秦继伟
- 作品数：24 被引量：45H指数：3
- 供职机构：新疆大学更多>>
- 发文基金：国家自然科学基金国家杰出青年科学基金中国博士后科学基金更多>>
- 相关领域：自动化与计算机技术电气工程电子电信经济管理更多>>
- 基于语意特征的优化推荐方法
- 本发明涉及用户兴趣点预测及相关项目推荐技术领域，尤其涉及一种基于语意特征的优化推荐方法。该方法包括以下步骤：步骤1，收集项目信息，将其添加到空白词典建立项目词典；步骤2，通过Word2vec模型提取项目语意特征，计算项目...
- 秦继伟蒋云鹏汪烈军
- 文献传递
- 聚合物固体钽电解电容器的研究
- 聚合物钽电解电容器因为具有优异的容量频率稳定性、低损耗和等效串联电阻,逐渐成为电容器行业人们研究的热点.该论文的目的在于寻求聚吡咯(PPy)和聚乙二氧撑噻吩(PEDOT)两种导电聚合物在Ta/Ta<,2>0<,5>阳极体...
- 秦继伟
- 关键词：固体钽电解电容器聚吡咯电化学沉积
- 文献传递
- 非对称邻域聚合的残差图卷积协同过滤推荐方法和设备
- 本发明涉及一种非对称邻域聚合的残差图卷积协同过滤推荐方法和设备。该方法根据用户特征信息、物品特征信息及其交互数据构造用户对物品的二部图，对用户和物品的特征信息进行独热编码，然后使用线性嵌入层将其映射为初始的节点嵌入向量；...
- 秦继伟王涛
- 基于KSOM-PSO算法的无线传感器网络入侵检测研究被引量：6
- 2017年
- 针对无线传感器网络中的入侵检测机制对拒绝服务(denial of service,DoS)攻击检测精度不高的问题,提出了基于核自组织映射(kernel self-organizing map,KSOM)和粒子群优化(particle swarm optimization,PSO)聚类算法融合的KSOM-PSO神经网络算法作为无线传感器网络的检测机制。首先在传统SOM算法中引进核函数进行聚类;其次使用SOM聚类获得的获胜神经元权值对PSO粒子的初始位置初始化;最后在PSO算法中将传统的线性减小权值的方法改为非线性减小权值的方法,以提高PSO算法的全局搜索效率和局部搜索精度。实验结果表明,KSOM-PSO与传统的PSO聚类算法和SOM算法比较,检测精度有较大的提高,且收敛速度更快。
- 刘双石飞汪烈军秦继伟郭琰
- 关键词：入侵检测机制
- 协同知识感知增强网络推荐方法
- 本发明公开了协同知识感知增强网络推荐方法，主要涉及计算机应用技术领域；包括步骤：S1、构建知识图谱；S2、将用户和项目交互中的显式编码的协同信息和知识图谱中的关联知识无缝地结合起来，通过知识感知神经注意力机制融入用户和项...
- 秦继伟曾威
- 文献传递
- 基于网络嵌入的以太坊钓鱼账号检测方法、设备和介质
- 本发明涉及一种基于网络嵌入的以太坊钓鱼账号检测方法。该方法利用以太坊数据中标记的钓鱼账号信息和账号的历史交易记录，构造一个带有账号交易时间与金额信息的大型交易网络；使用基于有偏随机游走的网络嵌入算法提取网络中所有账号的特...
- 秦继伟罗锦涛
- 基于双重生成对抗网络的评分预测方法
- 本发明公开了基于双重生成对抗网络的评分预测方法，主要涉及深度学习领域；包括步骤：S1、将样本分为用户喜欢的样本、未购买的样本和用户不喜欢的样本三种类型；S2、使用两个GAN，第一个GAN的G为负样本生成器，第二个GAN的...
- 秦继伟武步尘
- 文献传递
- 一种生成评论的个性化推荐方法
- 本发明公开了一种生成评论的个性化推荐方法，主要涉及计算机应用技术领域；包括步骤：S1、首先假设目标用户对目标商品的评论缺失；S2、将假设缺失的评论输入到评论监督器，将用户和商品剩余的评论组成评论文档输入到评论生成器；S3...
- 秦继伟任秋林高小鑫郑炅
- 一种基于高斯无向图的e-Learner情感调节模型
- 2017年
- 以e-Learning中学习者情感缺失问题为应用背景,针对目前已有情感调节模型中变量单一,对实际e-Learning环境中影响学习者情感变化的变量复杂、数据稀疏等适应能力支持不足的问题,提出基于高斯无向图的e-Learner情感调节模型,强调综合考虑影响学习者情感调节的多种属性,建立e-Learner的情感调节模型。在获取e-Learner实时学习日志的基础上,对影响e-Learner情感的主要因素,进行相关性分析、统计,利用高斯无向图模型拟合数据,理解数据变量间的相互关系,运用Chow-Liu算法搜索最小BIC森林,得到e-Learner情感调节模型,为确定e-Learner情感调节的资源提供依据。
- 秦继伟吐尔根.依布拉音张辉国
- 关键词：情感情感调节
- 一种面向学科领域的知识表示算法
- 2023年
- 随着教育信息化的发展,构建高质量的学科知识图谱尤为重要。针对目前教育领域知识图谱表示学习模型只利用了实体和关系间的距离信息,忽略了它们之间的语义信息导致知识表示不准确的问题。提出一种知识表示学习增强模型。首先,该模型采用关系矩阵来识别实体间的相关性,并使用关系向量描述子空间中实体间的关系。其次,在向量空间将头向量和尾向量投影至关系向量来增强关系与实体间的交互作用,加强实体和关系的语义关系。最后,在2个公共数据集和自建学科领域数据集上进行的链接预测实验表明,相比于基线模型,该模型在Hit@1、Hit@3、Hit@10及MRR上均取得较大提升。
- 杜宏亮秦继伟
- 关键词：知识图谱链接预测
