本发明公开了基于鲁棒矩阵分解的离散哈希检索方法,其通过互联网收集图像和文本两个模态的样本建立数据集；利用BOW算法提取图像和文本两个模态的样本的特征；利用矩阵分解算法学习图像和文本两个模态间的一致性和不一致性，其一致性由共享哈希码来表示，其不一致性由最小化共性来约束；所学习的哈希码可以捕捉不同模态的一致性信息，从而提高检索性能。本发明具有较高的检索性能，并容易应用到大规模数据集，具有广阔的应用前景。
📄 2021109455727
📂 G06F16_31
👤 鲁东大学
📅 2021-08-18
本发明提供一种基于广义矩阵分解与遮蔽注意力的项目推荐方法，该方法通过广义矩阵分解为模型提供用户与项目、用户与时间、项目与时间的二阶交互信息，给予模型深层次的抽象特征，使其整体预测能力得以提升；部分项目序列和时间序列存在空值，在注意力机制过程中空值会占据一定的权重，从而影响项目与时间的特征提取，本发明通过将注意力进行遮蔽化，能够协助模型屏蔽空值的影响；本发明通过广义矩阵分解与遮蔽注意力提取用户‑项目‑时间的重要特征信息，预测用户评分，使得模型能更高效地利用评分信息，从而有效的为用户提供项目推荐列表。
📄 2023109405549
📂 G06Q30_0601
👤 江西财经大学
📅 2023-07-28
发明涉及网络结构去匿名化领域，特别涉及一种基于矩阵分解的网络结构去匿名化系统及方法，所述方法包括取数据源，数据源包括各个网络之间的关系的拓扑结构以及网络中用户之间关系的拓扑结构；将动态社交网络的数据集根据时间划分为T个静态网络数据集，获取每个静态网络结构信息所对应的邻接矩阵；将邻接矩阵输入根据低秩表示模型进行训练，计算得到目标矩阵；将目标矩阵输入改进的非负矩阵分解模型进行训练和预测，得到目标矩阵的去匿名化矩阵；本发明对网络数据进行低秩训练，结合非负矩阵分解的预测模型，将网络的结构信息和时序演变结合考虑，提高预测准确率。
📄 2019111415398
📂 H04L12_58
👤 重庆邮电大学
📅 2019-11-20
柿子坊 · 知识产权运营
柿子坊知识产权运营平台