-
公开(公告)号：CN109214003A
公开(公告)日：2019-01-15
申请号：CN201810993623.1
申请日：2018-08-29
Applicant: 陕西师范大学
CPC classification number: G06F17/2785 , G06F17/2765 , G06N3/0454
Abstract: 一种基于多层注意力机制的循环神经网络生成标题的方法，其中所述循环神经网络包括过滤层，编码器，注意力机制和解码器四部分，所述方法包括如下步骤：S100：将源文本输入到所述过滤层的多个摘要生成方法后生成多个粗度摘要；S200：将所述多个粗度摘要再分别输入到所述编码器中编码，输出各自的隐藏层表示序列；S300：合并所述隐藏层表示序列，生成表示整个文档的重要信息的总结语义，利用注意力上下文对生成的粗度摘要和编码器内的单词给予关注；S400：把所述注意力上下文和所述总结语义输入到所述解码器中生成相应的标题。该方法相较于现有方法，提高了生成的标题的准确性和可读性。
-
公开(公告)号：CN111241425B
公开(公告)日：2023-04-18
申请号：CN201910990577.4
申请日：2019-10-17
Applicant: 陕西师范大学
IPC: G06F16/9537 , G06F16/9536 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 一种基于层次注意力机制的POI推荐方法，所述方法包括如下步骤：S100：设计基于LSTM的解码器‑编码器的显式特征提取模型，用于从结构化数据中提取显式特征；S200：设计基于NLP的注意力机制的隐式特征提取模型，用于从非结构化数据中提取隐式特征；S300：使用文本相似度计算用户‑POI匹配度；S400：使用softmax函数从所述显式特征和所述隐式特征中预测出初步POI推荐列表，再使用所述用户‑POI匹配度微调该初步POI推荐列表，得到最终POI推荐列表作为预测结果。该方法相较于现有方法，提升数据利用率和推荐精度。
-
公开(公告)号：CN111241425A
公开(公告)日：2020-06-05
申请号：CN201910990577.4
申请日：2019-10-17
Applicant: 陕西师范大学
IPC: G06F16/9537 , G06F16/9536 , G06N3/04 , G06N3/08
Abstract: 一种基于层次注意力机制的POI推荐方法，所述方法包括如下步骤：S100：设计基于LSTM的解码器-编码器的显式特征提取模型，用于从结构化数据中提取显式特征；S200：设计基于NLP的注意力机制的隐式特征提取模型，用于从非结构化数据中提取隐式特征；S300：使用文本相似度计算用户-POI匹配度；S400：使用softmax函数从所述显式特征和所述隐式特征中预测出初步POI推荐列表，再使用所述用户-POI匹配度微调该初步POI推荐列表，得到最终POI推荐列表作为预测结果。该方法相较于现有方法，提升数据利用率和推荐精度。
-
公开(公告)号：CN109241424B
公开(公告)日：2019-08-27
申请号：CN201810999367.7
申请日：2018-08-29
Applicant: 陕西师范大学
IPC: G06F16/9535 , G06N3/04
Abstract: 一种推荐方法，包括如下步骤：S100：使用词嵌入单元将关于用户和项目的自然语言形式的文本转化为数值型的训练数据；S200：采用注意力机制在所述训练数据中增加用户与项目的相互影响力；S300：采用基于注意力机制的卷积神经网络模型提取训练数据的局部特征和核心特征，最终得出可以表达全局的特征的隐藏特征；S400：使用因子分解机对上述隐藏特征进行分析，得到用户与项目的关联，据所述关联完成用户对项目的评分预测，最终完成向用户推荐项目。该方法相较于现有方法，提高了推荐的精度和准确度，提高了数据利用率。
-
公开(公告)号：CN109800434B
公开(公告)日：2023-07-18
申请号：CN201910078105.1
申请日：2019-01-25
Applicant: 陕西师范大学
IPC: G06F40/258 , G06F3/01 , G06F16/332 , G06N3/0455 , G06N3/0442 , G06N3/082 , G06N3/048
Abstract: 一种基于眼动注意力的文本标题生成方法，包括：S100：将源文本的文字序列进行词嵌入操作后输入到双向编码器；S200：双向编码器从源文本的嵌入表示中提取上下文语义向量；S300：计算单词和句子的眼动注意力权重；S400：将上下文语义向量作为解码器第一层的初始状态，先计算解码器和双向编码器隐层状态匹配度；再利用所得到的匹配度，进一步计算单词的注意力上下文权重、眼动注意力上下文权重向量；S500：把所述眼动注意力上下文权重向量、解码器第一层在当前时刻的隐藏状态和解码器第二层在上一时刻的隐藏状态输入到解码器第二层中生成相应的标题。该方法提高了生成的标题的准确性和有效性，使得生成的标题更接近人工标题。
-
Patent Agency Ranking
公开(公告)号：CN110737901A
公开(公告)日：2020-01-31
申请号：CN201910957063.9
申请日：2019-10-11
Applicant: 陕西师范大学
Abstract: 一种设计阶段网络交易业务交互过程的逻辑漏洞分析方法，包括如下步骤S100：利用颜色petri网对网络交易业务交互过程进行建模，构建交互业务流程融合网络IBPF；S200：提出所述网络交易业务交互过程中的交易逻辑一致性和交易处理完成状态两个基本安全属性；S300：基于用于发现网络交易业务交互过程中逻辑漏洞的算法，结合交互业务流程融合网络IBPF和所述两个基本安全属性，对设计阶段网络交易业务交互过程进行漏洞分析和验证。该方法能够在系统设计阶段检测出逻辑漏洞，避免后期维护和修补所导致的高昂的成本。
-
公开(公告)号：CN111737578A
公开(公告)日：2020-10-02
申请号：CN202010577298.8
申请日：2020-06-22
Applicant: 陕西师范大学
IPC: G06F16/9535 , G06F16/958 , G06N3/04 , G06N3/08 , G06Q30/02
Abstract: 一种推荐方法及系统，该方法包括如下步骤：S100：将原始数据转化为数值数据，将大规模稀疏特征转化为低维密集特征；S200：获得用户的兴趣表示；S300：分别提取用户和项目的高阶特征交互和低阶特征交互，基于线性的全局注意力机制监视高阶特征交互和低阶特征交互对于点击率预测的不同贡献；S400：预测用户是否点击候选项，最终完成向用户推荐项目。该方法及系统的有效性和性能明显优于现有方法，并提供了良好的解释性。
-
公开(公告)号：CN109241424A
公开(公告)日：2019-01-18
申请号：CN201810999367.7
申请日：2018-08-29
Applicant: 陕西师范大学
IPC: G06F16/9535 , G06N3/04
Abstract: 一种推荐方法，包括如下步骤：S100：使用词嵌入单元将关于用户和项目的自然语言形式的文本转化为数值型的训练数据；S200：采用注意力机制在所述训练数据中增加用户与项目的相互影响力；S300：采用基于注意力机制的卷积神经网络模型提取训练数据的局部特征和核心特征，最终得出可以表达全局的特征的隐藏特征；S400：使用因子分解机对上述隐藏特征进行分析，得到用户与项目的关联，据所述关联完成用户对项目的评分预测，最终完成向用户推荐项目。该方法相较于现有方法，提高了推荐的精度和准确度，提高了数据利用率。
-
公开(公告)号：CN111737578B
公开(公告)日：2024-04-02
申请号：CN202010577298.8
申请日：2020-06-22
Applicant: 陕西师范大学
IPC: G06F16/9535 , G06F16/958 , G06N3/048 , G06N3/08 , G06Q30/0202 , G06Q30/0251
Abstract: 一种推荐方法及系统，该方法包括如下步骤：S100：将原始数据转化为数值数据，将大规模稀疏特征转化为低维密集特征；S200：获得用户的兴趣表示；S300：分别提取用户和项目的高阶特征交互和低阶特征交互，基于线性的全局注意力机制监视高阶特征交互和低阶特征交互对于点击率预测的不同贡献；S400：预测用户是否点击候选项，最终完成向用户推荐项目。该方法及系统的有效性和性能明显优于现有方法，并提供了良好的解释性。
-
公开(公告)号：CN110737901B
公开(公告)日：2021-05-18
申请号：CN201910957063.9
申请日：2019-10-11
Applicant: 陕西师范大学
Abstract: 一种设计阶段网络交易业务交互过程的逻辑漏洞分析方法，包括如下步骤S100：利用颜色petri网对网络交易业务交互过程进行建模，构建交互业务流程融合网络IBPF；S200：提出所述网络交易业务交互过程中的交易逻辑一致性和交易处理完成状态两个基本安全属性；S300：基于用于发现网络交易业务交互过程中逻辑漏洞的算法，结合交互业务流程融合网络IBPF和所述两个基本安全属性，对设计阶段网络交易业务交互过程进行漏洞分析和验证。该方法能够在系统设计阶段检测出逻辑漏洞，避免后期维护和修补所导致的高昂的成本。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.024 seconds)
