-
公开(公告)号：CN114565429B
公开(公告)日：2024-06-14
申请号：CN202210163386.2
申请日：2022-02-22
申请人： 哈尔滨工程大学
IPC分类号： G06Q30/0601 , G06N5/02 , G06F18/22 , G06F18/243 , G06F17/18
摘要： 本发明提出了一种基于语义图模型的智能供应商匹配方法，输入供应商和需求的结构化数据；构建供需描述模型，将供应商和需求的结构化数据转为图结构；根据节点类型的不同，计算需求与每个供应商同类型节点间相似度；结合极大熵原理，建立权重优化模型，对模型求解得到指标权重；依据指标权重，给节点和边分配权重；调用图匹配算法，计算图匹配度，通过入口节点的选取降低时间复杂度，然后过滤低于阈值的供应商，得到针对该需求的供应商排序集合；本发明可以让用户只需要输入计划采购的产品需求和企业要求，既能得到相匹配的供应商集合，匹配概念相似的产品，同时应用于在供应商集中寻找符合需求的实例，以及在需求集中寻找最符合供应的需求。
-
公开(公告)号：CN112906941B
公开(公告)日：2022-12-06
申请号：CN202110083073.1
申请日：2021-01-21
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种面向动态相关空气质量时间序列的预测方法及系统，其中，该方法包括：获取网格气象数据，利用图像卷积法对其进行处理得到污染物时间序列；采用多特征聚类法根据上述数据的不同特征与多种空气污染物之间的相关性对特征分组；根据ARIMA模型对污染物时间序列进行拟合，获得残差序列和一部分预测值，并将其放入特征组中，根据不同特征组的数据是否为序列形式将其输入到不同的编码器中，然后将结果融合后输入解码器中进行预测得到另一部分预测值；利用CNN对历史空气质量数据进行卷积得到空气质量时间序列，并使用ARIMA模型处理得到第三部分预测值，通过softmax函数将上述三部分预测值加权求和，得到最终预测结果。
-
公开(公告)号：CN114565429A
公开(公告)日：2022-05-31
申请号：CN202210163386.2
申请日：2022-02-22
申请人： 哈尔滨工程大学
摘要： 本发明提出了一种基于语义图模型的智能供应商匹配方法，输入供应商和需求的结构化数据；构建供需描述模型，将供应商和需求的结构化数据转为图结构；根据节点类型的不同，计算需求与每个供应商同类型节点间相似度；结合极大熵原理，建立权重优化模型，对模型求解得到指标权重；依据指标权重，给节点和边分配权重；调用图匹配算法，计算图匹配度，通过入口节点的选取降低时间复杂度，然后过滤低于阈值的供应商，得到针对该需求的供应商排序集合；本发明可以让用户只需要输入计划采购的产品需求和企业要求，既能得到相匹配的供应商集合，匹配概念相似的产品，同时应用于在供应商集中寻找符合需求的实例，以及在需求集中寻找最符合供应的需求。
-
公开(公告)号：CN114529081B
公开(公告)日：2024-06-11
申请号：CN202210150863.1
申请日：2022-02-18
申请人： 哈尔滨工程大学
IPC分类号： G06Q10/04 , G06Q10/067 , G06Q50/26
摘要： 本发明公开了一种时空联合的交通流量预测方法及装置，属于交通流量预测技术领域，其中，该方法包括：获取各个监测点的监测数据，将数据按照时间周期性规律进行分类并建立数据集，根据数据集构建监测站点无向图，同时将数据集划分训练集、测试集和验证集；基于监测站点无向图，构建时空联合的交通流量预测模型；利用训练集对时空联合的交通流量预测模型进行训练，得到最优时空联合的交通流量预测模型；将验证集输入到最优时空联合的交通流量预测模型中，计算未来交通流量预测值。该方法通过对时空注意力进行解耦，将数据进行更加细粒性的特征划分，充分考虑到每个监测点和每个时刻的特征，更高效的提取数据中的空间相关性和时间。
-
公开(公告)号：CN116739082A
公开(公告)日：2023-09-12
申请号：CN202310659846.5
申请日：2023-06-05
申请人： 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
摘要： 一种基于先验知识的数据增值链接预测方法、装置、计算机设备及介质，属于知识图谱链接预测技术领域，解决了现有知识图谱中存在的内容缺失问题。本发明首先通过利用三元组中的实体和关系的类型信息，进行基于类型层次的初始权重设置。然后，根据类型的权重进行实体和关系的相关度计算后，对类型关系权重矩阵进行训练。接着，本发明利用类型信息组成的先验知识得到先验概率，再通过卷积模型和图注意力模型以及基于翻译的模型计算得到似然概率，并将两个概率按照贝叶斯公式进行整合，得到最终的概率进行预测。本发明适用于社交网络中预测用户之间是否建立联系、推荐系统中为用户提供个性化推荐服务、网络安全中预测异常情况等场景。
-
公开(公告)号：CN114529077A
公开(公告)日：2022-05-24
申请号：CN202210137611.5
申请日：2022-02-15
申请人： 哈尔滨工程大学
摘要： 本发明提出了一种基于会话内异构行为的点击率预测方法，获得用户信息数据集、项目信息数据集和用户行为序列数据集，分别对三种数据集进行预处理，并分为训练集和测试集；构建基于会话内异构行为的点击率预测模型；训练构建的基于会话内异构行为的点击率预测模型；将待推荐用户的个人信息、待推荐项目信息和待推荐用户行为序列输入到训练后的基于会话内异构行为的点击率预测模型，计算用户对目标项目的点击率，根据点击率将项目进行排序，并将排序后的项目列表推荐给用户；本发明同时考虑了用户与项目之间的多种异构行为对用户兴趣的影响，利用注意力机制计算不同类型的行为对兴趣的影响权重，更加精准地提取用户的兴趣。
-
公开(公告)号：CN114519145A
公开(公告)日：2022-05-20
申请号：CN202210160090.5
申请日：2022-02-22
申请人： 哈尔滨工程大学
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08 , G06Q30/06
摘要： 本发明提出了一种基于图神经网络挖掘用户长短期兴趣的序列推荐方法,获得用户个人信息和用户交互序列数据集，将数据集进行预处理并分为训练集和测试集；构建基于图神经网络挖掘用户长短期兴趣的序列推荐模型；对所述基于图神经网络挖掘用户长短期兴趣的序列推荐模型进行训练；将待推荐用户的个人信息和交互序列输入到训练后的基于图神经网络挖掘用户长短期兴趣的序列推荐模型，计算待推荐项目相对于该用户的推荐得分，根据推荐得分将项目推荐给用户；本发明解决序列推荐场景中没有办法有效捕获用户长短期兴趣，并难以分辨噪声的问题。
-
公开(公告)号：CN114238755A
公开(公告)日：2022-03-25
申请号：CN202111456522.9
申请日：2021-12-01
申请人： 哈尔滨工程大学
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08
摘要： 本发明提出基于多关系发现的个性化推荐方法，本发明使用图神经网络等技术构建基于多关系发现的个性化推荐模型，利用用户个人信息和交互序列数据，构建用户社交关系图、用户交互关系图、基于个人信息的用户潜在关系图和基于交互序列的用户潜在关系图，模型训练过程中不断更新潜在关系图，充分考虑和挖掘用户间的多种关系，大大提高了个性化推荐性能。
-
公开(公告)号：CN112906941A
公开(公告)日：2021-06-04
申请号：CN202110083073.1
申请日：2021-01-21
申请人： 哈尔滨工程大学
摘要： 本发明公开了一种面向动态相关空气质量时间序列的预测方法及系统，其中，该方法包括：获取网格气象数据，利用图像卷积法对其进行处理得到污染物时间序列；采用多特征聚类法根据上述数据的不同特征与多种空气污染物之间的相关性对特征分组；根据ARIMA模型对污染物时间序列进行拟合，获得残差序列和一部分预测值，并将其放入特征组中，根据不同特征组的数据是否为序列形式将其输入到不同的编码器中，然后将结果融合后输入解码器中进行预测得到另一部分预测值；利用CNN对历史空气质量数据进行卷积得到空气质量时间序列，并使用ARIMA模型处理得到第三部分预测值，通过softmax函数将上述三部分预测值加权求和，得到最终预测结果。
-
公开(公告)号：CN116644751A
公开(公告)日：2023-08-25
申请号：CN202310621806.1
申请日：2023-05-30
申请人： 哈尔滨工程大学 , 哈尔滨龙明科技有限公司
IPC分类号： G06F40/295 , G06N3/045 , G06N3/0895 , G06N3/094 , G06N3/084
摘要： 基于跨度对比学习的跨域命名实体识别方法、设备、存储介质和产品，属于命名实体识别技术领域，解决领域偏移及跨度边界信息学习性能低的问题。本发明的方法包括：使用预训练语言模型、对抗训练、对比学习、KL散度等技术构建基于跨度对比学习的跨域命名实体识别模型，利用实体边界信息，将顺序标签转化为全局边界矩阵，完成跨度级别的对比学习以及KL散度的计算，模型在训练过程中不断更改其中相关参数，充分考虑到了实体边界信息，学习到更多领域不变性信息，大大提高了跨域命名实体识别的性能。本发明适用于跨域命名实体的识别。
-
-
-
-
-
-
-
-
-
搜索结果
28 条记录 (耗时 0.073 秒)
