-
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。
-
Patent Agency Ranking
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：CN114064982B
公开(公告)日：2025-01-03
申请号：CN202111368251.1
申请日：2021-11-18
Applicant: 福州大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明涉及一种基于快照相似性的大规模时变图存储方法及系统，该方法包括以下步骤：步骤S1、基于快照并集及快照位图表示时变图；步骤S2、建立时变图数据库；步骤S3、更新时变图数据库；步骤S4、基于快照并集删减的多快照内存载入。该方法及系统不仅有利于减少存储时变图所需空间，提高时变图存储效率，还有利于减少载入时变图所需的内存空间，提高内存空间利用率。
-
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：CN114064982A
公开(公告)日：2022-02-18
申请号：CN202111368251.1
申请日：2021-11-18
Applicant: 福州大学
IPC: G06F16/901 , G06F16/903
Abstract: 本发明涉及一种基于快照相似性的大规模时变图存储方法及系统，该方法包括以下步骤：步骤S1、基于快照并集及快照位图表示时变图；步骤S2、建立时变图数据库；步骤S3、更新时变图数据库；步骤S4、基于快照并集删减的多快照内存载入。该方法及系统不仅有利于减少存储时变图所需空间，提高时变图存储效率，还有利于减少载入时变图所需的内存空间，提高内存空间利用率。
-
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。
-
-
-
-
-
Search Results
6
records
(took 0.015 seconds)
