-
公开(公告)号：CN113962750A
公开(公告)日：2022-01-21
申请号：CN202111356919.0
申请日：2021-11-16
Applicant: 重庆邮电大学
Abstract: 本发明涉及大数据处理技术和汽车销量预测技术领域，特别涉及一种基于attention机制的多尺度信息汽车销量大数据预测方法，包括将加入用户行为信息的汽车基本信息数据传入encoder RNN中；在encoder RNN中采用多尺度特征解耦操作得到每个时间序列在每个时间步的多尺度信息；采用attention机制获取对不同small hidden state的重要性得分并更新；由decoder RNN输出未来时间步的汽车销量预测结果；本发明使得不同的small hidden state以不同频率更新，达到动态的选择重要尺度信息的目的，从而提升汽车销量预测的精确性。
-
公开(公告)号：CN114298157A
公开(公告)日：2022-04-08
申请号：CN202111480111.3
申请日：2021-12-06
Applicant: 重庆邮电大学
IPC: G06K9/62 , G06F40/279 , G06N3/04 , G06N3/08
Abstract: 本发明请求保护一种基于舆情大数据分析的短文本情感分类方法、介质及系统，属于文本分类领域，该方法包括：将经向量获取模型获取的正文和评论文本向量集与经神经网络多标签分类模型获取的主题列表转换成单主题+正文+评论文本格式的输入样本；构建基于自主题注意力机制的胶囊网络模型，作为情感分类模型，根据主题权重设计该模型的损失函数，并将上述输入样本作为模型的输入；将待预测文本输入所述情感分类模型进行情感标签预测，完成评论短文本情感分类。其中文本情感分类模型为增加了自主题注意力机制的胶囊网络，能够根据不同主题分类，捕捉评论短文本向量中较为丰富的文本特征及对应情感标签，更高的提取短文本文字中情绪的特征，情感分类精确度较高。
-
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
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
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。
-
-
-
Search Results
4
records
(took 0.016 seconds)
