公开(公告)号：CN112487274A

公开(公告)日：2021-03-12

申请号：CN202011386336.8

申请日：2020-12-02

Applicant: 重庆邮电大学

Inventor： 高萌 ,  王进 ,  胡峰 ,  杨小姜 ,  华尹 ,  彭浩

IPC: G06F16/9532 ,  G06F16/9535 ,  G06F16/33 ,  G06F16/335 ,  G06F16/35 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于文本点击率的搜索结果推荐方法及系统，属于机器学习、和自然语言处理领域，所述方法包括：对搜索文本query和title进行预处理操作；对文本query和title构建特征工程；利用改进DRCN构建的RRSCN深度匹配模型进行特征提取；利用RRSCN深度匹配模型构建预训练模型；根据特征工程和RRSCN深度匹配模型构建三输入的全连接层网络；本发明根据文本query和title预测query下文本点击率，通过构建特征工程，特征选择工作，构建三输入深度学习文本匹配模型，从而可以更精确的预测文本预估点击率和相关性，准确的给用户推荐最有可能点击的搜索结果，提高用户的体验性。

公开(公告)号：CN112486687B

公开(公告)日：2022-09-27

申请号：CN202011396557.3

申请日：2020-12-03

Applicant: 重庆邮电大学

Inventor： 王进 ,  马梦涵 ,  李辰宇 ,  徐其成 ,  舒雅宁 ,  彭浩 ,  孙开伟 ,  刘彬

IPC: G06F9/50 ,  G06F11/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及大数据处理技术和云平台资源负载技术领域，特别涉及一种基于多任务学习时间序列的云平台工作负载预测方法，包括获取工作负载数据，采用滑动窗口的方法划分数据，对划分的每个时间间隔的数据构建基础特征、交叉特征、时序趋势特征、用户行为关联特征，并采用二维SHAP进行特征选择；将选择的特征输入传入TCN‑LSTM模型中，采用多任务学习的方式，共有三个任务，分别为：预测T时间段的CPU平均利用率、预测T时间段的正在运行的作业数、预测T时间段的平均内存利用率；本发明通过对工作负载相关的指标的历史趋势进行把控，而不单一只关注当前监控点的工作负载情况，快速的感知业务的波峰波谷，从而对云平台的资源进行动态的调度。

公开(公告)号：CN112486687A

公开(公告)日：2021-03-12

申请号：CN202011396557.3

申请日：2020-12-03

Applicant: 重庆邮电大学

Inventor： 王进 ,  马梦涵 ,  李辰宇 ,  徐其成 ,  舒雅宁 ,  彭浩 ,  孙开伟 ,  刘彬

IPC: G06F9/50 ,  G06F11/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明涉及大数据处理技术和云平台资源负载技术领域，特别涉及一种基于多任务学习时间序列的云平台工作负载预测方法，包括获取工作负载数据，采用滑动窗口的方法划分数据，对划分的每个时间间隔的数据构建基础特征、交叉特征、时序趋势特征、用户行为关联特征，并采用二维SHAP进行特征选择；将选择的特征输入传入TCN‑LSTM模型中，采用多任务学习的方式，共有三个任务，分别为：预测T时间段的CPU平均利用率、预测T时间段的正在运行的作业数、预测T时间段的平均内存利用率；本发明通过对工作负载相关的指标的历史趋势进行把控，而不单一只关注当前监控点的工作负载情况，快速的感知业务的波峰波谷，从而对云平台的资源进行动态的调度。

公开(公告)号：CN118411048A

公开(公告)日：2024-07-30

申请号：CN202410506244.0

申请日：2024-04-25

Applicant: 重庆邮电大学

Inventor： 陈青青 ,  彭浩 ,  朱恒 ,  王进

IPC: G06Q10/0637 ,  G06Q50/06

Abstract: 本发明属于大数据技术领域，具体涉及一种基于大数据的电力系统短期净负荷预测方法，包括：获取电力系统电力负荷序列数据以及气压、温度、湿度序列数据；对气压、温度、湿度序列数据进行变换以提取其周期性特征；使用多噪声CEEMDAN对电力负荷序列数据进行分解并合并所有分量，与温度、湿度、气压序列数据以及周期性特征构成加强特征，并通过CNN提取加强特征的空间特征，并进行融合得到X1；将温度、气压、湿度、电力负荷序列数据选择不同组合送入Multi‑AE进行去噪得到X2；拼接X1和X2送入MLP得到预测结果。本发明采用添加周期突变噪声的方式，有效降低了序列数据的噪声水平，并提高了对于突变情况的准确预测能力。

公开(公告)号：CN112487274B

公开(公告)日：2023-02-07

申请号：CN202011386336.8

申请日：2020-12-02

Applicant: 重庆邮电大学

Inventor： 高萌 ,  王进 ,  胡峰 ,  杨小姜 ,  华尹 ,  彭浩

IPC: G06F16/9532 ,  G06F16/9535 ,  G06F16/33 ,  G06F16/335 ,  G06F16/35 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种基于文本点击率的搜索结果推荐方法及系统，属于机器学习、和自然语言处理领域，所述方法包括：对搜索文本query和title进行预处理操作；对文本query和title构建特征工程；利用改进DRCN构建的RRSCN深度匹配模型进行特征提取；利用RRSCN深度匹配模型构建预训练模型；根据特征工程和RRSCN深度匹配模型构建三输入的全连接层网络；本发明根据文本query和title预测query下文本点击率，通过构建特征工程，特征选择工作，构建三输入深度学习文本匹配模型，从而可以更精确的预测文本预估点击率和相关性，准确的给用户推荐最有可能点击的搜索结果，提高用户的体验性。