公开(公告)号：CN111881260B

公开(公告)日：2024-05-17

申请号：CN202010761150.X

申请日：2020-07-31

Applicant: 安徽农业大学

Inventor： 李旸 ,  孙敏 ,  吴国栋 ,  庄正飞 ,  钱涛

IPC: G06F16/33 ,  G06F16/35 ,  G06F40/289 ,  G06F40/30 ,  G06F18/24 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了基于方面注意力和卷积记忆神经网络情感分析方法及装置，所述方法包括：数据预处理得到文本数据集；获取字向量序列；提取句子特征作为文本卷积神经网络的输出向量；将若干字向量子序列输入到BGRU中提取文本上下文语义信息并将上下文语义信息融合作为提取文本序列信息；把文本卷积神经网络的输出向量和BGRU提取的文本序列信息进行拼接后输入到各个方面注意力模块进行后续情感分类并生成句子的整体表示向量；每个方面注意力模块获取待分类文本在每个情感类别上的概率并对特定方面的文本向量表示进行重构得到重构文本；构建损失函数，训练模型；本发明的优点在于：实现句子中不同方面同时进行情感极性分析，效率较高，计算量低。

公开(公告)号：CN115907148A

公开(公告)日：2023-04-04

申请号：CN202211454877.9

申请日：2022-11-21

Applicant: 安徽农业大学

Inventor： 张能翔 ,  涂立静 ,  卞金戈 ,  张彦聪 ,  史浩远 ,  赵德涵 ,  吴国栋 ,  陶政

IPC: G06Q10/04 ,  G06Q50/26 ,  G06N3/0442 ,  G06N3/08 ,  G06F18/214

Abstract: 本发明公开了一种基于PredRNN的全国生态环境信息可视化的预测方法及系统，该方法在可视化系统上的预测功能上嵌入PredRNN的深度学习模型，利用卷积层将空间上组不变性的归纳偏差引入到时空预测中，具有对历史观察序列更强的建模能力和更高的计算效率。通过网络爬虫技术获取实时生态环境数据，将数据经过处理后进入PredRNN预测模型中进行预测，在通过静态资源调用可视化工具，构建主页面，基于云服务端响应服务并请求，得到数据并可视化展示。最终得到的可视化数据可以用于广大用户查询。

公开(公告)号：CN113506131A

公开(公告)日：2021-10-15

申请号：CN202110727165.9

申请日：2021-06-29

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  杨宇 ,  刘玉良 ,  汪菁瑶 ,  范维成 ,  毕海娇 ,  朱文涛

IPC: G06Q30/02 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于生成式对抗网络的个性化推荐方法，利用用户对物品的评论情况，获取用户对物品的具体购买情况，再结合物品所属产地和随机变量，使用编码器捕获用户对物品的偏好，使用解码器预测用户将会购买的物品。利用预测的用户将会购买的物品、用户对物品的购买情况和物品所属产地，使用全连接层构建的判别器判断预测的用户将会购买的物品的真假情况。最终计算预测用户将会购买的物品与真实物品的相关系数，选取相关系数最高的物品进行推荐。

公开(公告)号：CN109187552B

公开(公告)日：2021-07-09

申请号：CN201810999005.8

申请日：2018-08-30

Applicant: 安徽农业大学

Inventor： 许高建 ,  沈杰 ,  李绍稳 ,  吴国栋 ,  涂立静 ,  林晨 ,  吴云志 ,  傅运之 ,  冯宇翔 ,  王帅 ,  张蕴

IPC: G01N21/88

Abstract: 本发明属于农作物病害监测技术领域，具体涉及一种基于云模型的小麦赤霉病害等级判定方法，包括病害区域的提取、颜色特征的构造、生成小麦赤霉菌颜色特征云模型、建立综合评价模型以及评价模型的分析；利用小麦赤霉病在逐渐病变过程中，病害区域的颜色变化与小麦病穗率等级的关系，结合云模型三个数字特征得出病害区域的颜色特征云，利用云模型对小麦赤霉病等级实现非硬性划分，实现综合评价。

公开(公告)号：CN112650929A

公开(公告)日：2021-04-13

申请号：CN202011614918.7

申请日：2020-12-31

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  王伟娜 ,  李景霞 ,  涂立静 ,  刘玉良

IPC: G06F16/9535 ,  G06F40/284 ,  G06F40/30 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种融入评论信息的图神经网络推荐方法，将用户评论文本作为节点信息的来源，使用BERT模型进行文本数据的特征提取工作，以得到每个节点的内容表述向量。再根据用户与物品的交互行为建立用户—物品二部图，通过在该二部图上搭建图神经网络聚合节点的一阶和三阶邻居信息，来学习用户和物品的结构表述，再将结构表述与内容表述相融合作为用户和物品的最终嵌入表示。最后，通过多层感知机MLP预测用户对各物品的交互概率。针对得到的预测结果，采用Top‑N排序，生成推荐物品列表。本发明能更精确捕捉用户偏好，找到用户的兴趣点，并对其进行更为准确有效的推荐。

公开(公告)号：CN112131469A

公开(公告)日：2020-12-25

申请号：CN202011001987.0

申请日：2020-09-22

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  李方 ,  查志康 ,  涂立静 ,  李景霞 ,  王伟娜

IPC: G06F16/9535 ,  G06F40/30 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明公开了一种基于评论文本的深度学习推荐方法，运用BERT模型得到用户和物品语义特征和特征向量矩阵；运用BLSTM模型，结合CNN对向量矩阵进行卷积、最大池化和全连接操作，分别得到用户特征和物品特征的最终表示；通过MLP全连接网络将得到的用户特征和物品特征表示的拼接作为输入，运用Top‑N排序，生成推荐列表。本发明运用BERT模型进行词嵌入特征提取，避免了一词多义的失配问题，BLSTM模型避免了单向LSTM无法获取从后向前的语义信息和对句子的表述缺乏完整性的问题，分别从正向和逆向进行句子的语义编码，获得更精准的句子向量表示，获得更精确的隐表示，通过CNN提取局部语义特征，进行有效的推荐。

公开(公告)号：CN110516165A

公开(公告)日：2019-11-29

申请号：CN201910802620.X

申请日：2019-08-28

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  陶鸿 ,  查志康 ,  王静雅 ,  陈海涵 ,  涂立静

IPC: G06F16/9536 ,  G06Q30/02

Abstract: 本发明公开了一种基于文本UGC的混合神经网络跨领域推荐方法，目标域特征提取模块根据用户和物品ID为用户和物品分别构建隐因子嵌入矩阵，得到目标域用户、物品的特征向量；所述的辅助域物品特征迁移模块通过模拟类因子分解机模型将用户在两域的特征进行对应位置相乘的交互运算，从而得到两域物品间的关联特征向量，将该向量与目标域用户、物品特征向量在模型顶层进行连接，得到最终的用户-物品联合特征向量；最后进行Top N物品推荐。本发明为端到端的深度学习跨领域推荐方法，同时自动、高效地利用两域文本UGC，通过深度学习方法挖掘两域物品间的关联特征，可有效提高目标域的物品推荐精度及缓解数据稀疏和冷启动问题。

公开(公告)号：CN115689687B

公开(公告)日：2025-05-27

申请号：CN202211376444.6

申请日：2022-11-04

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  范维成 ,  王雪妮 ,  涂立静 ,  李景霞

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06F16/9537 ,  G06N3/045 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于元胞自动机的动态图神经网络推荐方法，根据用户物品交互信息构建用户物品交互动态图，对交互动态图进行划分，分为用户视角动态图和物品视角动态图。分别对用户视角动态图和物品视角动态图进行学习，过程为用户兴趣偏移、用户兴趣增强、用户元胞状态变化偏移量计算和用户兴趣聚合，物品视角动态图学习过程为物品邻居信息聚合、物品元胞状态信息判断和物品嵌入信息更新。利用用户物品嵌入表示预测未来时刻的表示并计算用户与物品交互概率，根据交互概率大小排序进行推荐。本发明很好的把握住推荐场景中用户与物品随时间不断演化的规律并及时捕捉到用户偏好的变化和物品携带信息的更新，找到用户感兴趣的物品，进行个性化推荐。

公开(公告)号：CN119025762B

公开(公告)日：2025-01-28

申请号：CN202411517228.8

申请日：2024-10-29

Applicant: 安徽农业大学

Inventor： 谷贺旭 ,  涂立静 ,  陈海斌 ,  吴国栋 ,  张彦聪

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F18/22 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于智能推荐领域，具体公开了一种基于图神经网络的长短期兴趣感知协同推荐方法，包括：输入用户历史会话数据，构建用户会话全图；初始化项目嵌入，并确定最终的项目嵌入；确定每个会话对应的最终嵌入；确定会话全图的最终嵌入，即具有短期兴趣的用户交互嵌入；基于用户画像对用户嵌入，构建用户相似度矩阵，确定具有长期兴趣的用户相似度嵌入；基于用户交互嵌入，构建内容相似度矩阵，确定具有长期兴趣的内容相似度嵌入；确定用户的最终兴趣嵌入；内积计算用户对项目的偏好程度并生成推荐列表。本发明通过综合考虑用户长短期兴趣，更加准确地捕捉用户的个性化需求，提升推荐结果的相关性和准确性。

公开(公告)号：CN118657560A

公开(公告)日：2024-09-17

申请号：CN202410685432.4

申请日：2024-05-30

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  王云跃 ,  陈海斌 ,  黄苗苗 ,  鲍宪立 ,  李景霞 ,  涂立静

IPC: G06Q30/0251 ,  G06F40/30 ,  G06N3/0464 ,  G06N3/08 ,  G06V30/148

Abstract: 本发明公开了一种基于多模态语义融合的图Transformer物品推荐方法，包括：1.提取物品的文本描述和图像内容；2.构建用户‑物品交互矩阵和用户‑物品模态交互矩阵；3.初始化用户、物品的特征向量，初始化物品的文本特征和视觉特征；4.通过多层图卷积网络分别得到用户、物品在协同过滤下的表示；5.通过模态自适应图Transformer模型分别得到用户在文本、视觉模态下的表示；6.建模用户与物品的最终表示；7.构建损失函数，得到最优模型；8.根据推荐模型向用户推荐最感兴趣的若干物品。本发明通过协同过滤技术增强多模态语义融合，可以有效利用多模态信息建模用户偏好，从而能提高推荐准确性。