公开(公告)号：CN119987959A

公开(公告)日：2025-05-13

申请号：CN202411905247.8

申请日：2024-12-23

Applicant: 重庆大学

Inventor： 郝金隆 ,  李秀华 ,  陈思欣 ,  蔡春茂 ,  刘根琦 ,  范馨阳 ,  吴映波 ,  文俊浩

IPC: G06F9/48 ,  G06F9/50 ,  G06F9/54 ,  G06F18/23213

Abstract: 本发明公开一种基于用户驾驶行为分析的车载算力共享调度方法，步骤包括：1)基于车端用户历史驾驶行为数据和车辆当前状态，评估车辆算力共享优先级；2)用户端向云端发送算力请求；3)基于车辆算力共享优先级，云端调度优先级最高的一个或多个车端算力，对算力请求进行应答，并将应答结果上传至云端；4)云端对应答结果进行汇总，并传输至用户端。本发明通过聚类分析驾驶风格数据，动态确定车辆启动算力共享的时间，不依赖充电桩，有效利用了车辆的闲置算力。

公开(公告)号：CN118760800A

公开(公告)日：2024-10-11

申请号：CN202410752143.1

申请日：2024-06-12

Applicant: 重庆大学

Inventor： 曾骏 ,  徐艺芸 ,  陶泓锦 ,  潘胤辰 ,  柳玲 ,  文俊浩

IPC: G06F16/9535 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06F17/16 ,  G06F17/18 ,  G06Q10/04 ,  G06N3/042

Abstract: 本发明涉及一种基于语义增强的地点推荐方法，包括：获取多个用户根据签到时序排列的用户轨迹序列集，构建局部超图和全局超图；获取全局用户表征和全局地点表征，局部用户表征和局部地点表征；构建提示词并进行编码得到全局用户行为语义表征和局部用户行为语义表征。计算最终轨迹端表征#imgabs0#和最终用户端表征Xf，将#imgabs1#和Xf拼接得到序列表征#imgabs2#根据得到#imgabs3#进行序列建模，将建模所得最终特征输入神经网络Ⅴ预测下一个签到时间，签到地点和签到类别；计算总损失训练模型参数最优；将一个用户的完整长轨迹得到该用户的序列表征后输入训练好的模型，输出该用户的下一个签到地点。实验证明该方法能够为用户提供更准确、个性化的推荐结果。

公开(公告)号：CN118228782A

公开(公告)日：2024-06-21

申请号：CN202410175179.8

申请日：2024-02-07

Applicant: 重庆大学

Inventor： 李秀华 ,  唐雅馨 ,  郝金隆 ,  程路熙 ,  蔡春茂 ,  李辉 ,  杨正益 ,  范琪琳 ,  文俊浩

IPC: G06N3/0495 ,  G06N3/092 ,  G06N5/04

Abstract: 一种边云协同下DNN推理加速方法，包括以下步骤：1)获取边缘设备的资源信息、云服务器的资源信息以及预训练的DNN模型信息；2)设定分区点，并基于所述分区点将预训练的DNN模型信息划分为两个部分，分别记为第一DNN子模型、第二DNN子模型；3)计算第一DNN子模型各层的压缩率，对第一DNN子模型进行压缩，得到第一DNN压缩模型；将第一DNN子模型、第二DNN子模型分别部署在边缘设备和云服务器上；4)执行DNN模型推理。本发明综合考虑了推理中模型的准确性和推理过程中的延迟来优化模型划分和压缩的策略，在保证模型准确率的同时减少推理延迟。本发明可以满足DNN模型不同的准确率需求，以最小化延迟。

公开(公告)号：CN117648995A

公开(公告)日：2024-03-05

申请号：CN202311607960.X

申请日：2023-11-29

Applicant: 重庆大学

Inventor： 曾骏 ,  董栩男 ,  刘博 ,  李跃 ,  高旻 ,  文俊浩

IPC: G06N20/00 ,  G06F21/60 ,  G06F18/22 ,  G06F18/23 ,  G06F40/30 ,  G06F16/9537 ,  G06F16/9535 ,  G06F21/62 ,  H04L9/08

Abstract: 本发明涉及一种面向移动推荐的基于语义的联邦学习方法，旨在保护用户隐私的前提下提高模型的性能，同时减轻服务器上繁重的计算和通信负载。该方法提出了一种基于语义的优化策略，利用用户轨迹数据中包含的语义信息来指导联邦学习下的模型训练，以提高模型的推荐性能。同时，语义知识不包含用户隐私信息，且语义的学习过程不可逆，很好的保护了用户的隐私。此外，该方法采用“客户端‑边缘端‑服务器”的三层联邦架构，来缓解服务器的计算和通信压力。边缘端的引入也为语义优化提供了更多可用的计算和通信资源。实验结果表明，与传统的联邦学习框架相比，SFL在性能和效率上都取得了一定的提升。

公开(公告)号：CN117014439A

公开(公告)日：2023-11-07

申请号：CN202310756688.5

申请日：2023-06-26

Applicant: 重庆大学

Inventor： 李秀华 ,  邓宇轩 ,  孙川 ,  郝金隆 ,  蔡春茂 ,  范琪琳 ,  杨正益 ,  文俊浩

IPC: H04L67/10 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/047 ,  G06N7/01 ,  H04L67/60

Abstract: 一种移动边缘计算网络下服务放置与请求调度联合优化方法及系统，方法包括：1)建立移动边缘计算系统；2)获取当前系统的信息数据；3)初始化移动设备轨迹，清空边缘服务器，令时间t＝0；4)构建服务放置神经网络SpNet和请求调度神经网络RsNet；5)生成t时刻的服务放置状态和请求调度状态；6)将步骤5)的状态输入步骤4)的神经网络中，输出若干服务放置动作和请求调度动作；7)计算步骤6)中动作对应的奖励和t+1时刻对应的状态；8)重复步骤6)‑步骤7)，直至完成移动边缘计算系统的服务放置与请求调度。系统包括：云层、边缘层、设备层。本发明通过深度Q网络来进行决策，最大化系统效率。

公开(公告)号：CN116992164A

公开(公告)日：2023-11-03

申请号：CN202310993858.1

申请日：2023-08-08

Applicant: 重庆大学

Inventor： 高旻 ,  周宏伟 ,  郭林昕 ,  周魏 ,  王悦阳 ,  曾骏 ,  文俊浩

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N20/20

Abstract: 本发明提供了一种基于对比学习联合优化的推荐方法、装置及设备。推荐方法包括：获取用户和物品的交互数据并构建二部图；构建推荐模型包括嵌入层和图编码器，将二部图输入推荐模型进行对比学习联合优化训练直到满足训练停止条件；获取训练完成后图编码器输出的物品视图表示和用户视图表示，计算每个用户的用户视图表示与所有物品的物品视图表示的相似度，对相似度进行从高到低排序，向用户推荐排序中的前N个物品。取消了数据增强操作，消除了对数据增强的需求，将推荐任务和对比学习任务原本两个独立的任务结合成一个联合学习任务，提高了训练效率和稳定性，在对比学习联合优化框架下，推荐方法具有抑制推荐热门物品的能力，从而提升推荐性能。

公开(公告)号：CN111814454B

公开(公告)日：2023-08-11

申请号：CN202010662871.5

申请日：2020-07-10

Applicant: 重庆大学

Inventor： 熊庆宇 ,  王凯歌 ,  高旻 ,  易华玲 ,  杨正益 ,  文俊浩 ,  邹青宏 ,  胡瑶 ,  张致远

IPC: G06F40/30 ,  G06F40/216 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08 ,  G06Q50/00

Abstract: 本发明公开了一种社交网络上的多模态网络欺凌检测模型，包括针对多模态数据的编码和针对模态数据的解码，还包括：对数据进行预处理；对视频和/或图像数据进行处理，对每一个视频和/或图像进行打分评价，构成评价标签；针对帖子文本内容，通过双向长短期记忆网络(Bi‑LSTM)和自注意力机制进行训练；针对帖子评论集数据进行双向的GRU分层注意力机制学习；针对图像和/或视频，通过one‑hot编码的方式，然后利用多层感知机进行特征提取；针对不同学习到的向量，通过多层感知机分别进行特征提取，然后将其串联起来整体进行特征提取；本发明将评论数据集的对话形式、具有视觉信息的图像和视频信息进行整合，能够显著提升网络中网络欺凌检测准确度。

公开(公告)号：CN112967101B

公开(公告)日：2023-04-07

申请号：CN202110371628.2

申请日：2021-04-07

Applicant: 重庆大学

Inventor： 肖鑫宇 ,  文俊浩 ,  毕霁超 ,  周魏 ,  杨正益 ,  曾骏 ,  蔡海尼

IPC: G06Q30/0601 ,  G06F16/9536 ,  G06N3/084 ,  G06N3/048 ,  G06N3/047

Abstract: 本发明涉及一种基于社交用户多交互信息的协同过滤物品推荐方法。包括如下步骤：选用相关社交关系数据建立用户‑物品交互矩阵得到交互向量xia；利用xia计算相关动态权重aia；通过好友信息建立好友交互矩阵利用计算相关动态权重βiu；根据同一物品的各种评价和交互向量vji，计算相关动态权重μji；根据xia和aia计算潜因子向量利用和潜因子向量计算得到用户潜因子向量Uij；根据vji和μji计算潜因子向量zj；利用和zj计算得到物品潜因子向量Iij；将Uij和Iij进行整合，得到预测向量G1并计算物品预测评分，进而得到给用户的最佳推荐方案。本发明使用一种模型融合算法整合上述两种潜因子向量，增强了推荐预测的准确性。

公开(公告)号：CN110309983B

公开(公告)日：2022-08-02

申请号：CN201910616852.6

申请日：2019-07-09

Applicant: 重庆大学

Inventor： 杨正益 ,  衡柟男 ,  曾杰 ,  文俊浩 ,  熊庆宇

IPC: G06Q10/04 ,  G06Q50/10

Abstract: 本发明公开了一种工业云服务资源调度匹配组合方法，包括如下步骤：S1、获取候选服务组合方案，每个候选服务组合包括若干个任务，每个候选服务组合中的每个任务选定了一个候选服务，任意两个候选服务组合中至少有一个任务对应的候选服务不同；S2、获取候选服务间的质量约束条件，基于候选服务间的质量约束条件计算各候选服务组合的适应值；S3、选择适应值最高的候选服务组合作为最终的服务组合。本发明充分考虑了不同任务之间的候选服务的相互影响，从而能够更加准确的计算出各种候选服务组合的适应值，从而匹配得到最优的服务组合。

公开(公告)号：CN114820139A

公开(公告)日：2022-07-29

申请号：CN202210583484.1

申请日：2022-05-25

Applicant: 重庆大学

Inventor： 王丽平 ,  杨正益 ,  柳玲 ,  危枫 ,  周魏 ,  文俊浩 ,  郭向星 ,  程旺鑫 ,  杨佳佳 ,  朱磊

IPC: G06Q30/06 ,  G06Q30/02 ,  G06F16/36 ,  G06N3/04 ,  G06N3/08 ,  G06N5/04

Abstract: 本发明公开一种基于知识图谱路径推理的多用户推荐系统，包括知识图谱构建模块、路径推理模块和评分预测模块；所述知识图谱构建模块获取用户交互历史数据，构建知识图谱G，并传输至路径推理模块；所述路径推理模块根据知识图谱G生成若干用户和目标项目之间的关系路径，并传输至评分预测模块；所述评分预测模块对接收到的若干关系路径进行评价预测，根据评价预测结果，向用户输出项目推荐列表。本发明通过构建用户与项的知识图谱挖掘更多丰富的用户兴趣隐语义信息，利用知识图谱上多条路径组合推理预测多个用户潜在共同偏好，不同路径之间利用带注意力机制的池化聚合操作在区分不同用户偏好程度的同时给出最大化兴趣偏好和多样化的推荐列表。