“施泽洋”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6个，建议您升级VIP下载更多相关专利

[发明专利]数据评测方法、相关设备、存储介质及程序产品-CN202210249659.5在审
发明人： 施泽洋;鲍志强;姚帆 -专利权人：腾讯科技（深圳）有限公司
申请日： 2022-03-14 - 公布日： 2023-09-22 - 主分类号： G06F11/36 文献下载
摘要：本申请实施例公开了一种数据评测方法、相关设备、存储介质及程序产品，方法包括：获取用于实现目标业务功能的代码数据及代码数据中各代码函数的结构复杂度；运行代码数据，并获取各代码函数在运行过程中产生的调用信息和代码覆盖率；调用信息用于反映相应代码函数对于实现目标业务功能的重要程度或相应代码函数是否被调用；根据代码数据中目标代码函数的结构复杂度、调用信息和代码覆盖率，确定目标代码函数的优化等级，优化等级用于指示目标代码函数存在优化需求的需求程度；生成代码数据的评测结果，评测结果包括目标代码函数的优化等级，评测结果用于指示优化设备基于优化等级对相应目标代码函数进行优化处理，可提升评测结果的准确度。
数据评测方法相关设备存储介质程序产品

[发明专利]一种基于区域卷积神经网络的问答社区标签推荐方法-CN201811139465.X有效
发明人：刘进;周平义;储玮;李兵;崔晓晖;陈旭;施泽洋;彭新宇;赵发凯 -专利权人：武汉大学
申请日： 2018-09-28 - 公布日： 2022-04-29 - 主分类号： G06F16/35 文献下载
摘要：本发明涉及一种基于区域卷积神经网络的问答社区标签推荐方法，具体是涉及对问答社区中的问题数据集先进行数据预处理，再通过建立词典生成句向量，在卷积层中，对数据集中的每个问题中的每个单词都进行词嵌入处理，然后用区域卷积神经网络模型对句向量进行训练，最后利用训练完成的模型对问答社区中的新问题进行标签推荐。具有如下突出特点和优点：第一，引入双向循环卷积层，结合单词的上下文对单词进行表示，可以更好的反应句子中单词之间的联系，双向循环结构可以准确抓取单词的上下文；第二，卷积神经网络处理大型图片的能力使得其可以处理较大的数据集；第三，卷积神经网络在图片处理中的迁移性，使得其用在标签推荐中也能有很好的迁移性。
一种基于区域卷积神经网络问答社区标签推荐方法

[发明专利]一种基于卷积神经网络的问答社区标签推荐方法-CN201811140397.9有效
发明人：刘进;周平义;储玮;崔晓晖;李兵;陈旭;施泽洋;彭新宇;赵发凯 -专利权人：武汉大学
申请日： 2018-09-28 - 公布日： 2022-04-29 - 主分类号： G06F16/951 文献下载
摘要：本发明涉及一种基于卷积神经网络的问答社区标签推荐方法，具体是涉及对问答社区中的问题数据集先进行数据预处理，再通过词嵌入建立矩阵，利用Mikilovo方法将训练集的矩阵变成三维矩阵，然后用卷积神经网络模型对三维矩阵进行训练，最后利用训练完成的模型对问答社区中的新问题进行标签推荐，是一种基于卷积神经网络的问答社区标签推荐方法。具有如下突出特点和优点：第一，引入卷积层，能对特征进行准确提取，可以进行更精准的匹配；第二，卷积神经网络处理大型图片的能力使得其可以处理较大的数据集；第三，卷积神经网络在图片处理中的迁移性，使得其用在标签推荐中也能有很好的迁移性。
一种基于卷积神经网络问答社区标签推荐方法

[发明专利]一种基于神经网络分类的软件信息站点快速标签推荐方法-CN201811140771.5有效
发明人：刘进;周平义;储玮;崔晓晖;李兵;陈旭;施泽洋;彭新宇;赵发凯 -专利权人：武汉大学
申请日： 2018-09-28 - 公布日： 2021-08-17 - 主分类号： G06F16/9535 文献下载
摘要：本发明涉及一种基于神经网络分类的软件信息站点快速标签推荐方法，具体是涉及对软件信息站点中的问题数据集先进行数据预处理，再通过建立词典生成句向量。在输入层中，提取句向量中用于表示软件元素的文本描述的n个n元特征。在隐藏层中，这些n元特征被转换为另一种表示方法并被平均以形成隐藏变量。最后，我们使用softmax函数来计算现有标签上的概率分布是一种基于神经网络分类的软件信息站点快速标签推荐方法，具有如下突出特点和优点：第一、构建一个基于单隐层神经网络的合适的框架；第二、利用文本等级约束来实现准确性和效率；第三、利用特征间的共享参数，避免大标签输出空间的局限性。
一种基于神经网络分类软件信息站点快速标签推荐方法

[发明专利]一种基于贝叶斯网络推理的软件错误分层诊断方法-CN201710048225.8有效
发明人：余啸;刘进;殷晓飞;崔晓辉;施泽洋;井溢洋 -专利权人：武汉大学
申请日： 2017-01-20 - 公布日： 2020-08-21 - 主分类号： G06F11/36 文献下载
摘要：本发明涉及一种基于贝叶斯网络推理的软件错误分层诊断方法，包括构建函数层，MIC理论的应用，提高统计依赖的准确度，改进并应用Laplace平滑策略，解决测试数据稀松性。进行测试预言，判断某测试用例对整个程序是否为失败测试用例。进行错误定位，计算函数的可疑度并排序，构建对应函数的语句层BNPDG，按可疑度排序对函数进行逐一检查，在函数的语句层BNPDG上进行测试预言，找到bug函数，在其语句层BNPDG上进行错误定位，得到函数中所有语句的可疑度排序。按照可疑度排序对语句进行逐一检查，直到找到bug语句。本发明减少了错误诊断的空间消耗和时间消耗。解决了RankCP等技术中计算的局部可疑度存在的问题。
一种基于贝叶斯网络推理软件错误分层诊断方法

[发明专利]一种基于信息检索的大规模软件信息站标签推荐方法-CN201710086114.6有效
发明人：周平义;茅志仁;刘进;崔晓辉;施泽洋;彭新宇 -专利权人：武汉大学
申请日： 2017-02-17 - 公布日： 2020-02-11 - 主分类号： G06F16/22 文献下载
摘要：本发明涉及一种基于信息检索的大规模软件信息站标签推荐方法，包括，步骤1：预处理生成软件对象集合；步骤2：为集合中对象创建索引。步骤3：计算相似得分，取得分高的软件对象构成候选集合；步骤4：计算标签得分，取得分高的推荐给开发者。本发明具有如下优点：1.本方法对规模不断增大的软件信息站自动推荐标签并缓和标签急剧增长的问题；2.本方法提出一个基于标签多分类算法，可以处理上百万的软件对象；3.本方法推荐更加准确；4.本发明创建的TagMulRec相比已经存在的EnTagRec等标签推荐方法具有更好的可扩展性和稳定性，速度上提了三个量级。
一种基于信息检索大规模软件标签推荐方法