-
公开(公告)号：CN113592529B
公开(公告)日：2023-11-21
申请号：CN202110694000.6
申请日：2021-06-22
申请人： 中债金科信息技术有限公司 , 清华大学
IPC分类号： G06Q30/0201 , G06Q30/0601 , G06Q40/06
-
公开(公告)号：CN113592529A
公开(公告)日：2021-11-02
申请号：CN202110694000.6
申请日：2021-06-22
申请人： 中债金科信息技术有限公司 , 清华大学
摘要： 本发明提供一种债券产品的潜在客户推荐方法和装置，所述方法包括：根据业务需求确定债券变量，基于债券变量获取目标债券的数据；对目标债券的数据进行第一预处理，得到预处理后的目标债券的数据；将预处理后的目标债券的数据输入构建好的相似债券推荐模型，输出目标债券的相似债券；获取相似债券在目标市场的持有账户以及每个持有账户持有相似债券的数量，并基于每个持有账户持有相似债券的数量，确定目标债券在所述目标市场的潜在客户。本发明能够实现在无客户行为数据和无客户偏好数据的多个债券数据的不同市场的应用场景下为新发债券推荐潜在客户，该相似债券推荐模型可灵活运用于多种推荐场景，普适性较高。
-
公开(公告)号：CN112883064B
公开(公告)日：2022-11-15
申请号：CN202110231990.X
申请日：2021-03-02
申请人： 清华大学
IPC分类号： G06F16/2455 , G06F16/2457 , G06F16/26
摘要： 本发明提供一种自适应采样与查询方法及系统，该方法包括：基于波动度的余弦距离权重函数，计算每一个数据点的波动度权重，并按照所述波动度权重，使用二分查找算法对累积数据进行快速自适应分桶，使得分桶结果中所有桶的最大权重和最小；对每个分桶结果中的流式数据，通过多种采样算子提取相同数目的样本，以实现自适应的采样密度，得到对应的采样结果；基于采样结果，从低层级样本中采样得到高层级的样本，构建保持层级结果一致性的层级样本结构，并根据所述层级样本结构，构建层级查询引擎；当层级查询引擎查询到符合采样粒度的层级后，将保留当前层级的样本作为查询结果。本发明降低了采样误差，保证了数据查询结果的一致性与低延迟。
-
公开(公告)号：CN112765329A
公开(公告)日：2021-05-07
申请号：CN202011628252.0
申请日：2020-12-31
申请人： 清华大学
IPC分类号： G06F16/332 , G06F16/35 , G06F16/36 , G06F16/9536
摘要： 本发明提供一种社交网络关键节点发现方法及系统，该方法包括：对社交网络中目标图数据的节点进行聚类，并通过有偏随机游走，根据聚类后的节点，获取对应的有偏随机游走路径；将同一聚类的有偏随机游走路径进行组合，得到多个有偏随机游走路径文档，并根据多个有偏随机游走路径文档，构建得到有偏随机游走路径语料库；对所述有偏随机游走路径语料库进行关键词提取，获取每个有偏随机游走路径文档中的关键词，以根据所述关键词得到所述目标图数据的关键节点。本发明可更加全面的获知节点对聚类的重要程度；同时，在得到的结果中，不同的节点不会出现相同的重要程度值，具有良好的区分度，且适用于非连通图。
-
公开(公告)号：CN112765329B
公开(公告)日：2022-07-05
申请号：CN202011628252.0
申请日：2020-12-31
申请人： 清华大学
IPC分类号： G06F16/332 , G06F16/35 , G06F16/36 , G06F16/9536
摘要： 本发明提供一种社交网络关键节点发现方法及系统，该方法包括：对社交网络中目标图数据的节点进行聚类，并通过有偏随机游走，根据聚类后的节点，获取对应的有偏随机游走路径；将同一聚类的有偏随机游走路径进行组合，得到多个有偏随机游走路径文档，并根据多个有偏随机游走路径文档，构建得到有偏随机游走路径语料库；对所述有偏随机游走路径语料库进行关键词提取，获取每个有偏随机游走路径文档中的关键词，以根据所述关键词得到所述目标图数据的关键节点。本发明可更加全面的获知节点对聚类的重要程度；同时，在得到的结果中，不同的节点不会出现相同的重要程度值，具有良好的区分度，且适用于非连通图。
-
公开(公告)号：CN113127697A
公开(公告)日：2021-07-16
申请号：CN202110340361.0
申请日：2021-03-30
申请人： 清华大学
IPC分类号： G06F16/901 , G06F16/906 , G06K9/62
摘要： 本发明提供一种图布局优化方法和系统、电子设备及可读存储介质，其中优化方法包括：基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵；基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵；节点特征向量进行聚类，得到节点的聚类结果；基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵；采用所述第二邻接矩阵进行布局，得到所述目标图的布局结果。本发明通过将图嵌入得到的特征向量转化为矩阵的方法，将图嵌入得到的反映节点高维特征的节点特征向量融入布局过程中，通过使用这样的信息辅助布局过程，优化布局效果，生成更有实际应用意义的布局结果。
-
公开(公告)号：CN112749224A
公开(公告)日：2021-05-04
申请号：CN202011629884.9
申请日：2020-12-31
申请人： 清华大学
IPC分类号： G06F16/26 , G06F16/242 , G06F16/2457 , G06F16/248
摘要： 本发明提供一种面向任务的可视化推荐方法及装置，该方法包括：对任务数据集进行数据特征提取，得到任务数据特征信息；将所述任务数据特征信息和所述任务数据集，转换为符合回答集编程规范的任务语句；按照预设可视化任务规则库对所述任务语句进行求解，得到可视化图表信息；按照技术复杂度值对所述可视化图表信息进行排序，得到推荐可视化图表。通过利用Clingo软件枚举所有符合规则库中规则集合的图表，其中所有图表利用Vega‑Lite来表征。同时根据图表的复杂性，用户感兴趣的列和任务的覆盖范围，设计了多种可视化排序方案，从而可以准确高效的实现面向任务的可视化推荐。
-
公开(公告)号：CN113127697B
公开(公告)日：2022-11-15
申请号：CN202110340361.0
申请日：2021-03-30
申请人： 清华大学
IPC分类号： G06F16/901 , G06F16/906 , G06K9/62
摘要： 本发明提供一种图布局优化方法和系统、电子设备及可读存储介质，其中优化方法包括：基于对目标图采用图嵌入生成的节点特征向量，得到相似度矩阵；基于所述相似度矩阵和目标图的原始邻接矩阵，得到第一邻接矩阵；节点特征向量进行聚类，得到节点的聚类结果；基于所述聚类结果，对所述第一邻接矩阵进行损失层处理，得到第二邻接矩阵；采用所述第二邻接矩阵进行布局，得到所述目标图的布局结果。本发明通过将图嵌入得到的特征向量转化为矩阵的方法，将图嵌入得到的反映节点高维特征的节点特征向量融入布局过程中，通过使用这样的信息辅助布局过程，优化布局效果，生成更有实际应用意义的布局结果。
-
公开(公告)号：CN112883064A
公开(公告)日：2021-06-01
申请号：CN202110231990.X
申请日：2021-03-02
申请人： 清华大学
IPC分类号： G06F16/2455 , G06F16/2457 , G06F16/26
摘要： 本发明提供一种自适应采样与查询方法及系统，该方法包括：基于波动度的余弦距离权重函数，计算每一个数据点的波动度权重，并按照所述波动度权重，使用二分查找算法对累积数据进行快速自适应分桶，使得分桶结果中所有桶的最大权重和最小；对每个分桶结果中的流式数据，通过多种采样算子提取相同数目的样本，以实现自适应的采样密度，得到对应的采样结果；基于采样结果，从低层级样本中采样得到高层级的样本，构建保持层级结果一致性的层级样本结构，并根据所述层级样本结构，构建层级查询引擎；当层级查询引擎查询到符合采样粒度的层级后，将保留当前层级的样本作为查询结果。本发明降低了采样误差，保证了数据查询结果的一致性与低延迟。
-
-
-
-
-
-
-
-
搜索结果
9 条记录 (耗时 0.051 秒)
