公开(公告)号：CN110597999A

公开(公告)日：2019-12-20

申请号：CN201910706329.2

申请日：2019-08-01

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  张伟 ,  黄煜俊 ,  马忠宝 ,  张杰

IPC: G06F16/36 ,  G06F17/27

Abstract: 本发明公开一种依存句法分析关系抽取模型的司法案件知识图谱构建方法。该方法首先对非结构化的裁判文书通过信息抽取技术转换为结构化的数据，然后对其进行分词、词性标注以及命名实体识别处理，接着通过依存句法分析关系抽取模型抽取出实体关系三元组。最后把三元组形式的数据批量导入到Neo4j图数据库，利用Neo4j实现裁判文书知识图谱的构建并对其进行可视化展示。依存句法分析关系抽取模型能有效的抽取出实体之间的关系并适用于不同的大规模语料库，具有较好的移植适用性。裁判文书知识图谱直观明了，能让用户便捷高效地掌握信息，为司法工作提供极大地便利。

公开(公告)号：CN115221413B

公开(公告)日：2023-04-14

申请号：CN202210929033.9

申请日：2022-08-03

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  刘琦 ,  张姝曦 ,  潘立纬 ,  刘畅 ,  余天赐 ,  马忠宝

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明公开了一种基于交互式图注意力网络的序列推荐方法及系统。首先将每个用户和每个物品表示为一个属性图，通过对属性图的建模获取用户和物品的动态特征；其次，利用图注意力网络自适应地为当前节点的邻居节点分配不同的权重值参与计算，捕获潜在非交互用户的信息，实现动态学习高阶特征和新节点的表示；最后，聚合每个用户的邻居图的各种信息，并捕获相似用户的嵌入，通过信息聚合和图形匹配，获得预测的输出结果y′，有效解决了现有技术中无法动态地精确地捕获用户的喜好的技术问题，实现了能够动态地精确地向用户推荐目标物品的技术效果。

公开(公告)号：CN114791983B

公开(公告)日：2023-04-07

申请号：CN202210384315.5

申请日：2022-04-13

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  潘立纬 ,  胡舒涵 ,  李姝 ,  肖亮 ,  肖轶涛 ,  刘琦 ,  郑吟秋 ,  刘畅 ,  马忠宝 ,  程玉 ,  李超

IPC: G06F16/9537 ,  G06F16/9535 ,  G06N3/044 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于序列推荐技术领域，具体公开了一种基于时序物品相似度的序列推荐方法,包括建立神经网络模型，构建基于时间信息的嵌入向量；包括与绝对时间相关的嵌入向量以及相对时间相关的嵌入向量；自注意力机制学习模块，结合相对嵌入向量获得局部特征X；全局偏好学习模块获得全局特征Y；按当前候选物品和最近交互物品的相似度，对局部特征X与全局特征Y进行加权求和得到特征表示zl，并以此为依据进行序列中的下一物品的推荐。本发明引入更多的经过设计的时间嵌入向量，提高时间信息利用的有效程度，进而提高序列推荐的正确性。

公开(公告)号：CN115221413A

公开(公告)日：2022-10-21

申请号：CN202210929033.9

申请日：2022-08-03

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  刘琦 ,  张姝曦 ,  潘立纬 ,  刘畅 ,  余天赐 ,  马忠宝

IPC: G06F16/9535 ,  G06F16/9536

Abstract: 本发明公开了一种基于交互式图注意力网络的序列推荐方法及系统。首先将每个用户和每个物品表示为一个属性图，通过对属性图的建模获取用户和物品的动态特征；其次，利用图注意力网络自适应地为当前节点的邻居节点分配不同的权重值参与计算，捕获潜在非交互用户的信息，实现动态学习高阶特征和新节点的表示；最后，聚合每个用户的邻居图的各种信息，并捕获相似用户的嵌入，通过信息聚合和图形匹配，获得预测的输出结果y′，有效解决了现有技术中无法动态地精确地捕获用户的喜好的技术问题，实现了能够动态地精确地向用户推荐目标物品的技术效果。

公开(公告)号：CN114791983A

公开(公告)日：2022-07-26

申请号：CN202210384315.5

申请日：2022-04-13

Applicant: 湖北工业大学

Inventor： 陈建峡 ,  潘立纬 ,  胡舒涵 ,  李姝 ,  肖亮 ,  肖轶涛 ,  刘琦 ,  郑吟秋 ,  刘畅 ,  马忠宝 ,  程玉 ,  李超

IPC: G06F16/9537 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明属于序列推荐技术领域，具体公开了一种基于时序物品相似度的序列推荐方法,包括建立神经网络模型，构建基于时间信息的嵌入向量；包括与绝对时间相关的嵌入向量以及相对时间相关的嵌入向量；自注意力机制学习模块，结合相对嵌入向量获得局部特征X；全局偏好学习模块获得全局特征Y；按当前候选物品和最近交互物品的相似度，对局部特征X与全局特征Y进行加权求和得到特征表示zl，并以此为依据进行序列中的下一物品的推荐。本发明引入更多的经过设计的时间嵌入向量，提高时间信息利用的有效程度，进而提高序列推荐的正确性。

公开(公告)号：CN214042243U

公开(公告)日：2021-08-24

申请号：CN202022772508.7

申请日：2020-11-26

Applicant: 湖北工业大学

Inventor： 宋绪阳 ,  马忠宝

IPC: G06F1/20 ,  F16F15/04 ,  F16F15/08

Abstract: 本实用新型公开了一种便于安装的计算机处理器用高抗震散热风扇，包括散热框架，所述散热框架的内侧固定设置有散热槽，所述散热槽的内侧活动安装有散热风扇体，所述散热风扇体上端的中部固定安装有无刷电机，所述无刷电机的外侧固定安装有支撑杆，所述无刷电机的上端活动安装有维修盖板，所述散热框架的内部固定安装有导热铝片，所述散热框架下端的边侧固定安装有支脚。该便于安装的计算机处理器用高抗震散热风扇，散热风扇卡扣连接后，可以再次对散热风扇的外侧进行加固，使得散热风扇更加的稳定，在运输时避免出现晃动导致散热风扇与处理器之间松动的现象，且运输时可以缓解产生的震动和减震，提高了该散热风扇的抗震效果和减震效果。