-
公开(公告)号：CN118484528A
公开(公告)日：2024-08-13
申请号：CN202410665810.2
申请日：2024-05-27
Applicant: 北京邮电大学
IPC: G06F16/335 , G06F16/9536 , G06F16/33 , G06F16/36 , G06N5/022 , G06N3/0442 , G06N3/0455
Abstract: 本发明涉及论文推荐技术领域，尤其是指一种学术论文推荐方法、装置、设备及计算机存储介质。本发明所述的学术论文推荐方法，构建统一的知识图谱，通过神经网络同时考虑文本内容和学术图谱信息，实现用户和论文等关键实体的准确量化描述；本发明还提出一种深度学习推荐模型，根据输入用户过去的行为和实体特征，自动地调整权重从而更有效地捕捉序列中的重要信息；本发明挖掘大规模异质图谱中的学习者行为并将其与学习者当前的主题文本偏好相融合，自主学习学者和学术论文的向量表示并挖掘学者与未来论文的潜在关系，实现了精准的学术论文推荐。
-
公开(公告)号：CN118196575A
公开(公告)日：2024-06-14
申请号：CN202410294327.8
申请日：2024-03-14
Applicant: 北京邮电大学
IPC: G06V10/80 , G06V10/25 , G06V10/766 , G06V10/764 , G06V10/22 , G06V10/40 , G06V10/82 , G06N3/0464 , G06N3/0455 , G06N3/08
Abstract: 本申请提出了一种基于多视角特征融合与元特征编码的小样本目标检测方法，包括：对待检测图像数据进行多视角嵌入融合，得到融合后的图像数据；使用特征提取网络对融合后的图像数据进行图像特征提取，并结合区域建议网络确定图像数据的候选区域，并将候选区域进行RoI池化，得到RoI特征；将RoI特征分别输入全连接网络和元特征编码器中，获取分类特征、回归特征及元特征，并将元特征和分类特征进行融合，得到最终分类特征；通过分类器和回归器根据回归特征与最终分类特征确定图像数据中目标的定位与分类。采用上述方案的本发明在进行小样本目标检测时能够保证新类泛化性，并实现对基类知识的有效保留，缓解灾难性知识遗忘问题。
-
公开(公告)号：CN118158229A
公开(公告)日：2024-06-07
申请号：CN202410158465.3
申请日：2024-02-04
Applicant: 北京邮电大学
IPC: H04L67/104 , H04L67/12 , H04L43/0852 , H04L43/0829 , H04L43/10
Abstract: 本发明提出一种时延敏感的联邦学习中央节点选举方法，包括，将物联网场景下的lot设备划分为负责训练的普通节点和同时承担训练和协调的委员会节点；通过改造raft算法的心跳包机制来感知每个委员会节点到其他节点的时延；实时检测每个委员会节点的时延及丢包情况，通过低时延联邦学习中央节点选举机制选举出能够保障集群联邦学习稳定性的中央协调节点。本发明提出的方法，采用低延迟、高性能的选举策略，通过委员会机制，将区块链的共识范围缩小至可控可信的区域，减少大量冗余区块存储带来的通信和计算开销。
-
公开(公告)号：CN117392560A
公开(公告)日：2024-01-12
申请号：CN202311188934.8
申请日：2023-09-14
Applicant: 北京邮电大学
Abstract: 本发明提出一种面向无人机航拍图像的前景增强端到端小目标检测方法，包括，将无人机拍摄的图像输入轻量化的骨干网络ShuffleNetV2中，得到不同尺寸的特征图；在特征图后添加FPN特征金字塔结构，进行多尺度特征的融合，得到融合后的多尺度特征图；将多尺度特征图输入单阶段检测头中，得到粗糙检测结果，从粗糙检测结果中获得前景图；将前景图通过一层卷积得到前景增强的多尺度特征图；将前景增强的多尺度特征图再次输入单阶段检测头中，得到精细检测框；使用动态软权重的冗余检测框抑制算法，将精细检测框中相同目标的多余冗余框进行消除，得到最终的检测结果。本发明提出的方法，对局部目标密集和全局前景稀疏的无人机航拍场景，具备良好的检测效果。
-
公开(公告)号：CN115330509A
公开(公告)日：2022-11-11
申请号：CN202210431436.0
申请日：2022-04-22
Applicant: 北京邮电大学
IPC: G06Q40/02 , G06Q10/10 , G06F16/953
Abstract: 本发明公开了基于征信服务交易平台集成的征信服务分类方法和系统，其中，该方法包括：获取用户需求信息；其将用户需求信息，输入集成后的数字化征信服务交易平台，进行用户购买征信服务请求的信息交易处理；通过信息交易处理，利用集成后的数字化征信服务交易平台进行征信服务分类并向用户推荐相应的征信服务。本发明可以可以整合多源异构多种类型的数字化征信服务，统筹规划大数据底层能力与海量信用数据服务以应用于上层多种征信场景，将数字化征信服务集成在平台供用户无差别使用，提供给外部征信服务提供商以服务开放的能力，使其能够便捷地、系统改动量少地接入平台，有效的实现征信服务分类和应用。
-
Patent Agency Ranking
公开(公告)号：CN114817241A
公开(公告)日：2022-07-29
申请号：CN202210306938.0
申请日：2022-03-25
Applicant: 北京邮电大学
IPC: G06F16/22 , G06F16/2458 , G06F16/953 , G06Q40/02
Abstract: 本申请提出了一种基于Flink引擎计算节点动态扩展的任务评价方法，包括：接收客户端发送的任务；接收客户端在出现数据热点时发送的节点扩展指令，根据节点扩展指令修改任务的执行图的拓扑结构，并通知目标算子任务的上游算子任务增加结果分区和变更虚拟哈希映射表和虚拟路由表，其中，目标算子任务为出现数据热点的算子任务；通过任务管理器启动新增计算节点，初始化新增计算节点的输入网关和结果分区；通知目标算子任务的下游算子任务增加输入通道；通过任务管理器根据修改后的任务的执行图的拓扑结构，对用户数据进行处理，得到任务评价结果。本申请解决了Flink引擎处理数据时的数据倾斜的问题，提高了系统的数据计算速度，满足任务实时场景需求。
-
公开(公告)号：CN114528387A
公开(公告)日：2022-05-24
申请号：CN202210074402.0
申请日：2022-01-21
Applicant: 北京邮电大学
IPC: G06F16/332 , G06K9/62 , G06N3/04 , G06N3/08 , G06F40/35
Abstract: 本发明提出一种基于对话流自举的深度学习对话策略模型构建方法和系统，其中，方法包括：通过对话流自举方式构建语料训练集，对话流自举方式包括：基于用户的多对话轮次对话数据获得对话流状态机，使用宽度优先搜索获取对话流状态机中起始状态到任意状态的所有路径，进而获得多对话轮次的对话序列标注数据，多对话轮次的对话序列标注数据构成语料训练集；构建深度学习对话策略模型，将语料训练集输入至深度学习对话策略模型，输出目标对话动作，其中，深度学习对话策略模型包括对话动作预测模型和置信度比较模型。根据本发明的方法解决现有技术中模型训练数据不足导致模型冷启动的问题。
-
公开(公告)号：CN110580499B
公开(公告)日：2022-05-24
申请号：CN201910770300.0
申请日：2019-08-20
Applicant: 北京邮电大学
IPC: G06V10/762 , G06V10/774 , G06V10/82 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于众包重复标签的深度学习目标检测方法及系统，其中，方法包括以下步骤：接收应用场景下原始训练集图片，并收集数据标签；对原始训练集图片进行预处理，得到预处理好的数据；根据预处理好的数据训练CrowdR‑CNN目标检测模型，其中，CrowdR‑CNN目标检测模型的输入为带众包重复标签的图片，其中，在两阶段模型的基础上，根据数据标签增添标签聚集层，使得依据标注者个体敏感性推理目标真实类别，以根据检测数据通过CrowdR‑CNN网络得到预测结果。该方法有效降低了深度学习目标检测模型实现成本，几乎没有引入额外的计算成本，并且能够获得与无误差标签训练的目标检测模型相当的检测精度。
-
公开(公告)号：CN114154054A
公开(公告)日：2022-03-08
申请号：CN202111227971.6
申请日：2021-10-21
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00
Abstract: 本发明提出一种基于多头自注意神经机制的多模态新闻推荐方法及装置，其中方法包括步骤，采集数据信息，包括新闻数据、特征数据、痕迹数据；基于view‑level注意力机制的多成分特征交叉模型、流式数据的热点新闻实时预测技术、智能抽帧的多模态信息融合技术，将所述数据信息融合成统一的新闻特征；将所述统一的新闻特征作为模型输入，通过用户兴趣表征模型并结合最高未来影响策略，完成个性化精准推荐的功能。本提案有效缓解了用户冷启动问题，并通过多模态信息融合对新闻中的多模态信息进行特征采集和融合，多头自注意机制进行高阶交叉特征挖掘和用户兴趣表征学习，以及最高未来影响策略和实时新闻热点挖掘为新闻赋予时序权重，参与最终的用户推荐。
-
公开(公告)号：CN110135411B
公开(公告)日：2021-09-10
申请号：CN201910360584.6
申请日：2019-04-30
Applicant: 北京邮电大学
Abstract: 本发明提出一种名片识别方法和装置，其中，方法包括：获取待识别的名片图像；将名片图像输入至文字检测模型，以得到各文本行区域；其中，文字检测模型，已学习得到图像特征与各文本行区域之间的对应关系；将各文本行区域输入至文字识别模型，以得到各文本行区域对应的名片信息。该方法能够实现基于深度学习的文字检测模型来识别名片图像中的各文本行区域，鲁棒性较强，可以降低因为低质量和噪声数据对文本提取的影响，从而提升该方法的通用性和应用空间。并且，基于深度学习的文字识别模型来对各文本行区域进行端到端的识别，无需进行单字分割，具有更高的准确率，同时也对各种复杂的变化具有更强的识别能力，提升该方法的通用性和识别效果。
-
-
-
-
-
-
-
-
-
Search Results
85
records
(took 0.028 seconds)
