-
公开(公告)号：CN112328914B
公开(公告)日：2024-06-21
申请号：CN202011232008.2
申请日：2020-11-06
Applicant: 辽宁工程技术大学
IPC: G06Q10/0631 , G06F16/9537 , G06N3/0464 , G06N3/092 , G06N3/048
Abstract: 本发明提供了一种基于众包工人时空行为预测的任务分配方法，该方法包括以下步骤：S1、根据时空特征将搜索空间划分为一系列连续的时空环境；S2、将众包工人的时空数据以及外部影响因素输入到AutoST时空预测模型中，预测众包工人在下一个时间戳可能到达的地点；S3、获取当前环境状态下所有待完成的时空众包任务集合，并依次编号；S4、获取经过AutoST模型预测后的时空众包工人集合，并依次编号；S5、采用改进的贪婪算法为每个众包工人推荐最佳任务，实施全局最优任务分配策略。本发明的基于众包工人时空行为预测的任务分配方法考虑到众包工人和任务的动态特征，在满足时间约束的条件下，尽可能降低众包工人的总旅行成本，达到了高效的多任务分配，提高任务分配的质量与效率。
-
公开(公告)号：CN113742597A
公开(公告)日：2021-12-03
申请号：CN202111103851.5
申请日：2021-09-18
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06F16/9536 , G06F16/9537 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于LBSN和多图融合的兴趣点推荐方法，包括用户和兴趣点内部特征建模：通过矩阵分解算法将用户‑兴趣点评分矩阵拆分为用户矩阵和兴趣点矩阵的乘积，作为用户和兴趣点的内部潜在向量；用户和兴趣点外部特征建模：通过多图融合和改进的k‑means聚类算法学习用户在兴趣点空间和社交空间的特征向量以及兴趣点在用户空间和位置空间的特征向量，进而得到用户和兴趣点的外部表征向量；将用户和兴趣点的最终向量输入神经网络中进行学习，再根据评分将分数最高的前k个兴趣点推荐给用户。本发明通过多图融合的方式对用户‑兴趣点交互图和用户社交关系图进行学习，为兴趣点推荐提供了新思路；能够有效降低推荐误差，提升推荐结果的准确性。
-
公开(公告)号：CN113343009A
公开(公告)日：2021-09-03
申请号：CN202110008943.9
申请日：2021-01-05
Applicant: 辽宁工程技术大学
IPC: G06F16/55 , G06F16/583
Abstract: 本发明公开了一种基于K‑centroid聚类和相关反馈的图像检索方法，包括：对图像进行特征提取：先将图像库中的每个图像分别提取其颜色、形状和纹理特征；将每个图像的颜色、形状和纹理特征线性组合到一起，形成一个综合向量，来代表每一幅图像；在图像检索过程中加入改进的k‑centroid聚类；将改进的k‑centroid聚类与相关反馈相融合。本发明通过将聚类算法添加到图像检索的过程中，实现对图像检索搜索空间的修剪，节省了检索时间，又通过引入相关反馈机制，缩小机器与人对事物的感知差异，获得让用户满意的检索结果。本发明提出的基于K‑centroid聚类和相关反馈的图像检索方法可以有效捕获图像承载的丰富含义，在一定程度上提高了图像检索的查准率。
-
公开(公告)号：CN112905900A
公开(公告)日：2021-06-04
申请号：CN202110363686.0
申请日：2021-04-02
Applicant: 辽宁工程技术大学
IPC: G06F16/9535 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图卷积注意力机制的协同过滤推荐算法，该方法包括：首先是数据采集、处理以及划分数据集，其次是GACF模型的构建，最后是模型训练以及通过预测用户与项目之间的关联分数进行推荐。本发明提出的图卷积注意力机制协同过滤模型，首先利用图嵌入技术将用户‑项目的交互信息映射到向量空间，然后通过图卷积网络学习用户‑项目交互图的嵌入表达，再利用注意力机制为邻居节点分配不同的权重，聚合邻居节点的特征信息可使邻居节点之间的权重仅依赖于节点之间的特征表达，从而提高模型的泛化能力，最后将图卷积层学习到的多个嵌入向量加权聚合，得到用户‑项目之间的关联分数。
-
公开(公告)号：CN112328914A
公开(公告)日：2021-02-05
申请号：CN202011232008.2
申请日：2020-11-06
Applicant: 辽宁工程技术大学
IPC: G06F16/9537 , G06Q10/06 , G06N3/04 , G06N3/08
Abstract: 本发明提供了一种基于众包工人时空行为预测的任务分配方法，该方法包括以下步骤：S1、根据时空特征将搜索空间划分为一系列连续的时空环境；S2、将众包工人的时空数据以及外部影响因素输入到AutoST时空预测模型中，预测众包工人在下一个时间戳可能到达的地点；S3、获取当前环境状态下所有待完成的时空众包任务集合，并依次编号；S4、获取经过AutoST模型预测后的时空众包工人集合，并依次编号；S5、采用改进的贪婪算法为每个众包工人推荐最佳任务，实施全局最优任务分配策略。本发明的基于众包工人时空行为预测的任务分配方法考虑到众包工人和任务的动态特征，在满足时间约束的条件下，尽可能降低众包工人的总旅行成本，达到了高效的多任务分配，提高任务分配的质量与效率。
-
Patent Agency Ranking
公开(公告)号：CN112163080A
公开(公告)日：2021-01-01
申请号：CN202011083309.3
申请日：2020-10-12
Applicant: 辽宁工程技术大学
IPC: G06F16/332 , G06N3/04 , G06N3/08
Abstract: 针对人机对话中不能对多轮情绪语义进行准确分析而造成回答不准确的问题，通过对Transformer即多头注意力机制进行改进，提出一种基于多轮情绪分析的生成式对话模型。考虑编码端的多轮对话的情绪，在解码端嵌入情绪向量。在解码开始时，依据第一个情绪向量能以很大概率生成第一个符合当前的语境的词，之后每一个词都嵌入这个向量来限制语境。为防止生成像“我不知道”，“呵呵”等万能词，将输出函数进行基于Maximum Mutual Information(MMI)的优化。
-
公开(公告)号：CN111428004A
公开(公告)日：2020-07-17
申请号：CN202010224878.9
申请日：2020-03-26
Applicant: 辽宁工程技术大学
IPC: G06F16/33 , G06F16/35 , G06F40/211 , G06F40/289 , G06F40/30 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种融合辅助信息与层级自注意力循环神经网络方面的情感分析方法，对词向量的模型进行改进；引入层次化自注意力机制模型；通过方面情感分析领域广泛使用的数据集进行验证。本发明的融合辅助信息与层级自注意力循环神经网络方面的情感分析方法针对传统注意力机制不能够对方面特征进行有效的关注，并且双向长短时记忆神经模型(BiLSTM)训练时间长、不能充分学习上下文信息等存在的问题。本发明的方法在词向量中增加词性、位置等方面辅助信息，然后通过双向门控循环神经网络(BiGRU)进行序列化信息学习，通过层次化自注意力机制为单词层和句子层调整深层次信息特征权重。
-
公开(公告)号：CN111241419A
公开(公告)日：2020-06-05
申请号：CN202010022487.9
申请日：2020-01-09
Applicant: 辽宁工程技术大学
IPC: G06F16/9536 , G06N3/08 , G06Q50/00
Abstract: 本发明公开了一种基于用户关系嵌入模型的下一个兴趣点推荐方法，步骤为：根据朋友关系和用户历史签到记录数据分别建立朋友关系表和偏好相似关系表，通过这两个表建立用户关系图；根据建立的用户关系图采用随机游走算法得到用户关系序列，用户关系序列经过Word2Vec词嵌入模型得到每个用户的低纬嵌入向量；利用用户的低纬嵌入向量对神经网络的用户嵌入层参数进行初始化，使用门控循环单元给出下一个兴趣点推荐。本发明的基于用户关系嵌入模型的下一个兴趣点推荐方法将偏好相似关系引入到推荐模型中，增强了用户关系的表示，解决了现有方法只考虑用户朋友关系的片面性导致推荐模型的局限性问题，有效提高了推荐模型的准确率。
-
公开(公告)号：CN109816706A
公开(公告)日：2019-05-28
申请号：CN201910105274.X
申请日：2019-02-01
Applicant: 辽宁工程技术大学
IPC: G06T7/33
Abstract: 本发明提出一种平滑约束与三角网等比例剖分像对稠密匹配方法，包括：在像对I1与I2上应用ORB算法，获得稀疏匹配点集；筛选出以特征点为中心的邻域中密度直达的特征点集；对特征点集进行DBSCAN密度聚类，形成集合；用集合 进行DBSCAN密度聚类处理剔除外点，得到内点集；构建待匹配图像I1的Delaunay三角网Tri1；构建目标图像I2的Delaunay三角网Tri2；计算三角网Tri1和Tri2中等比例点的坐标；等比例点的稠密化，进一步优化构成相似三角形的内点集；重新构造待匹配图像I1和目标图像I2的三角网Tri'1和Tri'2；判断三角区域间的相似性度量值，输出三角网稠密匹配点的坐标；本发明的目的是避免由于某些局部外点造成仿射变换矩阵估计不准确而影响整体平面稠密匹配准确率的问题，实验验证本发明方法有效。
-
公开(公告)号：CN109801697A
公开(公告)日：2019-05-24
申请号：CN201910039358.8
申请日：2019-01-16
Applicant: 中国中医科学院中医药信息研究所 , 辽宁工程技术大学
IPC: G16H20/10
Abstract: 本发明公开了中药方剂中的饮片重要程度的评价方法，该评价方法包括：获取方剂形成的第一数据集及饮片形成的第二数据集；从第一数据集中统计出包含待评价饮片的方剂的第一数量及从第二数据集中统计出所有饮片的第二数量，通过第一、第二数量确定待评价饮片的第一权重；通过待评价饮片名称与当前方剂名称确定待评价饮片的第二权重；获取待评价饮片在当前方剂中的第一剂量情况以及在所有方剂中的第二剂量情况，通过第一、第二剂量情况确定待评价饮片的第三权重；通过第一、第二、第三权重的线性叠加得到评价结果。本发明综合考虑了饮片的相对剂量、是否常用等因素，为饮片重要程度提供客观量化指标，以便于用户对方剂进行客观分析和智能检索。
-
-
-
-
-
-
-
-
-
Search Results
37
records
(took 0.031 seconds)
