“沈小烽”申请（专利权）人搜索_中国专利权人_发明人_技术持有人_科研专家_钻瓜专利网

钻瓜专利网为您找到相关结果5个，建议您升级VIP下载更多相关专利

[发明专利]一种大语言模型知识增强方法、系统、电子设备及介质-CN202310569933.1有效
发明人：余忠庆;郝赫;沈小烽;邱岳;冯大辉 -专利权人：无码科技（杭州）有限公司
申请日： 2023-05-19 - 公布日： 2023-08-15 - 主分类号： G06F16/332 文献下载
摘要：本发明公开了一种大语言模型知识增强方法、系统、电子设备及介质，其方法包括获取输入内容，对所述输入内容进行分析并挖掘，获得回答所述输入内容所需的背景知识query；根据挖掘得到的所述背景知识query，在领域数据或知识库中进行知识搜索，获得所述背景知识query对应的背景知识结果；将所述背景知识结果作为所述输入内容的背景信息，将所述输入内容和所述背景知识结果通过prompt设计工程生成目标prompt模板；将生成的所述prompt模板输入到大语言模型中，得到回答所述输入内容的推理结果。本发明可以为大语言模型提供推理所需的知识，减少大语言模型推理中的事实类错误；可以充分发挥大语言模型强大的理解和推理能力；减少对搜索部分的过度依赖和要求。
一种语言模型知识增强方法系统电子设备介质

[发明专利]一种异质信息网络增强的学术论文推荐方法-CN202210418401.3有效
发明人：刘柏嵩;吴俊超;沈小烽;张雪垣;王冰源 -专利权人：宁波大学
申请日： 2022-04-21 - 公布日： 2022-07-19 - 主分类号： G06F16/335 文献下载
摘要：本发明公开了一种异质信息网络增强的学术论文推荐方法，包括以下步骤：步骤1、构建异质信息网络，所述异质信息网络包含用户、论文、标签这3类节点，以及用户与论文之间的交互关系、论文与论文之间的引用关系、论文与标签之间的从属关系这3种关系；步骤2、利用矩阵分解算法学习用户和论文的交互特征；步骤3、将交互特征输入异质图注意力网络，学习论文在异质信息网络中的高阶特征；步骤4、利用外积计算融合步骤2和3学习得到的特征；步骤5、将步骤4融合后的特征输入深度推荐模型预测评分。本发明利用异质信息网络解决交互数据稀疏的问题，可提升推荐的准确率。
一种信息网络增强学术论文推荐方法

[发明专利]基于影视主题的对话式音乐推荐方法-CN202110521784.2有效
发明人：刘柏嵩;董倩;钦蒋承;沈小烽;江学勇 -专利权人：宁波大学
申请日： 2021-05-13 - 公布日： 2022-07-01 - 主分类号： G06F16/68 文献下载
摘要：本发明公开了一种基于影视主题的对话式音乐推荐方法，包括获取影视与音乐间信息并进行关联，构建影视‑音乐知识图谱；在系统主动引导的闲聊对话模块中，捕获用户当前的影视偏好信息；在问答模块中，补充获取所需的用户影视偏好信息，其作为编码物品特征的权重影响因子，同时在该模块中确定当前用户影视偏好列表；在推荐模块中，融合影视偏好列表中的影视特征及其包含的音乐特征，结合当前对话信息与历史对话信息，预测用户偏好音乐；最后结合影视评论，音乐评论和上下文信息，生成可解释性的音乐推荐语句。本发明实现了对话场景下的基于影视主题的音乐推荐，具有推荐的准确度高且推荐具有可解释性，提升了用户体验感的优点。
基于影视主题对话音乐推荐方法

[发明专利]一种基于结合用户历史行为的对话式学术会议推荐方法-CN202110747614.6有效
发明人：刘柏嵩;王冰源;沈小烽;张云冲;董倩 -专利权人：宁波大学
申请日： 2021-07-01 - 公布日： 2022-07-01 - 主分类号： G06F16/2457 文献下载
摘要：本发明公开了一种基于结合用户历史行为的对话式学术会议推荐方法，包括历史追踪阶段：根据用户点击、浏览、投稿和参会等历史行为，获取与用户交互过的会议信息，建立用户历史交互会议模型；初始推荐阶段：系统根据用户历史交互会议模型主动向用户推荐一个初始优质会议推荐集；人机对话阶段：获取用户输入信息，提取用户短期意图，建立用户偏好模型；状态机阶段：包含两个状态，控制人机对话的过程，决定系统下一行为；推荐阶段：结合用户历史行为信息和对话信息，匹配学术会议数据库，向用户输出推荐会议集。本发明可以准确地获取用户当前需求，实现精准化、个性化、高效化的学术会议推荐，还可以在一定程度上缓和冷启动问题。
一种基于结合用户历史行为对话学术会议推荐方法

[发明专利]基于网络表示和辅助信息嵌入的学术论文推荐方法-CN202110522753.9有效
发明人：刘柏嵩;沈小烽;吴俊超;王冰源;罗林泽 -专利权人：宁波大学
申请日： 2021-05-13 - 公布日： 2022-06-24 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了一种基于网络表示和辅助信息嵌入的学术论文推荐方法，包括以下步骤：步骤1、构建引文网络，利用主成分分析对每篇论文中具有显著影响的变量进行降维，得到由多因子组成的论文边权重，在引文网络的基础上加入论文边权重，构建论文影响力网络；步骤2、在论文影响力网络中生成论文序列，由算法来学习论文序列的嵌入向量，得到论文的初级图嵌入函数，同时在初级图嵌入函数中加入论文的辅助信息，得到论文的终极图嵌入函数；步骤3、以论文的终极图嵌入函数作为嵌入模型，计算每篇论文与用户感兴趣的论文之间的相似度，生成推荐列表。本发明具有论文推荐结果的准确性高、在一定程度上缓解了论文的冷启动问题的优点。
基于网络表示辅助信息嵌入学术论文推荐方法