-
公开(公告)号:CN118113731A
公开(公告)日:2024-05-31
申请号:CN202311486619.3
申请日:2023-11-09
申请人: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC分类号: G06F16/2452 , G06F16/242 , G06F16/2453 , G06F16/901 , G06N3/045
摘要: 本发明公开了一种基于注意力机制的自然文本转图数据库查询语言的方法,包括如下步骤:步骤一,构建CQL查询模板,获取自然文本问题、图数据库模式;步骤二,进行嵌入表示;步骤三,预测MATCH子句;步骤四,预测WHERE子句;步骤五,预测RETURN子句;步骤六,进行反向传播,更新网络参数,完成语言转换。本发明的基于注意力机制的自然文本转图数据库查询语言的方法,通过步骤一至步骤六的设置,所生成的CQL查询语句比现有的方法更加准确和规范。
-
公开(公告)号:CN117950794A
公开(公告)日:2024-04-30
申请号:CN202311491000.1
申请日:2023-11-10
申请人: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC分类号: G06F9/455
摘要: 本发明公开了一种基于Kubernetes的服务编排系统,包括可视化编排组件,该可视化编排组件用于与用户进行人机交互,以供用户通过前端的图形化流程配置服务编排过程及其服务的相关的信息;控制面板组件,该控制面板组件与可视化编排组件通信连接,以接收可视化编排组件配置好的信息,并将信息进行解析,转换为crd的配置信息;编排引擎组件,该编排引擎组件与控制面板组件通信连接,以接收控制面板传入的配置信息,编排引擎会根据信息进行拓扑排序,并对每个节点启动一个go routine来负责完成服务编排,并将服务编排结果直接传递至用户;其中,控制面板组件的crd是指k8s里的operator。本发明的基于Kubernetes的服务编排系统,基于Kubernetes的服务编排系统。
-
公开(公告)号:CN117668354A
公开(公告)日:2024-03-08
申请号:CN202311492668.8
申请日:2023-11-10
申请人: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC分类号: G06F16/9535 , G06F16/9536 , G06N20/00 , G06F17/16 , G06N3/0464 , G06N3/084 , G06N3/04
摘要: 本发明公开了一种可学习增强的图对比推荐方法,包括如下步骤:步骤一,对原始交互矩阵进行表示学习以进行原始交互图学习,这使模型能够保留原始信息,以保留有价值的上下文关系;步骤二,构建若干个视图生成器来获得可学习的矩阵以进行可学习视图的表示学习;步骤三,引入基于SVD的潜在矩阵来探索潜在的用户‑物品关系以进行潜在用户‑物品关系建模;步骤四,采用三视图对比策略来帮助学习主要推荐任务以进行三重视图对比学习。本发明的可学习增强的图对比推荐方法,通过结合图对比学习和可学习增强,便可将生成的可学习视图被很好地细化为无噪声。
-
公开(公告)号:CN117909577A
公开(公告)日:2024-04-19
申请号:CN202311858903.9
申请日:2023-12-30
申请人: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC分类号: G06F16/9535 , G06N3/048 , G06N3/08
摘要: 本发明公开了一种多行为感知的图对比推荐方法,包括:(1)原始视图上的表示学习;(2)无噪视图上的表示学习;(3)多行为感知建模,包含潜在行为建模、E步的行为表示学习和M步的行为对比学习;(4)多任务学习。本发明很好地建模了用户的多种行为,从而更加有效地捕捉了用户/物品之间的交互关系,使得表示得到进一步提升;同时,解决了对比学习中的噪声问题,使得本发明推荐方法学习到的表示更加有效。
-
公开(公告)号:CN117829165A
公开(公告)日:2024-04-05
申请号:CN202311646344.5
申请日:2023-12-04
申请人: 浙江大学 , 浙江大学软件学院(宁波)管理中心(宁波软件教育中心) , 浙江大学滨江研究院
IPC分类号: G06F40/35 , G06F40/211 , G06N3/0455 , G06N3/08
摘要: 本发明公开了一种基于大语言模型的超采样文本生成方法,包括:(1)将输入文本切分出基本文本单元;(2)基于大语言模型对文本进行特征嵌入,识别相邻基本文本单元之间的语义跃迁,构建由前段、中段、后段组成的文本三元组;(3)每个文本三元组初始化段落嵌入和位置嵌入,和文本嵌入相加得到综合嵌入;(4)将综合嵌入送入超采样模型,捕捉中间被省略的语义信息,得到特征向量;(5)使用多头注意力将特征向量和实际前后段文本的综合嵌入进行信息融合,并与前段文本综合嵌入拼接;(6)将拼接向量送入解码生成器模型,根据前段文本信息和超采样模型对中间语义的补充,生成后续内容。本发明可以提高模型的泛化能力,提升文本生成效果。
-
公开(公告)号:CN118674239A
公开(公告)日:2024-09-20
申请号:CN202411155492.1
申请日:2024-08-22
IPC分类号: G06Q10/0631 , G06Q10/0639 , G06Q10/067
摘要: 本发明公开了一种面向多实体复杂场景的服务生态抽象及隐性需求分析方法,包括如下步骤:步骤一,进行服务实体及关系建模,之后进行服务能力及流程建模,完成服务生态抽象建模;步骤二,基于服务生态模型、服务日志分析及性能监测报告,评价当前服务现状,之后借助大模型能力,将当前服务状态指标作为输入,挖掘当前服务隐性需求;步骤三,基于粗糙‑模糊综合决策,确定最佳隐性需求。本发明的面向多实体复杂场景的服务生态抽象及隐性需求分析方法,能够有效的挖掘出最佳的隐性需求。
-
公开(公告)号:CN118129132A
公开(公告)日:2024-06-04
申请号:CN202410255247.1
申请日:2024-03-06
摘要: 本发明提供了具备灵活调峰功能的三介质锅炉及储能系统,属于储能系统技术领域。现有机组存在调峰能力不足和低负荷运行效率低等问题。本发明包括锅炉系统,汽轮机系统、熔盐储热系统、导热油储热系统、换热器系统;锅炉系统包括炉膛,水冷壁、下降管、汽包、过热器、再热器、熔盐加热器、烟道隔墙、烟道挡板门、导热油加热器、省煤器;汽轮机系统包括高压缸和中压缸;熔盐储热系统包括冷盐罐、热盐罐、冷盐泵、热盐泵和调节阀门;导热油储热系统包括冷导热油罐、热导热油罐、冷导热油泵、热导热油泵和调节阀门;换热器系统包括熔盐‑导热油换热器,导热油‑汽水换热器、熔盐‑汽水换热器和调节阀门。本发明具有满足电网灵活性调峰需求的优点。
-
公开(公告)号:CN115083411A
公开(公告)日:2022-09-20
申请号:CN202210842968.3
申请日:2022-07-18
IPC分类号: G10L15/22 , G10L15/26 , G10L25/24 , G10L15/08 , G10L15/06 , G10L15/02 , G06N3/08 , G06N3/04 , G06K9/62
摘要: 本发明公开了一种基于特征融合的语音识别方法,包括:步骤1、获取语音数据,对所述语音数据的文本内容进行标签标注,将语音数据与标注标签组成训练集;步骤2、构建基于特征融合的语音识别网络,所述语音识别网络包括特征提取模块,数据处理模块,特征融合模块,注意力模块以及识别模块;步骤3、采用步骤1的训练集,对语音识别网络进行训练,获得用于语音转文本的语音识别模型;步骤4、将待识别的语音数据输入至步骤3获得的语音识别模型,经识别分析后,输出语音数据对应的高质量识别文本。本发明还提供了一种语音识别装置。本发明提供的方法通过提取语音中多种特征进行识别,从而提高语音识别的准确率,获得高质量语音转文字的文本内容。
-
公开(公告)号:CN118657300A
公开(公告)日:2024-09-17
申请号:CN202411150960.6
申请日:2024-08-21
IPC分类号: G06Q10/063 , G06F18/22
摘要: 本发明公开了基于系统熵和价值质量的多指标服务生态系统评估方法,包括如下步骤:步骤一,采用数据清洗、多源数据嵌入的方法对服务数据进行统一表征,实现服务多源异构数据对齐;步骤二,从参与者所获得价值的总和及系统熵角度评估服务生态系统;步骤三,基于模糊综合决策,根据时间、吞吐量、延迟、可靠性、成本来评估服务生态系统质量;步骤四,计算服务生态系统综合指标,完成对于服务生态系统的评估。本发明的基于系统熵和价值质量的多指标服务生态系统评估方法,统一多源异构数据,克服数据兼容性难题,为综合评估奠定基础。
-
公开(公告)号:CN118364234A
公开(公告)日:2024-07-19
申请号:CN202410555817.9
申请日:2024-05-07
IPC分类号: G06F18/15 , G06F18/241 , G06N3/0464 , G06N3/08 , G06N3/0895
摘要: 本发明公开了一种多视角缺失数据补全方法及装置、电子设备、存储设备,包括:获取多视角缺失数据样本、标签样本及掩码样本,构建视角块信息矩阵、标签矩阵和缺失掩码矩阵;根据视角块缺失掩码矩阵对信息矩阵进行实例归一化;构建基于生成对抗网络的多视角缺失数据补全模型;将视角块信息矩阵、标签矩阵和缺失掩码矩阵进行拼接,从拼接后的数据中随机采样,得到两个不同批次的多视角缺失数据拼接样本,再输入多视角缺失数据补全模型,通过重构掩蔽信息矩阵的方式进行训练,得到训练后的多视角缺失数据补全模型;将多视角缺失数据拼接样本输入优化后的多视角缺失数据补全模型进行补全,得到补全结果后进行反归一化,得到最终补全结果。
-
-
-
-
-
-
-
-
-