-
公开(公告)号:CN113793187A
公开(公告)日:2021-12-14
申请号:CN202111121418.4
申请日:2021-09-24
Applicant: 福州大学
Abstract: 本发明涉及一种基于实例权重平衡和双重注意力的点击率预测方法,包括以下步骤:步骤S1:获取用户行为信息数据的若干个原始数据组;步骤S2:将若干个原始数据组通过数据预处理成多类别的特征数据;步骤S3:构建实例权重平衡的双重注意力因子分解机模型;步骤S4:根据多类别的特征数据,基于实例权重平衡的双重注意力因子分解机模型得到用户点击率预测结果;步骤S5:根据用户点击率预测结果将对应商品推荐给用户。本发明能够有效提高模型点击率预测的准确度。
-
公开(公告)号:CN113793187B
公开(公告)日:2024-06-18
申请号:CN202111121418.4
申请日:2021-09-24
Applicant: 福州大学
IPC: G06Q30/0242 , G06Q30/0241 , G06N3/048 , G06N3/045 , G06N3/08
Abstract: 本发明涉及一种基于实例权重平衡和双重注意力的点击率预测方法,包括以下步骤:步骤S1:获取用户行为信息数据的若干个原始数据组;步骤S2:将若干个原始数据组通过数据预处理成多类别的特征数据;步骤S3:构建实例权重平衡的双重注意力因子分解机模型;步骤S4:根据多类别的特征数据,基于实例权重平衡的双重注意力因子分解机模型得到用户点击率预测结果;步骤S5:根据用户点击率预测结果将对应商品推荐给用户。本发明能够有效提高模型点击率预测的准确度。
-
公开(公告)号:CN116037062B
公开(公告)日:2025-01-17
申请号:CN202211647002.0
申请日:2022-12-21
Applicant: 福州大学
Abstract: 本发明公开了一种磁性蛋黄壳氮磷掺杂碳纳米笼材料的制备及其用于短裸甲藻毒素的检测。氮磷元素的掺杂可改善材料表面缺陷,增加吸附位点,提高吸附性能。同时,蛋黄壳结构的材料比块状形貌具有更好的富集效果,这可能归因于更大的表面积和更短的扩散路径。本发明以ZIF‑67作为自牺牲模板,绿色和可控地合成了蛋黄壳结构的Y‑N,P‑CNCs。所制备的Y‑N,P‑CNCs材料具备独特的分层多孔结构、高稳定性、强的磁响应、高亲水性等优势。将该材料作为磁性固相萃取的吸附剂,与HPLC‑MS/MS联用,建立短裸甲藻毒素的检测方法。所建立的方法具有不错的吸附效果,表明该材料在样品前处理领域具有良好的应用前景。
-
公开(公告)号:CN113792541B
公开(公告)日:2023-08-11
申请号:CN202111123199.3
申请日:2021-09-24
Applicant: 福州大学
IPC: G06F40/211 , G06F40/289 , G06F18/2415 , G06N3/048 , G06N3/08
Abstract: 本发明涉及一种引入互信息正则化器的方面级情感分析方法,包括以下步骤:步骤S1:获取待进行情感分析的句子及方面项,并预处理,步骤S2:构建深度学习情感分析模型;步骤S3:将预处理后的待进行情感分析的文本输入深度学习情感分析模型中,得到最终的情感极性分类结果。本发明能够提高对句子中的方面项情感分类的准确度。
-
公开(公告)号:CN116037062A
公开(公告)日:2023-05-02
申请号:CN202211647002.0
申请日:2022-12-21
Applicant: 福州大学
Abstract: 本发明公开了一种磁性蛋黄壳氮磷掺杂碳纳米笼材料的制备及其用于短裸甲藻毒素的检测。氮磷元素的掺杂可改善材料表面缺陷,增加吸附位点,提高吸附性能。同时,蛋黄壳结构的材料比块状形貌具有更好的富集效果,这可能归因于更大的表面积和更短的扩散路径。本发明以ZIF‑67作为自牺牲模板,绿色和可控地合成了蛋黄壳结构的Y‑N,P‑CNCs。所制备的Y‑N,P‑CNCs材料具备独特的分层多孔结构、高稳定性、强的磁响应、高亲水性等优势。将该材料作为磁性固相萃取的吸附剂,与HPLC‑MS/MS联用,建立短裸甲藻毒素的检测方法。所建立的方法具有不错的吸附效果,表明该材料在样品前处理领域具有良好的应用前景。
-
公开(公告)号:CN113792541A
公开(公告)日:2021-12-14
申请号:CN202111123199.3
申请日:2021-09-24
Applicant: 福州大学
IPC: G06F40/211 , G06F40/289 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明涉及一种引入互信息正则化器的方面级情感分析方法,包括以下步骤:步骤S1:获取待进行情感分析的句子及方面项,并预处理,步骤S2:构建深度学习情感分析模型;步骤S3:将预处理后的待进行情感分析的文本输入深度学习情感分析模型中,得到最终的情感极性分类结果。本发明能够提高对句子中的方面项情感分类的准确度。
-
-
-
-
-