-
公开(公告)号：CN116450960A
公开(公告)日：2023-07-18
申请号：CN202310343069.3
申请日：2023-04-03
IPC分类号： G06F16/9537 , G06F16/901 , G06F16/29 , G06Q10/047
摘要： 本发明公开了一种基于最短路径和路径枚举的道路网选址方法，首先读取真实道路网络数据集，提取其中的顶点和边数据，并根据提取的顶点和边数据建立无向有权图，使用函数readGraph()对无向有权图进行读取处理，以得到起点集合，使用函数readGraph()对无向有权图进行读取处理，以得到终点集合，使用深度优先搜索DFS方法对起点集合和终点集合进行处理，以得到所有起点到所有终点之间、且处于预设的路径阈值d范围内的所有路径，对每个起点到每个终点之间、且处于预设的路径阈值d范围内的所有路径进行降序排序处理，以得到每个起点到所有终点中的路径数量最大值及其对应的终点。本发明能够解决现有基于Dijkstra算法的道路网选址方法查询效率低的技术问题。
-
公开(公告)号：CN113590887B
公开(公告)日：2024-11-05
申请号：CN202110814231.6
申请日：2021-07-19
IPC分类号： G06F16/901 , G06F16/903
摘要： 本发明提出一种基于Quegel分布式图计算系统的K‑truss分解方法，针对大型网络图，系统运行后加载图，对存储图的文件进行逐行读取转成字符串后调用自定义UDF函数，将文件中的一行字符数据转换成顶点和邻接表，并以顶点为端点的边集存入global_Edge_Map中；完成加载后，通过分解函数重置计时器，新建一个查询任务用来分解，并将该查询任务初始化后添加至查询任务队列中，再清空查询任务队列的通信量和计算量；执行查询任务队列，激活所有顶点，对激活的所有顶点进行K‑truss分解；统计并判断global_Edge_Map中边的个数，为空时，判断分解完成并退出该过程，打印信息。解决目前有的技术方案大部分都是一台机器上的图的k‑truss分解处理，当遇到大型图的处理时，需要机器很高的配置，耗费大内存的问题。
-
公开(公告)号：CN112069151B
公开(公告)日：2024-09-06
申请号：CN202010919393.1
申请日：2020-09-04
IPC分类号： G06F16/21 , G06F16/2453
摘要： 本发明提供一种基于二分图及学习迁移算法的任务管理方案生成方法，包括如下步骤：提供用户数据集，所述用户数据集包括任务数据集、时间片数据集及用户历史记录集；提供第一数据处理模组，分别对所述任务数据集的任务数据阶段性划分及对所述时间数据集的时间数据周期性划分；提供第二数据处理模组，依据用户历史认知过程将所述历史数据集的用户历史效率、用户历史任务层级划分；量化所述第二数据处理模组的处理结果，反映用户特征；依据量化的用户特征构建用户个性化效率曲线；构建双边动态加权二分图；采用迁移学习匹配算法生成任务管理方案。本发明的任务管理方案生成方法提高用户的任务管理效率和执行效果。同时，本发明还提供一种针对上述任务管理方案生成方法的任务管理生成系统及执行上述方法的计算机可读存储介质、电子设备。
-
公开(公告)号：CN111581529B
公开(公告)日：2023-07-14
申请号：CN202010376592.2
申请日：2020-05-07
IPC分类号： G06F16/9536 , G06Q50/20
摘要： 本发明提出了一种结合学生适合度和课程搭配度的课程推荐方法及装置，涉及计算机数据处理技术领域，该在线课程搭配推荐方法包括：获取在线课程学习平台的用户数据和课程数据；计算目标用户对于不同课程的选择的可能性值；根据课程的可能性值大小进行排序，并选取可能性最大的前d个课程，以生成课程推荐的第一子推荐列表C1；对用户u所选课程类别进行统计分析，对专业课程和其它课程分别选取搭配度高的课程，综合构建第二子推荐列表C2；将第一子推荐列表C1和第二子推荐列表C2融合，以生成最终推荐结果。该在线课程搭配推荐方法兼顾了用户与课程之间的选择合适度以及课程之间的可搭配性，提高了推荐课程的准确性，更好地满足了用户的学习需求。
-
公开(公告)号：CN111523738B
公开(公告)日：2023-07-21
申请号：CN202010572727.2
申请日：2020-06-22
摘要： 本发明提供一种基于用户在线学习行为模式预测学习效果的系统，包括学习行为信息采集模组、学习效率计算模组、学习行为模式计算模组、学习能力‑动机计算模组及学习效果预测模组。所述学习行为信息采集模组对应采集用户学习行为信息及用户基本信息。所述学习效率计算模组根据用户在不同类别的在线课程中的学习行为信息生成用户的学习效率矩阵。所述学习行为模式计算模组生成用户分类信息及用户的学习行为模式信息。所述学习能力‑动机计算模组生成用户在在线课程学习中的学习能力信息和学习动机信息。所述学习效果预测模组预测用户在在线课程学习中的学习效果。本发明还提供一种采用上述预测用户在不同类别在线课程中学习效果的系统的预测方法。
-
公开(公告)号：CN113590887A
公开(公告)日：2021-11-02
申请号：CN202110814231.6
申请日：2021-07-19
IPC分类号： G06F16/901 , G06F16/903
摘要： 本发明提出一种基于Quegel分布式图计算系统的K‑truss分解方法，针对大型网络图，系统运行后加载图，对存储图的文件进行逐行读取转成字符串后调用自定义UDF函数，将文件中的一行字符数据转换成顶点和邻接表，并以顶点为端点的边集存入global_Edge_Map中；完成加载后，通过分解函数重置计时器，新建一个查询任务用来分解，并将该查询任务初始化后添加至查询任务队列中，再清空查询任务队列的通信量和计算量；执行查询任务队列，激活所有顶点，对激活的所有顶点进行K‑truss分解；统计并判断global_Edge_Map中边的个数，为空时，判断分解完成并退出该过程，打印信息。解决目前有的技术方案大部分都是一台机器上的图的k‑truss分解处理，当遇到大型图的处理时，需要机器很高的配置，耗费大内存的问题。
-
公开(公告)号：CN111737570A
公开(公告)日：2020-10-02
申请号：CN202010521526.X
申请日：2020-06-10
IPC分类号： G06F16/9535 , G06F16/36 , G06Q10/06 , G06Q50/20
摘要： 本发明提供一种多模态在线学习资源网络推荐系统。所述网络推荐系统包括数据采集模组、学习能力评估模组、学习资源难度计算模组及学习资源推荐模组，所述数据采集模组采集学习者信息及学习资源信息，所述学习能力评估模组根据所述学习者信息获得学习者的学习能力值，所述学习资源难度计算模组根据所述学习资源信息计算学习资源难度值，所述学习资源推荐模组分别接收所述学习能力值以及所述学习资源难度值，并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案，并选择性推荐满足匹配值的学习资源至学习者。同时，本发明还提供一种采用上述网络推荐系统的推荐方法。
-
公开(公告)号：CN111581529A
公开(公告)日：2020-08-25
申请号：CN202010376592.2
申请日：2020-05-07
IPC分类号： G06F16/9536 , G06Q50/20
摘要： 本发明提出了一种结合学生适合度和课程搭配度的课程推荐方法及装置，涉及计算机数据处理技术领域，该在线课程搭配推荐方法包括：获取在线课程学习平台的用户数据和课程数据；计算目标用户对于不同课程的选择的可能性值；根据课程的可能性值大小进行排序，并选取可能性最大的前d个课程，以生成课程推荐的第一子推荐列表C1；对用户u所选课程类别进行统计分析，对专业课程和其它课程分别选取搭配度高的课程，综合构建第二子推荐列表C2；将第一子推荐列表C1和第二子推荐列表C2融合，以生成最终推荐结果。该在线课程搭配推荐方法兼顾了用户与课程之间的选择合适度以及课程之间的可搭配性，提高了推荐课程的准确性，更好地满足了用户的学习需求。
-
公开(公告)号：CN111737570B
公开(公告)日：2024-05-07
申请号：CN202010521526.X
申请日：2020-06-10
IPC分类号： G06F16/9535 , G06F16/36 , G06Q10/0639 , G06Q50/20
摘要： 本发明提供一种多模态在线学习资源网络推荐系统。所述网络推荐系统包括数据采集模组、学习能力评估模组、学习资源难度计算模组及学习资源推荐模组，所述数据采集模组采集学习者信息及学习资源信息，所述学习能力评估模组根据所述学习者信息获得学习者的学习能力值，所述学习资源难度计算模组根据所述学习资源信息计算学习资源难度值，所述学习资源推荐模组分别接收所述学习能力值以及所述学习资源难度值，并根据所述学习能力值及所述学习资源难度值之间的相互匹配值生成学习资源推荐方案，并选择性推荐满足匹配值的学习资源至学习者。同时，本发明还提供一种采用上述网络推荐系统的推荐方法。
-
公开(公告)号：CN112069151A
公开(公告)日：2020-12-11
申请号：CN202010919393.1
申请日：2020-09-04
IPC分类号： G06F16/21 , G06F16/2453
摘要： 本发明提供一种基于二分图及学习迁移算法的任务管理方案生成方法，包括如下步骤：提供用户数据集，所述用户数据集包括任务数据集、时间片数据集及用户历史记录集；提供第一数据处理模组，分别对所述任务数据集的任务数据阶段性划分及对所述时间数据集的时间数据周期性划分；提供第二数据处理模组，依据用户历史认知过程将所述历史数据集的用户历史效率、用户历史任务层级划分；量化所述第二数据处理模组的处理结果，反映用户特征；依据量化的用户特征构建用户个性化效率曲线；构建双边动态加权二分图；采用迁移学习匹配算法生成任务管理方案。本发明的任务管理方案生成方法提高用户的任务管理效率和执行效果。同时，本发明还提供一种针对上述任务管理方案生成方法的任务管理生成系统及执行上述方法的计算机可读存储介质、电子设备。
-
-
-
-
-
-
-
-
-
搜索结果
95 条记录 (耗时 0.04 秒)
