公开(公告)号：CN113506131B

公开(公告)日：2023-07-25

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: G06Q30/0601 ,  G06N3/0455 ,  G06N3/0475 ,  G06N3/048 ,  G06N3/094

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：CN116401444A

公开(公告)日：2023-07-07

申请号：CN202310136573.6

申请日：2023-02-10

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  刘涵伟 ,  李景霞 ,  刘旭旭 ,  范维成 ,  涂立静 ,  王雪妮

IPC: G06F16/9535 ,  G06F16/9537 ,  G06F16/2457 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/047 ,  G06N3/048

Abstract: 本发明公开了一种基于时间上下文的图注意力机制的物品推荐方法及装置，方法包括：首先根据用户与物品交互数据信息，构建用户‑物品交互图，根据用户与物品发生交互的时间信息，确定时间权重系数，将时间权重系数融入到第一注意力机制中进行建模，生成包含时间信息的第二注意力机制，基于第二注意力机制，计算预测评分，并根据评分排序，向用户推荐物品，它通过利用时间上下文的图注意力机制，以解决现有的物品推荐系统存在的交互数据单一以及过平滑问题，提高物品的推荐效果和用户体验。

公开(公告)号：CN113191482A

公开(公告)日：2021-07-30

申请号：CN202110416061.6

申请日：2021-04-19

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  范维成 ,  汪菁瑶 ,  涂立静 ,  李景霞

IPC: G06N3/04 ,  G06N3/08 ,  G06K9/62 ,  G06F16/45 ,  G06F16/9535

Abstract: 本发明公开了一种基于元路径的异质图神经网络表示方法，包括以下步骤：步骤1、确定目标节点的多条元路径，在每条元路径中采样目标节点的不同类型的邻居节点后按类型进行分组；步骤2、对步骤1得到的邻居节点分别进行特征提取、节点初始异质内容编码、特征聚合得到异质邻居信息；步骤3、分别聚合每条元路径中生成的邻居节点的异质邻居信息，并得到对应的嵌入表示；步骤4、再次基于注意力机制对各条元路径中的嵌入表示进行合并后优化，生成目标节点的最终嵌入表示。

公开(公告)号：CN114841778B

公开(公告)日：2024-06-04

申请号：CN202210561717.8

申请日：2022-05-23

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  汪菁瑶 ,  范维成 ,  吴贞畅 ,  王雪妮 ,  刘旭旭 ,  刘涵伟

IPC: G06Q30/0601 ,  G06F16/9535 ,  G06N3/045 ,  G06N3/0475 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/094 ,  G06F18/243 ,  G06F18/27

Abstract: 本发明公开了一种基于动态图神经网络的商品推荐方法，其步骤包括：1、获取一个用户的历史行为序列，并按照等时间间隔分割为T个时间步的子序列，构建每个子序列的用户行为交互图；2、通过图注意力网络分别聚合每个时间步上用户行为交互图上节点的信息；3、构建生成对抗网络中的生成器G；4、构建生成对抗网络中的判别器D；5、获得每个物品节点被用户交互的可能性，并对物品进行降序排序，并选取前N个物品推荐给相应用户。本发明能捕获用户行为交互图的随时间的演化过程，从而能增强推荐性能。

公开(公告)号：CN117993996A

公开(公告)日：2024-05-07

申请号：CN202410104858.6

申请日：2024-01-25

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  秦辉 ,  胡全兴 ,  吴贞畅 ,  马治立 ,  李景霞 ,  涂立静

IPC: G06Q30/0601 ,  G06F18/213 ,  G06F18/25 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/08

Abstract: 本发明公开了一种基于多行为超图神经网络的序列推荐方法，综合考虑超图在学习行为依赖以及多行为下的用户表示聚合，其步骤包括：1、训练数据集的准备；2、利用超图学习全局行为依赖；3、获取不同行为下的相关性得分；4、消除流行度偏差影响，获取用户真实兴趣。6、利用融合后的全局特征进行推荐；本发明能通过行为首选项进行多行为解耦合，聚合不同行为下的用户特点，并结合超图学习到的个性化行为依赖，从而能够以较小的计算成本大大增加推荐的准确性。

公开(公告)号：CN117806548A

公开(公告)日：2024-04-02

申请号：CN202311765504.8

申请日：2023-12-20

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  张文婷 ,  胡全兴 ,  黄苗苗 ,  高博文 ,  涂立静

IPC: G06F3/06

Abstract: 本发明公开了一种基于IBN的高效分布式数据存储方法及系统，方法包括：根据IBN网络中数据分块存储的方式，将构成文件的数据块通过内容寻址形成多个集合，所述集合为构成文件的所有数据块的集合；根据IBN网络中节点的实时变化，通过IBN网络更新节点或者更新节点信息以形成新的集合；根据集合内的节点状态信息对该集合进行综合评价，并对集合进行排序；根据状态更新后的集合信息以及综合评价，得到在节点实时变化后所得出的最优集合。利用本发明实施例，能够提供更高效、可扩展和安全的分布式存储和路由方法，提供更去中心化的数据管理方法。

公开(公告)号：CN117540111B

公开(公告)日：2024-03-26

申请号：CN202410028020.3

申请日：2024-01-09

Applicant: 安徽农业大学

Inventor： 张彦聪 ,  涂立静 ,  徐昊宇 ,  吴国栋 ,  金秀 ,  孙文号 ,  张亚 ,  翟恩婷

IPC: G06F16/9536 ,  G06F16/906 ,  G06F16/9535 ,  G06N3/042 ,  G06N3/0495 ,  G06N3/044 ,  G06N3/0464 ,  G06N3/045 ,  G06N3/088

Abstract: 本发明公开了一种基于图神经网络的偏好感知社会化推荐方法，属于社会化推荐方法技术领域，包括以下步骤：S1：输入用户社交信息和用户与物品间交互信息；S2：构建用户社交图和用户物品交互图，初始化用户和物品嵌入；S3：确定最终的一阶用户嵌入；S4：将用户物品交互图分为多个子图；S5：确定二阶或高阶用户嵌入；S6：确定一阶至高阶用户嵌入和物品嵌入进行加权求和，得到最终的用户嵌入和物品嵌入；S7：内积计算用户对物品的偏好程度；S8：根据偏好程度降序排序并生成推荐列表；本发明不仅通过社会化推荐方法解决了传统推荐模型的冷启动和数据稀疏问题，而且解决现有社会化推荐系统的精度低问题，提升推荐模型的推荐精度。

公开(公告)号：CN117495489A

公开(公告)日：2024-02-02

申请号：CN202311446475.9

申请日：2023-10-31

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  胡全兴 ,  秦辉 ,  黄苗苗 ,  刘蕴铖 ,  李景霞 ,  涂立静

IPC: G06Q30/0601 ,  G06F18/22 ,  G06F18/20 ,  G06F18/214

Abstract: 本发明公开了一种基于多链技术的大米产品推荐系统及推荐方法，系统包括：推荐系统链模块和大米供应链管理链模块；推荐系统链模块包括：DPos大米推荐系统链单元，包括推荐算法模块、用户身份认证模块、大米推荐流程标识符模块、智能合约模块、奖励和激励模块；推荐系统单元，包括智能数据提取模块、数据分析与预处理模块、数据训练和数据测试模块、强化学习推荐算法自适应选择模块、大米推荐模块、链上链下对比模块；大米供应链管理链模块包括：PBFT大米供应链管理链，包括多个节点，每一个节点代表一个参与方，用于系统根数据的上传与存储管理。利用本发明实施例，能够有效解决大米全产业链中数据处理的效率和安全难以兼得的问题。

公开(公告)号：CN116595251A

公开(公告)日：2023-08-15

申请号：CN202310527881.1

申请日：2023-05-11

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  陈诗寅 ,  范维成 ,  王雪妮

IPC: G06F16/9535

Abstract: 本发明公开了一种基于图元胞自动机的动态异质图神经网络推荐方法，为用户和物品构建动态异质图；根据图元胞自动机初始化用户和物品的节点坐标信息和节点特征表示；基于图重构的全局规则设计，根据用户不同行为以及行为权重对节点与边进行操作，实时更新用户和物品的动态异质图以及邻接矩阵和权重矩阵；基于图局部状态转换规则设计，通过图神经网络方法聚合用户和物品邻居节点信息，更新用户和物品的节点状态信息；根据状态更新后的用户特征表示和物品特征表示，预测用户和物品下一刻产生交互的评分。本发明既能有效地捕捉用户偏好的实时行为影响，又能够处理动态和不断变化的用户行为数据，从而实现更准确的推荐效果。

公开(公告)号：CN115689687A

公开(公告)日：2023-02-03

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。