“董汉德”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4个，建议您升级VIP下载更多相关专利

[发明专利]代码搜索方法、装置、设备及存储介质-CN202310015054.4有效
发明人： 董汉德;林嘉怡;张磊;谢育涛 -专利权人：粤港澳大湾区数字经济研究院（福田）
申请日： 2023-01-06 - 公布日： 2023-07-14 - 主分类号： G06F8/30 文献下载
摘要：本发明属于计算机技术领域，公开了一种代码搜索方法、装置、设备及存储介质。该方法包括：召回与查询语句相关的多条代码；将查询语句分别与召回得到的各条代码进行拼接，得到多条输入数据；利用预设编码器模型确定每个拼接后的输入数据的相关性得分；基于相关性得分对召回得到的多条代码进行排序。通过上述方式，将代码搜索分为两个阶段：召回阶段和排序阶段，召回阶段侧重效率，排序阶段侧重精度，在排序阶段拼接查询语句和代码的字符以建模查询和代码的细粒度交互，增强了模型的表达能力，从而提升了代码搜索的精度。
代码搜索方法装置设备存储介质

[发明专利]基于图传播的推荐模型训练方法及基于图传播的推荐方法-CN202211713010.0在审
发明人：何向南;毕书显;董汉德;陈佳伟;吴剑灿;曹雪智 -专利权人：中国科学技术大学
申请日： 2022-12-30 - 公布日： 2023-02-03 - 主分类号： G06N3/08 文献下载
摘要：本发明提供了一种基于图传播的推荐模型训练方法及基于图传播的推荐方法，可以应用于计算机技术领域、图学习技术领域以及数据挖掘技术领域。该方法包括：获取用于表征用户与物品之间交互关系的二分图；对二分图进行图传播，得到传播矩阵；从传播矩阵中确定大于或者等于第一预设阈值的第一传播权重，其中，传播矩阵包括多个传播权重，传播权重表征用户与物品之间的交互频率；根据第一传播权重，确定第一正样本，其中，第一正样本包括与第一传播权重相对应的第一用户标识信息和第一物品标识信息；根据传播矩阵中小于第一预设阈值的第二传播权重，确定第一负样本；利用第一正样本和第一负样本训练深度学习模型，得到推荐模型。
基于传播推荐模型训练方法

[发明专利]无偏机器学习方法-CN202110424290.2有效
发明人：陈佳伟;董汉德;何向南;邱阳;辛鑫;林古立;杨可苹 -专利权人：中国科学技术大学
申请日： 2021-04-20 - 公布日： 2022-09-06 - 主分类号： G06N20/00 文献下载
摘要：本发明公开了一种无偏机器学习方法，包括：根据机器学习模型建模场景类别，收集相应类别的符合真实世界分布的技术数据作为无偏集，并收集相应类别的有偏的技术数据作为训练集；采用双层优化方式对机器学习模型进行训练：内层优化时，基于当前的去偏参数利用训练集更新模型参数；外层优化时，利用无偏集指导机器学习模型中的去偏参数的优化，优化目的是寻找最优的去偏参数，使得利用最优的去偏参数结合内层优化时得到模型参数在无偏集中得到最优性能。该方法：1)可以同时解决多种偏差；2)能够自动学习去偏参数，一方面将人从配置参数的劳动中解放出来，另一方面能够使模型自动地学习去偏参数，挖掘不易被人察觉的模式。
机器学习方法

[发明专利]基于标签传播的图神经网络快速训练方法-CN202011591264.0在审
发明人：何向南;董汉德;陈佳伟;毕书显;丁兆麟;冯福利;崔鹏 -专利权人：中国科学技术大学
申请日： 2020-12-29 - 公布日： 2021-03-30 - 主分类号： G06K9/62 文献下载
摘要：本发明公开了一种基于标签传播的图神经网络快速训练方法，包括：使用标签传播算法传播训练集的标签矩阵，为图结构中其他节点赋予伪标签，得到图结构中所有节点的软标签矩阵，软标签矩阵的元素为节点被打上伪标签的静态置信度；所述训练集中包含了图结构中一部分节点集合的类别标签；根据节点自身的特征信息和逐渐收敛的神经网络预测器为节点的伪标签分配动态置信度；自适应地结合两类置信度，指导训练神经网络预测器。该方法相比于传统解耦GCN的运算量更小，能够以更快的速度训练到收敛，且比较适合并行的分布式计算；此外，能够提升性能，并且对于标签噪声的鲁棒性更强。
基于标签传播神经网络快速训练方法