-
公开(公告)号:CN110334245B
公开(公告)日:2023-04-07
申请号:CN201910599470.7
申请日:2019-07-04
申请人: 山东大学
IPC分类号: G06F16/735 , G06F16/78 , G06F16/783 , G06N3/0464 , G06N3/0442 , G06N3/08
摘要: 本公开公开了一种基于时序属性的图神经网络的短视频解析方法及装置,方法包括:采用基于图结构的循环神经网络将用户点击过的短视频按照时间顺序进行建模,获得用户的兴趣表征;采用多层感知机将用户点赞的短视频和关注了作者的短视频进行建模,获得用户的增强兴趣表征;采用基于图结构的循环神经网络将用户未点击过的短视频按照时间顺序进行建模,获得用户的非兴趣表征;接收新的短视频,获得新短视频特征,将其与用户的兴趣表征、增强兴趣表征和非兴趣表征输入预测网络,得到短视频的预测概率;根据不同短视频的预测概率数值的降序进行短视频解析。
-
公开(公告)号:CN110309360B
公开(公告)日:2021-09-28
申请号:CN201910606153.3
申请日:2019-07-05
申请人: 山东大学
IPC分类号: G06F16/735 , G06F16/738 , G06N3/04 , G06N3/08
摘要: 本公开提供了短视频标签标注方法及系统。其中,短视频标签标注方法,包括:构建无向图结构,所述无向图结构中包含短视频、用户和话题标签这三种类型的节点;将无向图结构输入至图卷积神经网络,得到基于用户偏好的短视频表示和基于用户偏好的话题标签表示;将基于用户偏好的短视频表示和基于用户偏好的话题标签表示进行点乘操作,得到两者之间的相似性分数并对这些相似性分数排序,获得个性化话题标签推荐。
-
公开(公告)号:CN110309360A
公开(公告)日:2019-10-08
申请号:CN201910606153.3
申请日:2019-07-05
申请人: 山东大学
IPC分类号: G06F16/735 , G06F16/738 , G06N3/04 , G06N3/08
摘要: 本公开提供了一种短视频的话题标签个性化推荐方法及系统。其中,一种短视频的话题标签个性化推荐方法,包括:构建无向图结构,所述无向图结构中包含短视频、用户和话题标签这三种类型的节点;将无向图结构输入至图卷积神经网络,得到基于用户偏好的短视频表示和基于用户偏好的话题标签表示;将基于用户偏好的短视频表示和基于用户偏好的话题标签表示进行点乘操作,得到两者之间的相似性分数并对这些相似性分数排序,获得个性化话题标签推荐。
-
公开(公告)号:CN116064716A
公开(公告)日:2023-05-05
申请号:CN202310147388.7
申请日:2023-02-21
申请人: 山东大学
摘要: 本发明属于生物医疗技术领域,具体涉及T细胞亚群及相关分子在子宫腺肌病诊断中的应用。本发明发现腺肌病异位病灶的CD8+T细胞数量与疾病严重程度呈正相关,进一步发现腺肌病异位病灶耗竭的NKG2A+CD8+T细胞比例和数量与疾病严重程度呈正相关,腺肌病局部微环境中腺上皮细胞IL‑15和HLA‑E表达的增加通过促进CD8+T细胞上NKG2A的表达或抑制这些细胞的效应功能而导致CD8+T细胞耗竭。本发明揭示通过对上述细胞亚群和分子的检测对诊断子宫腺肌病提供了一个有吸引力的策略。
-
公开(公告)号:CN110337016A
公开(公告)日:2019-10-15
申请号:CN201910606172.6
申请日:2019-07-05
申请人: 山东大学
IPC分类号: H04N21/258 , H04N21/25 , H04N21/466 , H04N21/45 , G06F16/735 , G06F16/738 , G06F16/78 , G06N3/04
摘要: 本公开提供了一种基于多模态图卷积网络的短视频个性化推荐方法及系统。其中,基于多模态图卷积网络的短视频个性化推荐方法包括:基于短视频的图像模态、音频模态和文本模态分别构建用户-短视频图结构;用户-短视频图结构中的点表示用户和短视频,点之间的连线表示两者之间的交互;将各个模态的用户-短视频图结构输入至相应图卷积神经网络中,通过相应图卷积神经网络的聚合层分别计算表达各个模态的用户及短视频,利用相应图卷积神经网络的融合层合并用户及短视频的各个模态的表达,得到用户和短视频的最终表达;利用贝叶斯个性化排序算法依次推荐出用户和短视频的最终表达的成对序列。
-
公开(公告)号:CN110334245A
公开(公告)日:2019-10-15
申请号:CN201910599470.7
申请日:2019-07-04
申请人: 山东大学
IPC分类号: G06F16/735 , G06F16/78 , G06F16/783 , G06N3/04 , G06N3/08
摘要: 本公开公开了一种基于时序属性的图神经网络的短视频推荐方法及装置,方法包括:采用基于图结构的循环神经网络将用户点击过的短视频按照时间顺序进行建模,获得用户的兴趣表征;采用多层感知机将用户点赞的短视频和关注了作者的短视频进行建模,获得用户的增强兴趣表征;采用基于图结构的循环神经网络将用户未点击过的短视频按照时间顺序进行建模,获得用户的非兴趣表征;接收新的短视频,获得新短视频特征,将其与用户的兴趣表征、增强兴趣表征和非兴趣表征输入预测网络,得到短视频的预测概率;根据不同短视频的预测概率数值的降序进行短视频推荐。
-
公开(公告)号:CN110337016B
公开(公告)日:2020-08-14
申请号:CN201910606172.6
申请日:2019-07-05
申请人: 山东大学
IPC分类号: H04N21/258 , H04N21/25 , H04N21/466 , H04N21/45 , G06F16/735 , G06F16/738 , G06F16/78 , G06N3/04
摘要: 本公开提供了一种基于多模态图卷积网络的短视频个性化推荐方法及系统。其中,基于多模态图卷积网络的短视频个性化推荐方法包括:基于短视频的图像模态、音频模态和文本模态分别构建用户‑短视频图结构;用户‑短视频图结构中的点表示用户和短视频,点之间的连线表示两者之间的交互;将各个模态的用户‑短视频图结构输入至相应图卷积神经网络中,通过相应图卷积神经网络的聚合层分别计算表达各个模态的用户及短视频,利用相应图卷积神经网络的融合层合并用户及短视频的各个模态的表达,得到用户和短视频的最终表达;利用贝叶斯个性化排序算法依次推荐出用户和短视频的最终表达的成对序列。
-
-
-
-
-
-