公开(公告)号：CN118759589A

公开(公告)日：2024-10-11

申请号：CN202410753627.8

申请日：2024-06-12

Applicant: 苏州大学

Inventor： 程诚 ,  黎孟豪 ,  吴洪状 ,  刘送永 ,  陈涛 ,  杨本圆 ,  吴颖文

IPC: G01V3/12 ,  G06F18/24 ,  G06F18/25 ,  G01V3/38

Abstract: 本发明公开了基于深度学习辅助多重信号分类的雷达煤岩界面识别方法，其使用地质雷达GPR发射低频超宽带电磁波进行数据采集，获取地下煤层的回波信号；对煤层进行建模，构建信号接收模型，利用信号接收模型对获取的回波信号进行处理并输出初始信号；对信号接收模型输出的初始信号进行预处理得到回波信号；针对处理后的回波信号，分别应用深度学习模型及多重信号分类MUSIC算法进行时间延迟估计TDE；将深度学习模型得到的TDE与MUSIC算法得到的TDE输入到一个多层感知器MLP模型，融合估计结果，输出煤岩界面识别结果。本发明大大提高了雷达信号处理的精度和分辨率，从而提高煤岩界面识别的准确性。

公开(公告)号：CN118550951A

公开(公告)日：2024-08-27

申请号：CN202411020485.0

申请日：2024-07-29

Applicant: 苏州大学

Inventor： 陈亮 ,  吴颖文 ,  杨本圆

IPC: G06F16/2457 ,  G06F16/29 ,  G06F16/9535 ,  G06F16/9537 ,  G06N5/045 ,  G06Q10/10

Abstract: 本发明公开了一种融合节点上下文信息的可解释开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建基于节点上下文信息与时空特征的关联路径；（4）构建开源项目推荐模型并训练，得到目标节点对间的权重；（5）利用剪枝策略对关联路径进行随机采样；本发明揭示节点间的全局依赖与局部关联，从而构建更有效的关联路径，提高项目推荐准确度，还能有效应对数据稀疏难题，推动开源社区的持续发展和进步。

公开(公告)号：CN118550951B

公开(公告)日：2024-11-12

申请号：CN202411020485.0

申请日：2024-07-29

Applicant: 苏州大学

Inventor： 陈亮 ,  吴颖文 ,  杨本圆

IPC: G06F16/2457 ,  G06F16/29 ,  G06F16/9535 ,  G06F16/9537 ,  G06N5/045 ,  G06Q10/10

Abstract: 本发明公开了一种融合节点上下文信息的可解释开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建基于节点上下文信息与时空特征的关联路径；（4）构建开源项目推荐模型并训练，得到目标节点对间的权重；（5）利用剪枝策略对关联路径进行随机采样；本发明揭示节点间的全局依赖与局部关联，从而构建更有效的关联路径，提高项目推荐准确度，还能有效应对数据稀疏难题，推动开源社区的持续发展和进步。

公开(公告)号：CN118365221B

公开(公告)日：2024-11-12

申请号：CN202410791233.1

申请日：2024-06-19

Applicant: 苏州大学

Inventor： 陈亮 ,  吴颖文 ,  杨本圆

IPC: G06Q10/0639 ,  G06Q30/0601

Abstract: 本发明公开了一种基于节点亲密度的可解释性开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建节点亲密度与可解释性指标；（4）基于将图中的每个节点嵌入为多维矩阵；利用节点的嵌入矩阵计算G中节点间的期望权重；（5）构建开源项目推荐模型并训练，得到目标节点对间的权重；（6）以目标节点对间的具体权重来判断开源项目间是否存在链接；根据开源项目的可解释性推荐结果，从平台所有开源项目中确定出前N个开发者作为推荐结果；本发明通过构建节点亲密度指标，并基于该指标进行推荐算法的设计，可以为用户提供更加准确、可靠和个性化的开源项目推荐服务。

公开(公告)号：CN118365221A

公开(公告)日：2024-07-19

申请号：CN202410791233.1

申请日：2024-06-19

Applicant: 苏州大学

Inventor： 陈亮 ,  吴颖文 ,  杨本圆

IPC: G06Q10/0639 ,  G06Q30/0601

Abstract: 本发明公开了一种基于节点亲密度的可解释性开源项目推荐方法，包括以下步骤：（1）采集GitHub平台开发者行为数据并存储；（2）构建开源项目关联网络；（3）构建节点亲密度与可解释性指标；（4）基于将图中的每个节点嵌入为多维矩阵；利用节点的嵌入矩阵计算G中节点间的期望权重；（5）构建开源项目推荐模型并训练，得到目标节点对间的权重；（6）以目标节点对间的具体权重来判断开源项目间是否存在链接；根据开源项目的可解释性推荐结果，从平台所有开源项目中确定出前N个开发者作为推荐结果；本发明通过构建节点亲密度指标，并基于该指标进行推荐算法的设计，可以为用户提供更加准确、可靠和个性化的开源项目推荐服务。