“曹步清”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_中国专利网

首页在售求购查询申请展会资讯专利榜企服商城升级VIP

立即登录免费注册

在售专利
求购专利
查询专利
新闻资讯
技术展会
招商加盟
专利榜

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247 本网专利代理业务由天津创信方达专利代理事务所(普通合伙)承接机构代码：12247

专利名称

专利名称
专利号码
专利分类
申请人
公布日期

农业化学；冶金建筑机械工程区域搜索

主分类

B 作业；运输

C 化学；冶金

D 纺织；造纸

E 固定建筑物

F 机械工程、照明、加热

专利下载VIP

公布日期

2023-10-24 公布专利

2023-10-20 公布专利

2023-10-17 公布专利

2023-10-13 公布专利

2023-10-10 公布专利

2023-10-03 公布专利

2023-09-29 公布专利

2023-09-26 公布专利

2023-09-22 公布专利

2023-09-19 公布专利

专利权人

国家电网公司

华为技术有限公司

中兴通讯股份有限公司

三星电子株式会社

中国石油化工股份有限公司

鸿海精密工业股份有限公司

松下电器产业株式会社

上海交通大学

钻瓜专利网为您找到相关结果8个，建议您升级VIP下载更多相关专利

[发明专利]一种强化主题注意力机制的移动应用分类方法-CN201911008602.0有效
发明人： 曹步清;陈俊杰 -专利权人：湖南科技大学
申请日： 2019-10-22 - 公布日： 2023-10-27 - 主分类号： G06F18/241 文献下载
摘要：本发明提供一种强化主题注意力机制的移动应用分类方法，所述方法包括：首先利用LSA模型对移动应用内容文本进行全局主题建模，再通过BiLSTM模型对内容文本进行局部隐藏表征；其次，针对富含全局主题信息与局部语义信息的移动应用内容表征文本，引入注意力机制区分不同单词的贡献度，计算其权重值；然后，通过一个全连接层，使用softmax激活函数完成对移动应用的分类与预测。实验结果证明，本发明的方法确实能够提高移动应用分类的准确率，更有助于用户选择合适自己的移动应用。
一种强化主题注意力机制移动应用分类方法

[发明专利]一种基于轻量化图卷积网络的移动应用推荐方法-CN202110853793.1有效
发明人： 曹步清;钟为是 -专利权人：湖南科技大学
申请日： 2021-07-28 - 公布日： 2023-10-24 - 主分类号： G06N3/0464 文献下载
摘要：本发明公开了一种基于轻量化图卷积网络的移动应用推荐方法，首先利用二部图建模APP与用户的交互关系，利用高阶连通性(树形图)进行初始的嵌入；然后，在轻量化图卷积层中，使用嵌入传播沿着图结构捕获协同过滤信号以进一步细化移动应用与用户的嵌入；最后，通过内积预测出用户对于不同移动应用的偏好，完成推荐任务。本发明属于移动应用技术领域，具体是指一种基于轻量化图卷积网络的移动应用推荐方法。
一种基于量化图卷网络移动应用推荐方法

[发明专利]一种基于多模态特征融合的移动应用分类与推荐方法-CN202210751368.6在审
发明人： 曹步清;钟为是 -专利权人：湖南科技大学
申请日： 2022-06-28 - 公布日： 2023-05-16 - 主分类号： G06F16/9535 文献下载
摘要：本发明公开了基于多模态特征融合的移动应用分类与推荐方法，包括如下步骤：(1)移动应用特征提取层；(2)移动应用分类层；(3)移动应用推荐层。本发明属于计算机网络技术领域，具体是指一种具有更好的推荐精度及质量，在Macro F1、Accurac、AUC及Logloss等指标上均优于其他方法的基于多模态特征融合的移动应用分类与推荐方法。
一种基于多模态特征融合移动应用分类推荐方法

[发明专利]异构图注意力网络增强的Web服务分类方法-CN202110853763.0有效
发明人： 曹步清;彭咪 -专利权人：湖南科技大学
申请日： 2021-07-28 - 公布日： 2023-04-07 - 主分类号： G06F18/214 文献下载
摘要：本发明公开了异构图注意力网络增强的Web服务分类方法，首先利用组合服务信息、原子服务信息和它们各自的属性信息构建一个异构信息服务网络。根据不同语义信息定义元路径，并利用交换矩阵和基于元路径的相似度度量技术，构造服务相似度矩阵。设计服务双层注意力模型，分别计算服务的节点级注意力及语义级注意力，从而得到服务的节点级表征及语义级表征，以融合生成更具表达力的服务特征嵌入。本发明属于移动应用技术领域，具体是指异构图注意力网络增强的Web服务分类方法。
构图注意力网络增强 web 服务分类方法

[发明专利]基于双线性图神经网络的Web服务分类方法-CN202210760560.1在审
发明人： 曹步清;张露露 -专利权人：湖南科技大学
申请日： 2022-06-29 - 公布日： 2023-02-24 - 主分类号： G06F9/54 文献下载
摘要：本发明公开基于双线性图神经网络的Web服务分类方法，包括如下步骤：(1)抓取服务数据集，预处理得到元信息；(2)提取API服务描述文档中所有词汇对应的词向量，组成API特征矩阵，信息计算服务节点之间的Tags相似度，得到API邻接矩阵，确定服务节点的链接，构建服务关系网络；(3)捕获邻居服务节点之间的交互信息，构建双线性图神经网络模型，得到包含邻居服务节点交互信息的服务嵌入；(4)使用softmax函数预测API服务的类别。本发明属于互联网技术领域，具体是指一种提高推荐模型的精确度的基于双线性图神经网络的Web服务分类方法。
基于双线神经网络 web 服务分类方法

[发明专利]一种融合异构信息网络与生成对抗网络的服务分类方法-CN202210856551.2在审
发明人： 曹步清;谢湘;刘建勋 -专利权人：湖南科技大学
申请日： 2022-07-20 - 公布日： 2022-10-25 - 主分类号： G06F16/35 文献下载
摘要：本发明公开了一种融合异构信息网络与生成对抗网络的服务分类方法，包括如下步骤：(1)服务异构信息网络构建及Metapath2vec网络表征；(2)GAN对抗训练；(3)服务分类。本发明属于互联网技术领域，具体是指一种首先针对Web服务之间的结构关系和自身的属性信息构建出异构信息网络；然后，基于元路径的随机游走并联合服务节点与邻居节点进行训练得到服务的特征嵌入；最后，采用具有关系感知的GAN模型实现对抗训练，通过生成器和判别器的极大极小化博弈学习高质量的负样本信息，对服务的特征嵌入进行优化，从而实现Web服务分类的融合异构信息网络与生成对抗网络的服务分类方法。
一种融合信息网络生成对抗网络服务分类方法

[发明专利]一种基于图卷积神经网络的Web服务分类方法-CN201911008035.9有效
发明人： 曹步清;叶洪帆 -专利权人：湖南科技大学
申请日： 2019-10-22 - 公布日： 2022-06-28 - 主分类号： G06F16/35 文献下载
摘要：本发明提供一种基于图卷积神经网络的Web服务分类方法，所述方法包括：首先，以WEB服务数据集作为基础语料库，将其中的单词和Web服务描述文档作为单个的节点，构建一个基于单词共现和Web服务描述文档词关系的异构图网络；其次，利用图卷积神经网络对异构图网络进行卷积计算，通过卷积预测结果实现对Web服务的分类。本方法只需少量标注Web服务文档就可以获得较强的分类性能，并且可以自主学习到单词和Web服务描述文档之间的嵌入信息，实验证明，本方法的查准率、查全率、F‑measure、纯度和熵等指标相比于传统Web服务分类方法都有显著提升。
一种基于图卷神经网络 web 服务分类方法

[发明专利]基于特征重要性和双线性特征交互的移动应用推荐方法-CN202110853887.9在审
发明人： 曹步清;彭咪;陈俊杰 -专利权人：湖南科技大学
申请日： 2021-07-28 - 公布日： 2021-10-26 - 主分类号： G06Q30/06 文献下载
摘要：本发明公开了基于特征重要性和双线性特征交互的移动应用推荐方法，嵌入层是将稀疏表示后的原始输入特征嵌入到稠密的向量中。SENET层将嵌入层转化为类SENENT的嵌入特征，以此来提升特征的可分辨性。接下来双线性交互层分别对原始嵌入与类SENENE嵌入进行二阶特征交互建模。随后，连接层将双线性交互层的输出连接整合在一起。最后，将交叉组合后的特征灌入到神经网络中，并在预测层输出预测得分。本发明属于移动应用技术领域，具体是指基于特征重要性和双线性特征交互的移动应用推荐方法。
基于特征重要性双线交互移动应用推荐方法

1
共 8 条

友情链接：交换友情链接需要网站权重大于4，网站收录10W以上，如符合条件，请联系QQ：76009968。

关于我们寻求报道投稿须知广告合作版权声明网站地图友情链接企业标识联系我们

在线咨询

400-8765-105周一至周五 9:00-18:00

版权所有钻瓜科技（天津）有限公司津ICP备15000985号津公网安备 12019202000206号http://www.vipzhuanli.com/公布日期

咨询在线客服

咨询在线客服

tel code back_top