A
公开(公告)日：2018-03-23
申请号：CN201710989497.8
申请日：2017-10-21
Applicant: 桂林电子科技大学
CPC classification number: G06F17/30023 , G06N3/0454
Abstract: 本发明提出了基于深度关联网络的跨模态检索方法，包括如下步骤：1）利用初始特征提取方法分别获得第一模态数据的初级向量和第二模态数据的初级向量；2）建立和训练深度关联网络模型，然后分别将检索目标和检索库成员通过深度关联网络模型获得相对应的高级表示向量；3）利用高级表示向量对检索目标和检索库中每一个检索成员进行相似度匹配，即进行欧式距离的计算；4）将欧氏距离的计算结果按从小到大的顺利排列，得到检索目标的跨模态检索的结果列表。本方法在不同模态的数据之间建立了多层次的对应关联关系，同时融合了多种神经网络，使得深度模型具有更好的表示效果，并且跨模态检索的精确度更高、稳定性更好。
-
公开(公告)号：CN104202787A
公开(公告)日：2014-12-10
申请号：CN201410457103.0
申请日：2014-09-10
Abstract: 本发明公开了一种基于最佳冗余度的无线传感器网络自适应路由方法，包括1)在无线传感器网络内，随机抛撒若干个无线传感器网络节点，并布置用于发起查询任务并接收目标区域的CH传来的数据的数据处理中心；2)根据HEEDCA分簇算法将无线传感器网络节点分簇管理；3)数据处理中心向目标区域发起查询任务，目标区域内的CH通过AFTQCK算法计算出该查询任务的最佳冗余度；4)每个目标区域内的CH利用计算出来的最佳冗余度向数据处理中心发送数据；5)重复步骤2)至4)，直至无线传感器网络中总能量耗尽。本发明提高了查询成功率，最大化网络生命周期；网络能量消耗得以均衡并降低了能耗；满足用户服务质量要求，消除了应用范围太局限的现象。
-
公开(公告)号：CN102638344A
公开(公告)日：2012-08-15
申请号：CN201210073859.6
申请日：2012-03-20
Applicant: 桂林电子科技大学
IPC: H04L9/32
Abstract: 本发明属于信息安全领域，特别是密码学领域，涉及一种基于压缩函数的哈希函数的加固方法。该方法对hash函数的关键性环节进行加固，即对第一个分组和最后一个分组的压缩函数进行加固，针对现有hash函数大多数运算以单个bit为基础，增加多bit的运算，或者利用已有的安全分组密码算法。加固以抗击现有的差分密码分析等方法为主，同时考虑一些其他的攻击，比如第二原像攻击，在最后一个分组的压缩函数的输入中，还增加了一个输入变量，即所有分组信息的一个简单压缩。这种加固的方法的优势在于，在关键性的分组进行加固，随着明文长度的增加，计算量的增加不大，并且通过在最关键的位置设置破译障碍，可有效抗击原像攻击，碰撞攻击，第二原像攻击等。
-
公开(公告)号：CN111241996B
公开(公告)日：2023-06-02
申请号：CN202010021860.9
申请日：2020-01-09
Applicant: 桂林电子科技大学
IPC: G06V40/20 , G06V40/10 , G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
Abstract: 本发明公开了一种用于识别视频中人物动作的方法，该方法是先利用一个空间卷积网络和时间卷积网络分别提取短视频中每一帧的空间特征和时间特征，对空间特征进行初步学习；然后利用运算模块对空间特征进行细粒度的学习，使用注意力机制选择空间特征中权重较大的特征向量生成注意力分数，用逐元素乘法生成的结果作为注意力特征向量，然后再以生成的结果作为空间特征向量，与时间特征作为输入，利用注意力继续选择空间特征中权重较大的特征向量，与时间特征做逐元素乘法，生成注意力特征向量，最后进行分类。该方法全部使用卷积核为1的空间和时间卷积，减少参数规模，实现降维，提高网络性能。与以往的网络相比，具有较高的准确率。
-
公开(公告)号：CN107679580B
公开(公告)日：2020-12-01
申请号：CN201710989485.5
申请日：2017-10-21
Applicant: 桂林电子科技大学
Abstract: 本发明提出了一种基于多模态深度潜在关联的异构迁移图像情感极性分析方法，包括如下步骤：1）构建初始情感图像数据集；将情感词汇对应的情感极性作为图像情感极性标签；2）清除初始情感图像数据集中的噪声数据；利用情感一致性判别方法和基于多模态深度卷积神经网络的概率采样模型去除噪声；3）构建基于多模态深度潜在关联的异构迁移模型；然后训练源领域文本和目标领域图像；4）构建多模态嵌入空间；将源领域文本的语义信息嵌入到目标领域图像中；5）训练图像情感极性分类器以进行图像情感极性分析。本方法可获得的数据规模大、人工成本低、数据噪声小、预测精度高、模型可解释性强及分类能力强，可以达到更好的图像情感极性分析效果。
-
-
-
-
-
-
-
-
-
Search Results
57
records
(took 0.028 seconds)
