-
公开(公告)号：CN106951527B
公开(公告)日：2020-01-17
申请号：CN201710168927.X
申请日：2017-03-21
Applicant: 北京邮电大学
IPC: G06F16/68
Abstract: 本发明实施例提供了一种歌曲推荐方法及装置，该方法中，获取多个用户的听歌记录，其中，多个用户中包括待推荐用户，听歌记录中记录有每个用户针对歌曲库中的各首歌曲的反馈信息，反馈信息为收听、下载和收藏中的至少一个；根据听歌记录中的反馈信息对歌曲库中的歌曲进行聚类，得到多类歌曲；从聚类获得的多类歌曲中，确定待推荐用户所对应的目标类别歌曲；从目标类别歌曲中，选取一首歌曲推荐至待推荐用户。由此，通过聚类的方式，将歌曲库中的歌曲分类，从聚类得到的多类歌曲中确定目标类别歌曲，再从目标类别歌曲中选取一首歌曲推荐至待推荐用户，相比于直接从歌曲库中选取一首歌曲进行推荐，大大减少了计算量，提高了歌曲推荐速率。
-
公开(公告)号：CN105761154B
公开(公告)日：2019-10-15
申请号：CN201610222113.5
申请日：2016-04-11
Applicant: 北京邮电大学
IPC: G06F16/9536
Abstract: 本发明实施例提供的一种社会化推荐方法及装置，可以接收异质信息网络中的第一用户发送的推荐请求；判断所述异质信息网络中是否存在所述第一用户未知的第一物品；如果是，根据第一预测模型，确定所述第一用户对每个所述第一物品的预测评分，其中，所述第一预测模型为：B'是用户相似性规则化项；并将预测评分不小于预设值的所述第一物品推荐给所述第一用户。由于第一预设模型中的用户相似性规则化项B'，对高相似性用户和低相似性用户均具有良好的约束性。因此，相比于现有技术中的基础社会化推荐算法SoMF，本发明提供的一种社会化推荐方法及装置，对第一用户未知的第一物品的预测评分更准确，使得推荐效果更好，更能满足用户的需求。
-
-
公开(公告)号：CN105955957B
公开(公告)日：2019-01-25
申请号：CN201610294366.3
申请日：2016-05-05
Applicant: 北京邮电大学
Abstract: 本发明实施例提供了一种商家总体评论中方面评分的确定方法及装置。所述方法包括：针对获得的每个第一用户评论，根据预设第一规则或预设第二规则，识别所述第一用户评论的文本评论中的每个词对；针对每个词对，根据预设第一公式、保存的每个联合概率，计算所述词对在每个方面、取每个可选得分时的概率，根据计算得到的每个概率，获得每个方面对应的概率和值，并将最大的概率和值对应的方面确定为所述词对归属的方面，并确定所述词对在该方面的得分；针对每个方面，根据确定的每个第一用户评论中在该方面的词对的得分，确定所述待评分商家在所述方面的方面评分。本实施例能够提高评分网站上商家的总体评论中方面评分的准确性。
-
公开(公告)号：CN108985830A
公开(公告)日：2018-12-11
申请号：CN201810729907.X
申请日：2018-07-05
Applicant: 北京邮电大学
IPC: G06Q30/02
Abstract: 本发明实施例提供了一种基于异质信息网络的推荐评分方法及装置，该方法包括：确定多个样本用户中的目标用户，并确定多个样本商品中的目标商品；获取针对目标用户的第一相似度向量和针对目标商品的第二相似度向量；获取针对目标用户的第三相似度向量和针对目标商品的第四相似度向量；将针对目标用户的第一相似度向量、第三相似度向量以及针对目标商品的第二相似度向量、第四相似度向量输入推荐网络模型，得到目标用户对目标商品的预测评分值。从而不仅考虑了用户与商品的历史购买信息，还考虑了商品的属性信息以及用户对商品属性的偏好，能够实现更加准确的预测用户对商品的预测评分。
-
Patent Agency Ranking
公开(公告)号：CN106951528A
公开(公告)日：2017-07-14
申请号：CN201710168928.4
申请日：2017-03-21
Applicant: 北京邮电大学
Abstract: 本发明实施例公开了一种推荐信息确定方法及装置，所利用的推荐信息模型的构建过程包括：获取N个用户的标识数据及每个用户的至少两种反馈数据，N大于1；利用预设偏序样本生成算法，对每个用户的第一类反馈数据进行运算，得到每个用户对应的偏序样本；结合预设建模框架及预设矩阵分解算法，对每个用户对应的偏序样本及每个用户的第二类反馈数据进行运算，得到推荐信息模型。由此可见，利用用户的至少两种反馈数据，构建推荐信息模型，可以有效利用获取到的多种反馈数据；相比于现有技术中，仅针对“评分数据”这一种反馈数据构建的模型，提高了确定推荐信息的准确性。
-
公开(公告)号：CN103559318B
公开(公告)日：2016-08-17
申请号：CN201310595047.2
申请日：2013-11-21
Applicant: 北京邮电大学
IPC: G06F17/30
Abstract: 本发明实施例公开一种对异质信息网络中对象排序的方法，该方法包括：获取包含N个对象类型的异质信息网络，其中N＞1；依次选取N个对象类型中的一个作为中枢类型，将所述异质信息网络映射成N个子网，每一个所述子网由一个所述中枢类型、相对于所述中枢类型的支持类型及所述中枢类型与所述支持类型之间的链接构成；将所述N个子网组成一个子网序列环；从所述子网序列环中任意选取一个所述子网作为当前子网；对所述当前子网中的对象进行排序；判断排序结果是否稳定；如果所述排序结果稳定，输出所述排序结果。与现有技术相比，本发明实施例对异质信息网络中的对象进行排序时利用了对象类型等语义信息，从而使得排序结果相对准确。
-
公开(公告)号：CN120045792A
公开(公告)日：2025-05-27
申请号：CN202510218762.7
申请日：2025-02-26
Applicant: 北京邮电大学
IPC: G06F16/9535 , G06F16/735 , G06Q30/0601 , G06F40/186 , G06N5/04 , G06N3/042 , G06N3/045 , G06N3/0442 , G06N3/0895
Abstract: 本发明公开了一种融合大语言模型世界知识的推荐系统纠偏方法，包括：获取推荐系统的开源数据集，生成训练集；通过训练集结合上下文学习技术引导大语言模型生成物品的描述信息和用户的偏好推理；通过预训练的文本编码器对物品的描述信息和用户的偏好推理进行编码，生成第一编码向量，对用户和物品的ID进行编码，生成第二编码向量；将第一编码向量和第二编码向量输入多模态专家网络模块，得到用户和物品的最终表示；将用户和物品的最终表示输入预测层得到预测值，进而通过交叉熵损失函数对多模态专家网络模块进行优化；通过优化后的多模态专家网络模块进行推荐系统纠偏。消除用户行为数据中的固有偏差，捕捉用户的真实偏好，完成推荐系统纠偏。
-
公开(公告)号：CN113688574B
公开(公告)日：2024-10-29
申请号：CN202111051476.4
申请日：2021-09-08
Applicant: 北京邮电大学
IPC: G06F30/27 , G06N3/042 , G06N3/08 , G06F111/08
Abstract: 本发明公开了一种应用于GNN的拓扑感知的后处理置信度校正方法，利用GNN中置信度的同质性对置信度进行校正，该校正函数是一种非线性变换，但同样保存了原始GNN的分类精度。此外，本发明基于该校正方法提出了一种校正过后的GNN自训练方法，其中置信度首先由CaGCN校准，然后用于生成伪标签，可以有效地利用高置信度的预测，并通过大量的实验证明了本发明提出的方法在校正和准确性方面的有效性。
-
公开(公告)号：CN112733933B
公开(公告)日：2024-01-05
申请号：CN202110023447.0
申请日：2021-01-08
Applicant: 北京邮电大学
IPC: G06F18/241 , G06N3/042 , G06N3/0464 , G06N3/08
Abstract: 本发明实施例提供了基于统一优化目标框架图神经网络的数据分类方法及装置，获取待分类对象的描述信息，待分类对象之间的关系信息；基于描述信息生成特征矩阵，基于关系信息生成邻接矩阵；将特征矩阵和邻接矩阵输入预先构建并训练完成的图神经网络，得到各待分类对象的分类结果；图神经网络是根据预先确定的特征传播方程构建的，特征传播方程是在预设优化目标方程的基础上进行图形过滤器赋值得到的，优化目标方程包括特征拟合约束项和图拉普拉斯正则化约束项。提出了图神经网络的统一的优化目标方程，并对图形过滤器进行赋值得到特征传播方程，根据特征传播方程构建图神经网络，根据所构建的图神经网络对待分类对象进行分类，能够提高分类准确性。
-
-
-
-
-
-
-
-
-
Search Results
119
records
(took 0.031 seconds)
