-
公开(公告)号：CN114357283B
公开(公告)日：2024-08-02
申请号：CN202111505740.7
申请日：2021-12-10
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00 , G06N3/0464
Abstract: 本发明公开了一种基于评论和自注意力机制的推荐方法，通过利用用户和物品的交互行为分别获得用户与物品的表征矩阵，应用用户—评论的自注意力模块得到用户与评论之间的隐式关系，丰富用户的表征矩阵；将处理后的用户表征矩阵与物品表征矩阵拼接起来，并将其作为联合表征矩阵输入到全连接层中，经过计算得到用户对物品的预测评分；对预测评分进行降序排列，选取评分最高的N个商品进行推荐。本发明通过使用自注意力机制处理评论，使模型的性能优于现有的技术下的推荐模型，最终提高了真实环境下推荐物品的准确度。
-
公开(公告)号：CN112347362A
公开(公告)日：2021-02-09
申请号：CN202011283015.5
申请日：2020-11-16
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种基于图自编码器的个性化推荐方法，利用用户与物品的交互行为，构建邻接矩阵，并对其进行归一化处理，使用图卷积网络进行卷积操作，获取节点的隐层表示；利用用户评论文本和物品描述文本作为节点信息的来源，得到每个节点的初始特征向量，再使用图注意力网络聚合邻居节点特征，更新节点信息；利用用户和物品的属性特征，构建全连接网络计算得到隐层特征；将隐层特征进行拼接得到新的节点信息，构建全连接网络，进行编码，使用双线性解码器重构用户对物品的评分作为预测评分，针对得到的预测评分采用Top‑N推荐生成推荐物品列表。本发明能更精确的帮助分析用户对物品的偏好程度，找到用户的关注点，从而进行更有效的推荐。
-
公开(公告)号：CN112115377A
公开(公告)日：2020-12-22
申请号：CN202010951695.7
申请日：2020-09-11
Applicant: 安徽农业大学
IPC: G06F16/9536 , G06N3/04 , G06N3/08 , G06Q30/06 , G06Q50/00
Abstract: 本发明公开了一种基于社交关系的图神经网络链路预测推荐方法，建立用户——物品二部图，根据用户之间的社交关系构建含有用户社交关系的物品互动拓扑图。将评论文本和购买关系作为节点信息的来源，使用Bert进行文本数据和网络结构的特征提取工作，以得到每个节点的初始特征向量。通过在该GNN上使用残差连接的方式，使得图中的节点信息尽可能地保留原始图谱的的结构信息，并得到更新后的节点信息。最后，通过链路预测算法得到用户对物品的偏好程度，并且针对得到的预测评分，采用Top‑n推荐，生成推荐物品列表。本发明通过评论对节点特征进行个性化描述，并且能将用户——物品构成拓扑图的结构信息充分运用，从而进行更有效的推荐。
-
公开(公告)号：CN106570566B
公开(公告)日：2019-07-05
申请号：CN201610972344.8
申请日：2016-10-28
Applicant: 安徽农业大学
Abstract: 本发明将本体引入茶树虫害知识表示和共享模型，提出一种基于本体的茶树虫害知识表示与共享方法，首先通过需求分析获取领域知识，然后利用本体技术及OWL语言解决领域知识有效表达地问题，最后基于ProtégéAPI接口提供领域知识的复用和共享。该方法实现了茶树虫害领域知识规范的形式化的表达，提高了茶树虫害领域知识共享重用效率，为茶树虫害防治、茶农生产决策等提供更有成效的知识服务平台，对于茶业生产质量的提高、茶产业信息化的发展具有一定的促进作用。
-
公开(公告)号：CN106599117A
公开(公告)日：2017-04-26
申请号：CN201611087353.5
申请日：2016-12-01
Applicant: 安徽农业大学
IPC: G06F17/30
Abstract: 一种茶学领域虚拟本体建模方法，基于云计算的MapReduce框架的，包括若干个Map任务和一个Reduce任务。其中，Map任务主要开展茶学领域本体模块的虚拟抽取，Map任务的个数由所涉及到茶学领域本体的个数确定。Reduce任务主要是对虚拟抽取后的茶学领域本体模块进行映射，最终生成茶学领域虚拟本体。为了更好的发挥MapReduce的效率，方法中所涉及的茶学虚拟本体知识均储存在HBase数据库中。本方法能实现云计算环境下多个茶学本体知识的按需获取，有效提高茶学本体知识的共享和复用效率。
-
Patent Agency Ranking
公开(公告)号：CN106570566A
公开(公告)日：2017-04-19
申请号：CN201610972344.8
申请日：2016-10-28
Applicant: 安徽农业大学
Abstract: 本发明将本体引入茶树虫害知识表示和共享模型，提出一种基于本体的茶树虫害知识表示与共享方法，首先通过需求分析获取领域知识，然后利用本体技术及OWL语言解决领域知识有效表达地问题，最后基于ProtégéAPI接口提供领域知识的复用和共享。该方法实现了茶树虫害领域知识规范的形式化的表达，提高了茶树虫害领域知识共享重用效率，为茶树虫害防治、茶农生产决策等提供更有成效的知识服务平台，对于茶业生产质量的提高、茶产业信息化的发展具有一定的促进作用。
-
公开(公告)号：CN114445180B
公开(公告)日：2025-04-15
申请号：CN202210055478.9
申请日：2022-01-18
Applicant: 安徽农业大学
IPC: G06Q30/0601 , G06F16/36 , G06F16/9535 , G06F16/958 , G06N3/044 , G06N3/084 , G06N5/022
Abstract: 本发明公开了一种基于知识图谱的个性化推荐方法及装置，方法包括：S1：将用户、物品以及物品的属性值抽象为实体节点，基于用户与物品之间的关系建立第一边，将物品与物品属性值之间的属性关系作为第二边，进而构建出包含用户与物品的协同知识图谱，并根据协同知识图谱获取实体节点之间的嵌入表示；S2：针对实体节点中用户u与实体节点中物品i之间的连接路径，根据各个实体节点的嵌入对连接路径进行聚合处理，得到连接路径的嵌入表示；S3：使用实体节点之间的嵌入表示以及连接路径的嵌入表示训练预先搭建的模型直至模型收敛，得到目标预测模型，所述目标预测模型用于向用户推荐物品。本方法以端到端的方式可以进行更加准确的物品推荐。
-
公开(公告)号：CN118536581A
公开(公告)日：2024-08-23
申请号：CN202410667615.3
申请日：2024-05-28
Applicant: 安徽农业大学
IPC: G06N5/01 , G06N3/042 , G06N3/08 , G06F16/9535 , G06N3/0442
Abstract: 本发明公开了一种融合异质路径嵌入与时间衰减的动态图推荐方法，包括以下步骤：步骤1、构建动态多路异构图；步骤2、当动态多路异构图中有新的边产生，通过路径重要性度量函数来评估动态多路异构图中每条路径的重要性并更新动态多路异构图；步骤3、构建动态关系增强表示更新器，得到每个用户节点、物品节点各自的特征表示；步骤4、构建动态时序信息扩散器，对每个用户节点、物品节点的特征表示进行更新；步骤5、根据步骤4更新后的用户节点、物品节点的特征表示，预测用户与物品下一刻产生交互的评分。本发明能够实时捕捉用户与推荐物品之间的交互行为。
-
公开(公告)号：CN118469738A
公开(公告)日：2024-08-09
申请号：CN202410618002.0
申请日：2024-05-17
Applicant: 安徽农业大学
Abstract: 本发明涉及生成对抗网络、人工智能生成内容和区块链存证技术领域，尤其是一种多模态农作物生长数据的生成及存证方法，步骤1、采集农作物生长过程中的多模态数据并进行预处理；步骤2、构建Conditional WGAN‑GP模型；步骤3、通过Conditional WGAN‑GP模型生成农作物生长多模态数据；步骤4、将生成的数据打包上链；本发明采用先进的生成对抗网络模型，并结合了丰富的历史农作物生长数据，包括多源传感器采集的环境参数、无人机拍摄的高分辨率农田图像、以及详细的农事活动记录文本等多模态信息。这些模型通过学习农作物生长过程中的时空规律和环境响应特性，能够生成具有高度真实感和多样性的虚拟农作物生长数据，涵盖从播种到收获的全周期生长状态及环境影响因素，通过区块链技术存证，保证了数据的可靠性和不可篡改性。
-
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
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。
-
-
-
-
-
-
-
-
-
Search Results
30
records
(took 0.022 seconds)
