-
公开(公告)号：CN118349792A
公开(公告)日：2024-07-16
申请号：CN202410091729.8
申请日：2024-01-23
Applicant: 浙江工业大学
IPC: G06F18/20 , G06F18/2131 , G06F18/213 , G06N3/04 , G06N3/08 , G06F123/02
Abstract: 本发明公开了一种基于线性模型的多尺度补丁长期时序预测方法。该方法首先提出多尺度补丁(Multiscale Patch)模块，利用快速傅里叶变换(FFT)检测时间序列中潜在的top‑k个周期模式，并以不同的周期模式作为补丁(Patch)长度，对原始序列进行补丁操作；然后设计补丁编码(Patch Encoding)模块，该模块包括补丁内线性层和补丁间线性层，使用线性模型来提取时序数据的局部深层依赖关系以及全局季节性和趋势变化；最后提出集成预测(Ensemble Prediction)模块，基于线性层对每个补丁编码序列进行预测，并通过线性加权整合多尺度补丁预测的结果，以获得更稳定的预测结果。该方法有效扩展了线性模型高效的优势，在七个现实世界数据集上的准确性和效率方面均实现了最先进的性能。
-
-
公开(公告)号：CN117787408A
公开(公告)日：2024-03-29
申请号：CN202311672969.9
申请日：2023-12-07
Applicant: 浙江工业大学
IPC: G06N5/04 , G06N3/0464 , G06N3/08
Abstract: 本发明公开了一种基于超图神经网络的反事实因果推理知识追踪方法，根据试题与知识点包含关系、相同难度试题关系、相同流行度试题关系以及试题关联关系构建超图网络，通过超图神经网络捕捉节点与超边的联系获得试题和知识点的语义表示，通过反事实因果推断框架构建学生特征预测分支、试题特征预测分支以及试题特征匹配度预测分支，在试题特征匹配度预测分支中通过遗忘模块和学习模块追踪学生在学习过程中不断变化的知识状态，能够获得更贴近实际做题情况的知识状态增长。最终通过试题信息的高阶表示和精确追踪的知识状态实现对答题表现的精准预测。
-
公开(公告)号：CN116467437A
公开(公告)日：2023-07-21
申请号：CN202310535108.X
申请日：2023-05-09
Applicant: 浙江工业大学
IPC: G06F16/34 , G06F40/205 , G06F40/284 , G06F40/30 , G06N3/042 , G06N3/0442 , G06N3/045 , G06N3/0464 , G06N3/0985 , G06N20/10
Abstract: 本发明公开了一种面向复杂场景描述的自动流程建模方法，首先，使用基于共享表示学习和结构化预测的方法，同步实现事件发现和事件关系抽取两个重要基础工作。其次，通过流程模型构建方法整合事件以及事件关系，得到从复杂场景描述中抽取的流程模型。最后，为了检测流程模型抽取的有效性，本发明通过基于图神经网络的流程模型相似度计算方法得到抽取出的流程模型与真实流程模型间的图相似度分数。本发明能够通过事件发现、事件关系抽取、流程模型构建等技术，从复杂场景的描述文本中自动抽取出业务流程模型。本发明使用了新颖的结合深度学习的流程模型一致性检测方法，能够快速客观地评估自动流程建模后结果的准确性。
-
公开(公告)号：CN108090171A
公开(公告)日：2018-05-29
申请号：CN201711338950.5
申请日：2017-12-14
Applicant: 浙江工业大学
Abstract: 一种面向精准广告投放的时间聚合查询方法，包括：通过获取用户的在线时间数据，接收广告主的广告时段查询请求，根据广告主的广告投放时长、用户的在线时间数据筛选出有效在线时间区间，再对有效在线时间区间中的所有时间点构建索引结构，然后对构建好的索引结构进行压缩。根据广告主的广告投放时长，结合用户在线时间数据以及所有时间点的索引结构，查询满足广告投放时长并且能够让最多的用户同时在线的最佳广告投放时段。最终实现的功能是能够利用互联网及移动互联网媒体中海量的用户在线时间数据，根据广告主提供的广告投放时间长短，准确地、灵活地确定最佳广告投放时间段，使得该广告时间段上的广告受众最大化，提高广告投放的经济效益。
-
Patent Agency Ranking
公开(公告)号：CN105389370B
公开(公告)日：2018-05-22
申请号：CN201510779130.4
申请日：2015-11-13
Applicant: 浙江工业大学
IPC: G06F17/30
Abstract: 一种面向社交活动组织的时间聚合查询方法，包括下列步骤：步骤1.建立索引结构SB*‑Tree；步骤2、SB*‑Tree的具体操作；步骤3.查询，具体包括获取参与时间区间、获得候选方案、最优方案选择。本发明为了能够更有效地解决“确定聚会时间难”的问题，基于现有的SB‑Tree，对它的结构进行拓展，提出了一种新的索引结构和查询技术，能够有效地解决上述提出的三个问题。本发明最终实现的功能是能够根据参与人员自己提交的意向时间，为聚会活动提供最优的举办时间，能够保证最多的人员参加活动。而人数的计算采用count聚合函数。
-
公开(公告)号：CN105389370A
公开(公告)日：2016-03-09
申请号：CN201510779130.4
申请日：2015-11-13
Applicant: 浙江工业大学
IPC: G06F17/30
CPC classification number: G06F17/30961
Abstract: .一种面向社交活动组织的时间聚合查询方法，包括下列步骤：步骤1.建立索引结构SB*-Tree；步骤2、SB*-Tree的具体操作；步骤3.查询，具体包括获取参与时间区间、获得候选方案、最优方案选择。本发明为了能够更有效地解决“确定聚会时间难”的问题，基于现有的SB-Tree，对它的结构进行拓展，提出了一种新的索引结构和查询技术，能够有效地解决上述提出的三个问题。本发明最终实现的功能是能够根据参与人员自己提交的意向时间，为聚会活动提供最优的举办时间，能够保证最多的人员参加活动。而人数的计算采用count聚合函数。
-
公开(公告)号：CN118982094A
公开(公告)日：2024-11-19
申请号：CN202410965424.5
申请日：2024-07-18
Applicant: 浙江工业大学
IPC: G06Q10/04 , G06Q10/0633 , G06F18/243 , G06F18/211 , G06F18/213 , G06F18/27 , G06N3/0464 , G06N3/0442 , G06F123/02
Abstract: 本发明提出多尺度特征混合的生产业务流程剩余执行时间预测方法，该方法包括以下几个步骤：首先，从生产事件日志中提取提取秒级、分钟级、小时级、日级、周级、月级、季度级和年度级的特征的多尺度特征，以全面捕捉流程变化；其次，应用包括ARIMA、RNN、决策树、Holt‑Winters、XGBoost、CNN、LSTM和1D‑CNN在内的多种预测模型，精确识别时间序列数据中的复杂模式和长期依赖性；最终，通过随机森林算法对各模型预测结果进行集成，提高了预测的准确性和可靠性，同时增强了模型的泛化能力和抗噪声性能。本发明的实施，将显著提升企业的生产效率和市场响应速度，并优化生产调度与资源管理。
-
公开(公告)号：CN118822190A
公开(公告)日：2024-10-22
申请号：CN202410934173.4
申请日：2024-07-12
Applicant: 浙江工业大学
IPC: G06Q10/0631 , G06Q10/0633 , G06Q10/04 , G06Q10/0635 , G06Q50/04 , G06F18/213 , G06F18/20 , G06N7/01 , G06N3/092 , G06N3/0442 , G06N3/048
Abstract: 本发明提出一种基于强化学习的生产业务流程超时异常处理方法，包括以下步骤：首先，输入生产业务流程事件日志和案例执行的规定时间；其次，从日志中提取活动名称、所需资源、持续时间等特征，构建特征矩阵；然后，使用自注意力机制预测当前案例的剩余执行时间，并判断是否存在超时风险；若存在风险，将生产业务流程建模为马尔可夫过程，并利用深度Q网络来优化决策策略，实现任务的并行执行和超时异常问题的解决。本发明利用自注意力机制对生产业务流程的剩余执行时间进行准确预测，能够提前识别潜在的超时风险；使用强化学习自动识别生产业务流程中可以并行执行的节点，减少了人工干预，降低了对专家经验的依赖，使得流程自动化程度更高。
-
公开(公告)号：CN116303882A
公开(公告)日：2023-06-23
申请号：CN202211633492.9
申请日：2022-12-19
Applicant: 浙江工业大学
IPC: G06F16/33 , G06F16/31 , G06F40/289 , G06F18/22 , G06F18/23
Abstract: 本发明公开了一种基于向量表示的相似文本检索方法。该方法首先是用词嵌入+池化的方法处理篇章级文本，通过Bert编码得到文本向量表示，利用ball树的方法将所有文本向量表示构建为ball树索引，对所有文本向量表示和ball树中心点进行乘积量化，并建好PQ索引；检索时将查询文本也转化为向量表示，再通过乘积量化计算距离矩阵，基于距离矩阵和Ball树索引结构进行KNN检索得到k个相似文本。本发明构造的基于向量表示的相似文本检索方法支持长文本检索，能对海量的文本向量表示进行准确快速的检索，对复杂的或具有多重语义的文本查询有很好的效果，同时对不熟悉某领域行话的用户或想做探索性搜索的用户非常友好且有帮助，最后相比于Faiss中的IndexIVFPQ方法搜索更加全面准确。
-
-
-
-
-
-
-
-
-
Search Results
25
records
(took 0.019 seconds)
