-
公开(公告)号：CN117034945A
公开(公告)日：2023-11-10
申请号：CN202310685289.4
申请日：2023-06-09
Applicant: 重庆大学
IPC: G06F40/30 , G06F40/289 , G06F40/211 , G06N3/0442
Abstract: 本发明提供了一种基于读者行为模拟的虚假新闻检测方法及设备。方法包括：获取待检测新闻并提取组件；将组件输入训练好的虚假新闻检测模型，虚假新闻检测模型包括：两个以上与组件一一对应的组件内特征提取器；组件间特征序列化模块，包括一个以上组件间特征提取器和一个基于序列的聚合器，一个以上组件间特征提取器分别捕捉任意两个组件间的组件间特征，基于序列的聚合器按照设定顺序将所有组件间特征整合为特征序列；检测器，获得真假预测概率。虚假新闻检测模型能够发现不同组件之间的亲和力，全面有效地建模新闻，更好地挖掘组件内和组件间的特征，通过模拟读者在组件的阅读和验证行为来学习更好的新闻表示，提高了检测准确度。
-
公开(公告)号：CN114493034B
公开(公告)日：2024-05-31
申请号：CN202210135460.X
申请日：2022-02-14
Applicant: 重庆大学
IPC: G06Q10/04 , G06Q50/40 , G06N3/0464 , G06N3/048 , G06N3/084
Abstract: 本发明涉及一种面向区域流量预测的时空全局语义表示学习方法，S1建立面向区域流量预测的时空全局语义表示学习模型ST‑GSP，ST‑GSP包括依次排列的语义流编码器、transformer编码器和融合过程；语义流编码器对不同距离的空间依赖关系和外部因素的影响进行编码；transformer编码器用于捕获不同尺度的时间依赖关系之间的相关性；融合过程融合了历史表示和未来时间间隔上的外部因素，以获取最终的表示；S2采用自监督学习的方法对ST‑GSP进行训练；S3将待预测时间点之前的历史数据输入训练好的ST‑GSP，ST‑GSP的输出即为待预测时间点的流量。本发明方法利用了更详细的时间信息作为位置编码，增强了对区域流量预测的准确性。
-
公开(公告)号：CN114493034A
公开(公告)日：2022-05-13
申请号：CN202210135460.X
申请日：2022-02-14
Applicant: 重庆大学
Abstract: 本发明涉及一种面向区域流量预测的时空全局语义表示学习方法，S1建立面向区域流量预测的时空全局语义表示学习模型ST‑GSP，ST‑GSP包括依次排列的语义流编码器、transformer编码器和融合过程；语义流编码器对不同距离的空间依赖关系和外部因素的影响进行编码；transformer编码器用于捕获不同尺度的时间依赖关系之间的相关性；融合过程融合了历史表示和未来时间间隔上的外部因素，以获取最终的表示；S2采用自监督学习的方法对ST‑GSP进行训练；S3将待预测时间点之前的历史数据输入训练好的ST‑GSP，ST‑GSP的输出即为待预测时间点的流量。本发明方法利用了更详细的时间信息作为位置编码，增强了对区域流量预测的准确性。
-
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
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。
-
-
-
Search Results
4
records
(took 0.012 seconds)
