-
公开(公告)号：CN117540105B
公开(公告)日：2024-04-16
申请号：CN202410027890.9
申请日：2024-01-09
申请人： 浙江大学
IPC分类号： G06F16/9535 , G06F16/901 , G06N3/042 , G06Q30/0601
摘要： 本申请涉及一种增强图推荐模型鲁棒性的方法、装置及一种推荐方法，其中，该增强图推荐模型鲁棒性的方法包括：获取待优化的初始图推荐模型，扩充所述初始图推荐模型中每个节点的邻居节点；其中，所述节点包括用户节点和物品节点；调整所述初始图推荐模型中每条边的权重，根据调整后的所述边的权重确定所述初始图推荐模型的邻接矩阵；根据所述初始图推荐模型的邻接矩阵确定所述初始图推荐模型的目标损失，对所述初始图推荐模型进行训练优化所述目标损失，得到目标图推荐模型。通过本申请提高了目标图推荐模型的鲁棒性，解决了现有的图推荐模型在分布偏移场景下的推荐效果不佳的问题。
-
公开(公告)号：CN117593073A
公开(公告)日：2024-02-23
申请号：CN202311415334.0
申请日：2023-10-30
申请人： 浙江大学
IPC分类号： G06Q30/0601 , G06F16/9535
摘要： 一种推荐系统针对物品排序的内部错误定位方法和装置，其方法包括：1)对物品预期曝光进行估计：开启短时间小流量实验，将物品强插至精排模块计算预估分，并强插至精排展现结果进行曝光；计算该批次物品的用户行为打分与精排预估分的一致性，确保精排正确性；模拟一系列请求，计算该物品通过精排进行曝光与未在精排候选但精排预估分排序位次应被曝光的情形的次数占比；2)当预期曝光量超过现有曝光量3倍时，分别对粗排模块和召回模块进行排查，对问题进行定位。本发明对物品的预期曝光做出准确估计，排除了低质量物品的可能；给出了各阶段准确性的明确判定标准；提出了根据各阶段预估分数一致性作为判定依据的新思路。
-
公开(公告)号：CN116662404A
公开(公告)日：2023-08-29
申请号：CN202310625216.6
申请日：2023-05-30
申请人： 浙江大学
IPC分类号： G06F16/2458 , G06F16/29 , G06F16/22
摘要： 本发明公开了一种基于地标节点的不确定图可达概率计算方法，包括：(1)将现实世界中的网络建模成为不确定图；(2)离线采样构建每个节点对应的地标节点；(3)计算每个节点到其地标节点的可达概率；(4)通过地标节点计算给定节点对之间的可达概率。本发明在保证不确定图中任意两个节点可达概率计算准确率接近主流方法的同时，提升了时间效率。
-
公开(公告)号：CN112801076B
公开(公告)日：2021-08-03
申请号：CN202110403571.X
申请日：2021-04-15
申请人： 浙江大学
摘要： 本发明公开了一种基于自注意力机制的电子商务视频高光检测方法及系统，属于视频高光检测领域。整个检测过程分为两个阶段，在第一阶段将视频分成待检测片段和上下文片段，分别通过绝对时序编码和相对时序编码将其位置关系编码到整个视频中，通过加性注意力机制和自注意力机制将得出候选分数较高的若干候选片段；在第二阶段，从生成的若干候选片段中选择最好的得分最高的片段作为最后的高光片段输出。本发明基于自注意机制，利用绝对位置编码和相对位置编码，能够综合考虑片段与上下文以及片段和整体的关系，在高光检测中所取得的效果相比于传统的方法更好，精度更高。
-
公开(公告)号：CN106789962B
公开(公告)日：2019-07-16
申请号：CN201611095301.2
申请日：2016-12-02
申请人： 浙江大学
摘要： 一种基于临界时间的网络污染抑制方法，包括以下步骤：(1)获取原始网络结构G的邻接信息，边的传播权值以及时延函数，并抽样生成n个激活图；(2)在步骤(1)得到的每个激活图中，对于每个污染源利用BFS生成CR树；(3)基于步骤(2)得到的CR树，计算每条边的传播能力；(4)根据每条边的传播能力，找到并切除传播能力最大的边，同时计算新图的每条边的传播能力；(5)重复步骤(4)，直到切除k条边为止。此时得到最终污染抑制方案。
-
公开(公告)号：CN118015372A
公开(公告)日：2024-05-10
申请号：CN202410206692.9
申请日：2024-02-26
申请人： 浙江大学
IPC分类号： G06V10/764 , G06V10/82 , G06N3/0464 , G06N3/047 , G06V10/44 , G06N3/08 , G06N3/0495 , G06N3/082
摘要： 一种基于输入自适应神经网络架构的跨领域小样本图片分类方法和装置，其方法包括：收集用于预训练的大型图片数据集；搭建输入自适应神经网络架构；在大型图片数据集上预训练该神经网络，训练得到神经网络各层权重；在目标跨领域小样本图片分类任务上，去掉神经网络的全连接层并固定神经网络的权重，用逻辑回归方法在用于训练的跨领域小样本图片上训练，得到逻辑回归分类器的权重；训练好后输入用于测试的跨领域小样本图片到神经网络中，得到图片分类结果。其优点在于：该方法所使用的神经网络具备根据输入自适应调整权重的能力，并保留了卷积层的归纳偏差能力，避免使用大量训练数据，特别适用于跨领域小样本图片分类场景。
-
公开(公告)号：CN117522532B
公开(公告)日：2024-04-16
申请号：CN202410020501.X
申请日：2024-01-08
申请人： 浙江大学
IPC分类号： G06Q30/0601 , G06F18/214
摘要： 本申请涉及一种流行度纠偏推荐方法、装置、电子设备及存储介质，其中，该流行度纠偏推荐方法包括：获取目标推荐模型，以最小化目标损失为优化目标，对所述目标推荐模型进行训练；其中，所述目标损失包括第一损失和第二损失，所述第一损失根据所述目标推荐模型的预测值和标签值确定，所述第二损失与目标矩阵的谱范数呈正相关，所述目标矩阵为用户表征矩阵与物品表征矩阵的转置之间乘积矩阵；通过训练后的所述目标推荐模型向用户推荐物品。通过本申请，降低了推荐模型对热门物品的偏好，缓解了推荐模型中普遍存在的流行度偏差问题。
-
公开(公告)号：CN108337513A
公开(公告)日：2018-07-27
申请号：CN201710918918.8
申请日：2017-09-30
申请人： 浙江大学
IPC分类号： H04N19/159 , H04N19/593 , H04N19/176 , H04N19/182
CPC分类号： H04N19/159 , H04N19/176 , H04N19/182 , H04N19/593
摘要： 本发明提供一种帧内预测像素生成方法和装置。首先根据当前块采用的帧内预测模式和该块中当前被预测像素的位置，确定该被预测像素按照方向性预测方式所得到的该被预测像素所对应的重建像素的位置；然后结合上述重建像素位置，再计算得到该被预测像素所对应的重建像素偏移量；重建像素位置加上重建像素偏移量作为该被预测像素的参考重建像素位置；或者，对重建像素偏移量进行指定亚像素精度的精度控制得到满足指定亚像素精度要求的近似偏移量；重建像素位置加上近似偏移量作为被预测像素的参考重建像素位置；最后拷贝上述参考重建像素位置的像素值作为所述被预测像素的预测值。本发明提出的方法和装置解决了跨投影面纹理偏转的问题。
-
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
申请人： 杭州高新区(滨江)区块链与数据安全研究院 , 浙江大学
IPC分类号： G06Q10/04 , G06F16/9536 , G06F16/9537 , G06N3/0499 , G06N3/08
摘要： 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
申请人： 浙江大学 , 杭州高新区(滨江)区块链与数据安全研究院
IPC分类号： G06N3/042 , G06N3/082 , G06Q30/0601
摘要： 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。
-
-
-
-
-
-
-
-
-
搜索结果
28 条记录 (耗时 0.019 秒)
