一种个性化商品推荐方法
    12.
    发明授权

    公开(公告)号:CN109903138B

    公开(公告)日:2021-05-18

    申请号:CN201910151051.7

    申请日:2019-02-28

    Abstract: 本发明涉及一种个性化商品推荐方法,包括:接收用户的商品搜索指令;若用户已被分类,计算用户偏好的多维平均标签信息,用户的推荐模型基于多维平均标签信息计算第一多维属性信息,计算第一多维属性信息与商品类别中每个商品的第二多维属性信息的距离,将距离较小的商品推给用户;否则,基于多个商品的第二多维属性信息,计算第一多维平均属性信息,基于第一多维平均属性信息及各类用户的推荐模型,确定适用于该用户的推荐模型。本发明提供的推荐方法,首先对用户聚类,且利用多维的商品标签信息和商品属性信息,使得推荐准确率高;另外,当用户为新用户时,通过注意力迁移学习,利用已有推荐模型形成新用户的推荐模型,以解决冷启动问题。

    基于组合学习的人脸超分辨率方法及装置

    公开(公告)号:CN110580680A

    公开(公告)日:2019-12-17

    申请号:CN201910849721.2

    申请日:2019-09-09

    Abstract: 本发明公开了一种基于组合学习的人脸超分辨率方法及装置,属于人脸图像超分辨率领域,该方法包括:对下采样得到的低分辨率人脸图像进行组件分割;将低分辨率人脸图像和分割后的人脸组件图像块进行分块操作,分出相互重叠的图像块;将图像块输入各组件生成对抗网络产生高分辨率组件图像块,由上采样后的低分辨率人脸背景图像生成高分辨率人脸背景图像;通过融合网络提取高分辨率图像块特征及人脸背景图像组件特征;将两种特征进行融合后,重建得到目标人脸组件图像块;通过人脸组件在人脸图像中的坐标点,将目标人脸组件图像块对应合并至高分辨率人脸背景图像中,形成高分辨率人脸图像。本发明可以提高网络的重建性能,产生更高质量的人脸图像。

    基于组合学习的人脸超分辨率方法及装置

    公开(公告)号:CN110580680B

    公开(公告)日:2022-07-05

    申请号:CN201910849721.2

    申请日:2019-09-09

    Abstract: 本发明公开了一种基于组合学习的人脸超分辨率方法及装置,属于人脸图像超分辨率领域,该方法包括:对下采样得到的低分辨率人脸图像进行组件分割;将低分辨率人脸图像和分割后的人脸组件图像块进行分块操作,分出相互重叠的图像块;将图像块输入各组件生成对抗网络产生高分辨率组件图像块,由上采样后的低分辨率人脸背景图像生成高分辨率人脸背景图像;通过融合网络提取高分辨率图像块特征及人脸背景图像组件特征;将两种特征进行融合后,重建得到目标人脸组件图像块;通过人脸组件在人脸图像中的坐标点,将目标人脸组件图像块对应合并至高分辨率人脸背景图像中,形成高分辨率人脸图像。本发明可以提高网络的重建性能,产生更高质量的人脸图像。

    一种基于时间动态特性的产品推荐方法

    公开(公告)号:CN109670914B

    公开(公告)日:2020-11-17

    申请号:CN201811544768.X

    申请日:2018-12-17

    Abstract: 本发明公开了一种基于时间动态特性的产品推荐方法,包括:收集目标时间段内用户的购买记录、评论记录及产品描述信息,将目标时间段划分为时间片序列,并生成用户对产品的评分矩阵;获得各产品的属性相对水平,用于表示产品各属性在产品所属时间片内的档次;根据所收集的信息以及产品的属性相对水平,获得任意两个用户的用户相似度,以及任意两个产品在同一用户关注度下的产品相似度;根据用户相似度和产品相似度预测用户对产品的评分,并根据预测结果确定优化函数;对评分矩阵进行分解,并根据优化函数对矩阵分解结果进行调整,以使得优化函数取值最小,从而生成各用户的推荐列表,完成对用户的产品推荐。本发明能够有效提高产品推荐的准确度。

Patent Agency Ranking