龙图腾网&IPTOP
- 微信扫码登录
- 账号密码登录
- 短信登录/注册
申请/专利权人：浙江大学
申请日：2024-03-18
公开（公告）日：2024-06-07
公开（公告）号：CN118154344A
主分类号：G06Q50/00
分类号：G06Q50/00;G06Q10/0639;G06N20/20;G06N5/01;G06F18/2135;G06F18/24
优先权：
专利状态码：在审-实质审查的生效
法律状态：2024.06.25#实质审查的生效;2024.06.07#公开
摘要：本发明公开了一种基于梯度提升树的链上数字内容流行度预测方法，该方法通过视觉语义分析技术识别链上数字内容类型以及运用数据可视化分析关键市场趋势和特征，直观呈现交易量、社交活跃度等因素，再借助特征工程将关键因素转化为二元特征，并与视觉分析结果融合，简化模型复杂度的同时保持数据关键信息；最后，优化的梯度提升树模型强化了泛化能力和对复杂、非线性关系的处理能力，实现了预测准确性的显著提升以及对市场动态变化的有效适应。因此，本发明凭借以上核心技术的综合运用，在预测准确性、模型泛化能力、数据处理效率及可扩展性等方面展现出了突出优势，为链上数字内容流行度预测领域带来了重要应用价值和实践意义。
主权项：1.一种基于梯度提升树的链上数字内容流行度预测方法，其特征在于，该方法包括以下步骤：通过综合应用计算机视觉模型、数据可视化技术、特征工程处理，以及梯度提升树算法，实现对链上数字内容流行度的准确预测，具体包括以下步骤：1数据采集：通过视觉语义分析技术识别并采集链上数字内容类型以及运用数据，并且可视化分析关键市场趋势和特征，直观各个影响因素；2数据预处理与特征工程：借助特征工程将关键因素转化为二元特征，并与视觉分析结果融合，简化模型复杂度的同时保持数据关键信息；3梯度提升树模型的训练与预测：优化梯度提升树模型，进而强化模型的泛化能力和对复杂、非线性关系的处理能力，实现了所需的预测准确性以及对市场动态变化的适应。
全文数据：
权利要求：
百度查询： 浙江大学 一种基于梯度提升树的链上数字内容流行度预测方法
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。
主营中国专利交易买卖与专利转让许可,高校科技成果推广与科技成果转化,知识产权运营管理与平台开发,科技人才专家库与科技猎头等科技服务
开放平台
担保交易
惠及多方
会员特惠
专属平台
适合多方
数据共享
功能齐全
皖公网安备 34010402703815号