-
公开(公告)号：CN111949894B
公开(公告)日：2023-05-23
申请号：CN202010874741.8
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开一种基于多空间交互的协同过滤个性化推荐方法，将用户与项目映射到多个子空间，不同子空间从不同的角度来描述用户与项目的交互，能得到更加充分的用户项目交互特征信息；使用向量级注意力机制来给聚集的向量不同的权重，使聚集的用户表示向量和项目表示向量更合理；在将多个子空间的表示向量聚集成最终的用户与项目表示向量时，本发明使用空间级注意力机制给不同子空间不同的权重，最终聚集得到的用户表示向量和项目表示向量更加合理，以此提升个性推荐的效果。
-
公开(公告)号：CN114443808A
公开(公告)日：2022-05-06
申请号：CN202111451106.X
申请日：2021-12-01
IPC: G06F16/33
Abstract: 本发明涉及人工智能伦理技术领域，尤其涉及一种基于行为目的关系的伦理极性判别方法，使用众包方法对开源数据集FG‑News进行再标注，为数据集增添更多细粒度的属性，也可以为模型的训练提供更多特征，再利用具有双向Transformer结构的预训练语言模型BERT，经过维基百科语料的与训练过程编码知识信息，同时对于下游任务，经过微调的模型可以快速适应当前任务，对特定的行为词进行目的关系推理和极性判别，以行为词为中心，捕捉目标词、词间关系与其上下文之间的联系，有效提高系统的准确率和查全率，提供了更完整、更深入的分析结果。
-
公开(公告)号：CN111949885B
公开(公告)日：2022-05-03
申请号：CN202010874707.0
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06F16/9535 , G06F16/36 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开一种面向旅游景点的个性化推荐方法，首先利用原始数据集构建用户知识图谱和景点知识图谱；然后对用户知识图谱进行进行特征学习，得到第一用户表示向量和第一项目表示向量；之后基于第一用户表示向量对景点知识图谱进行特征学习，得到第二用户表示向量和第二项目表示向量；接着将第一用户表示向量和第二用户表示向量组合成最终用户表示向量；并将第二项目表示向量直接作为最终项目表示向量；最后将最终用户表示向量和最终项目表示向量进行深层次的交互，以预测得到用户对景点的偏好概率，从而完成旅游景点的个性化推荐。本发明能够避免陷入单一知识图谱的特征学习，以提高推荐的准确度。
-
公开(公告)号：CN109359475B
公开(公告)日：2021-12-03
申请号：CN201811215963.8
申请日：2018-10-18
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种支持多值属性的密文策略属性基加密方法，采用了MDD作为CP‑ABE中的访问结构，使得所提方案能够直接支持多值属性；此外，由于MDD访问结构减少了系统判断属性的次数，减少了访问结构中的节点数量，从而显著提高了CP‑ABE策略在加密、解密等方面的实现效率。
-
公开(公告)号：CN113449589A
公开(公告)日：2021-09-28
申请号：CN202110531088.X
申请日：2021-05-16
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器学习领域，公开了一种无人驾驶汽车在城市交通场景中驾驶策略计算方法，包括：收集数据样本，并对数据样本进行预处理，得到数据集；基于数据集构建并训练多尺度预测卷积神经网络；将摄像机获取的图像输入多尺度预测卷积精神网络，获取场景中目标类别以及置信度；根据目标类别识别交通场景；基于交通场景计算驾驶策略风险度和道德强度，生成驾驶策略。本发明提高了目标对象的识别精度和整体效率，在识别图像中目标类别的同时还计算出识别目标的精度。
-
Patent Agency Ranking
公开(公告)号：CN109361513B
公开(公告)日：2021-05-28
申请号：CN201811355938.X
申请日：2018-11-15
Applicant: 桂林电子科技大学
IPC: H04L9/08
Abstract: 本发明公开了一种针对Shamir秘密共享的用户权重分配方法，包括构造OBDD结构，借助OBDD完成对秘密共享策略的刻画；提出剪除规则、删除规则、合并规则等化简规则，从有序二叉决策图中分别提取表示授权用户组合集的授权子OBDD和表示非授权用户组合集的非授权子OBDD；根据授权子OBDD和非授权子OBDD分别求取最小授权用户组合集MIN和最大非授权用户组合集MAX，以MIN和MAX为基础求出授权用户组合和非授权用户组合间的权重不等式；通过求解不等式计算出用户权重及秘密分享阈值。本发明方法能够完成对任意形式秘密共享策略的刻画、高效实现任意数量用户间的权重分配，并能够借助于子图重构及结构化简，降低算法的时空复杂度，进一步提高权重分配效率。
-
公开(公告)号：CN112217641A
公开(公告)日：2021-01-12
申请号：CN202011132274.8
申请日：2020-10-21
Applicant: 桂林电子科技大学
Abstract: 本发明公开一种基于ADD支持读写功能的密文策略属性基加密方法，首先构造ADD访问结构，然后确定ADD访问结构中的有效路径，最后实现基于ADD的CP‑ABE方案，该方案实现过程共涉及4个实体：授权中心、数据加密方即数据拥有者、数据解密方即数据使用者、云服务器，其中授权中心负责执行Setup算法以及Keygen算法，分别实现系统建立以及用户私钥生成的功能；数据加密方执行Encrypt算法，完成明文加密；数据解密方执行Decrypt算法，实现对密文数据的读、写；云服务器负责密文数据的存储；该方法充分利用ADD在伪布尔函数描述方面的优势实现高效的密文共享及访问控制，并引入PV操作解决多个用户在进行密文数据读、写操作时存在的资源访问冲突问题。
-
公开(公告)号：CN112116137A
公开(公告)日：2020-12-22
申请号：CN202010925380.5
申请日：2020-09-06
Applicant: 桂林电子科技大学
Abstract: 本发明涉及机器学习、深度学习及数据挖掘等技术领域，具体是涉及一种基于混合深度神经网络的学生辍课预测方法。本发明考虑到时间序列数据，进行了细粒度划分，并使用One‑hot编码规则和特征工程相结合，构建行为特征矩阵，有助于提高预测的准确性，并且使用一种新建的卷积神经网络(CNN)，进行局部关系特征提取。考虑到行为之间的序列关系，以及模型本身的影响，最后通过门控循环单元(GRU)网络进行时间序列关系特征提取，通过softmax层进行最后的预测任务，以此提高辍课预测的精确度。本发明使用三层的GRU提取行为矩阵之间存在的潜在具有时序关系的行为特征。
-
公开(公告)号：CN107680010B
公开(公告)日：2020-12-18
申请号：CN201710910640.X
申请日：2017-09-29
Applicant: 桂林电子科技大学
IPC: G06Q50/14 , G06F16/9537 , H04W4/80
Abstract: 本发明公开一种基于游览行为的景区路线推荐方法及其系统，通过获取游客在游览过程中产生的行为数据，利用频繁游览路线挖掘方法，从已获取的历史游览行为数据中挖掘生成一组候选游览路线。再根据游客输入的总游览时间、游览起始/结束地点等个人游览约束，从候选路线中搜索满足个人约束且游览价值最高的路线推荐给游客。本发明具有推荐路线精度高，推荐结果个性化程度及游览体验度高的特点。
-
公开(公告)号：CN111949894A
公开(公告)日：2020-11-17
申请号：CN202010874741.8
申请日：2020-08-27
Applicant: 桂林电子科技大学
IPC: G06F16/9536 , G06F16/9535
Abstract: 本发明公开一种基于多空间交互的协同过滤个性化推荐方法，将用户与项目映射到多个子空间，不同子空间从不同的角度来描述用户与项目的交互，能得到更加充分的用户项目交互特征信息；使用向量级注意力机制来给聚集的向量不同的权重，使聚集的用户表示向量和项目表示向量更合理；在将多个子空间的表示向量聚集成最终的用户与项目表示向量时，本发明使用空间级注意力机制给不同子空间不同的权重，最终聚集得到的用户表示向量和项目表示向量更加合理，以此提升个性推荐的效果。
-
-
-
-
-
-
-
-
-
Search Results
210
records
(took 0.031 seconds)
