-
公开(公告)号：CN113704404B
公开(公告)日：2024-03-05
申请号：CN202110995578.5
申请日：2021-08-27
Applicant: 合肥工业大学
IPC: G06F16/33 , G06F16/31 , G06F18/2415
Abstract: 本发明公开了一种基于专业生成内容的产品替代性信息抽取方法，包括：1构建专业生成内容数据集合并表示，2建模市场竞争结构，获得市场环境下与产品相关的竞争信息和替代性关系，3构建有参贝叶斯模型，4整合变分推理和坍塌式吉布斯抽样，使用坍塌式变分贝叶斯推断算法进行参数推断。本发明在应对社交媒体中的大规模的专业生成内容时，能够有效、快速、准确地发现专业生成内容中的产品竞争关系，抽取出市场中产品间的替代性信息，帮助企业发现市场中产品间的替代性关系，有助于企业识别直接或间接竞争对手，为企业提供重要的竞争情报。
-
公开(公告)号：CN114417837B
公开(公告)日：2024-02-13
申请号：CN202210060381.7
申请日：2022-01-19
Applicant: 合肥工业大学
IPC: G06F40/242 , G06F40/289
Abstract: 本发明公开了一种基于主题演化趋势的科技大数据流行性及前沿性度量方法，其步骤包括：1.获取科技大数据基本信息数据并进行数据预处理获得模型输入语料；2.基于动态主题模型(DTM)对输入语料进行学习，得到文档主题分布及主题演化趋势；3.基于文档主题分布和科技大数据发表年份计算出不同年份的主题热度；4.基于主题热度演化趋势计算科技大数据的流行性和前沿性。本发明通过DTM模型计算出主题热度演化趋势，以此作为计算科技大数据流行性和前沿性的基础，结合科技大数据的发表年份及其文档主题分布，可以度量科技大数据流行性和前沿性指标，从而能提高科技大数据价值评估准确性。
-
公开(公告)号：CN117291300A
公开(公告)日：2023-12-26
申请号：CN202311231931.8
申请日：2023-09-22
Applicant: 合肥工业大学
Abstract: 本发明公开的一种基于图卷积神经网络的社交媒体中说服者预测方法，包括：1)从社交媒体上从社交媒体上获取用户系相关数据，并构造用户关注网络图；2)根据用户社会交互强度、用户信息和用户关注网络，利用图神经网络和相似度计算方法，得到用户间的社会影响力矩阵、实体相似性矩阵、结构等价性矩阵3)根据三个相似度矩阵对社会说服的积极效应和消极效应进行建模并训练，并最终利用训练后的图注意力模型，预测用户的说服得分并进行降序排序，取排序后的前top个用户作为社交媒体中的说服者。本发明基于注意力系数，将社会说服的三种力量统一起来，从而更好的学习用户特征，使说服者的预测更加准确合理。
-
公开(公告)号：CN115829677A
公开(公告)日：2023-03-21
申请号：CN202211409431.4
申请日：2022-11-10
Applicant: 合肥工业大学
IPC: G06Q30/0601 , G06N3/084
Abstract: 本发明公开了一种考虑库存约束的神经协同过滤推荐方法，包括以下步骤：1.构建用户对产品的评分数据集合和产品的库存数据集合，2.构建由输入层、嵌入层、神经协同过滤层和输出层组成的神经协同过滤推荐模型，3.构建库存损失函数和均方差损失函数，并通过参数α生成模型的目标损失函数，输入测试集数据对模型进行训练，4用户对于商品的评分预测并获取推荐结果。本发明通过引入罚函数的概念在损失函数中对低库存的产品进行惩罚，从而在模型的训练过程中减低了低库存产品的推荐概率，由此减少了推荐系统推荐缺货产品的情况，提高了用户对平台的满意度。
-
公开(公告)号：CN115577180A
公开(公告)日：2023-01-06
申请号：CN202211350762.5
申请日：2022-10-31
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06F16/22 , G06F16/906 , G06N3/04 , G06N3/063 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种考虑课程先导关系和课程分类的序列推荐方法，包括：1、根据用户与课程的交互数据，构造知识图谱，捕捉课程间的先导关系；2、根据用户学习的历史课程序列，利用门控图神经网络和注意力机制建模用户课程层面的兴趣；3、根据用户学习的历史课程序列、课程分类信息，利用GRU建模用户分类层面的长期兴趣转移；4、结合用户的两方面兴趣以及课程间的先导关系，预测用户对课程的偏好，选取合适的损失函数来优化模型。5、利用推荐模型预测用户对课程的偏好，为用户推荐下一个课程。本发明结合了知识图谱与图神经网络，既能捕捉课程之间的先导关系，又能从课程层面和分类层面捕捉用户的兴趣变化，从而实现更准确的推荐效果。
-
Patent Agency Ranking
公开(公告)号：CN115545608A
公开(公告)日：2022-12-30
申请号：CN202211227593.6
申请日：2022-10-09
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于不确定需求下的绿色物流车辆路径优化方法及应用，该方法包括：1采集到物流配送中心和所有待配送站点的经纬度信息，以计算每条线路上各个客户点之间距离矩阵；2构建车辆路径优化模型，优化目标为总路程碳排放最小化，该总路程为车辆从配送中心出发，遍历所有的待配送站点，最后回到配送中心的总路程；3车辆具有容量限制，无最远距离限制，对车辆路径优化模型的目标函数设定约束条件；4通过配送站点历史需求量预测未来的需求量，并对配送算法进行优化；5使用改进的启发式算法求解车辆路径优化模型的目标函数，以得到最优路径选择方案和运输车辆的数量。本发明能有效地求得良好的预期车辆行驶路线，以降低总体碳排放。
-
公开(公告)号：CN115455172A
公开(公告)日：2022-12-09
申请号：CN202210923703.6
申请日：2022-08-02
Applicant: 合肥工业大学
IPC: G06F16/335 , G06F16/33 , G06F40/30 , G06Q50/18
Abstract: 本发明提供一种基于深度学习的专利组合推荐方法及系统，涉及专利推荐技术领域。本申请将预先获取的专利数据集划分成专利文本数据、专利关系数据，以及专利结构化数据，然后由这三类数据获取专利文本相似度矩阵和专利表征向量，同时将每个企业对应的企业专利数据集按照时间顺序划分为真实专利组合；接着利用专利组合表征学习模型学习并更新专利表征向量；最后利用上述真实专利组合和更新专利表征向量训练LSTM模型，并基于训练后最优的LSTM模型获取每个专利预测评分，基于专利文本相似度矩阵获取专利相似性评分，最终综合考虑专利预测评分和专利相似性评分为企业进行专利组合推荐。本发明相比于现有技术专利组合推荐精度更高，可为企业批量推荐专利。
-
公开(公告)号：CN110827115B
公开(公告)日：2022-11-04
申请号：CN201910948090.X
申请日：2019-10-08
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06Q30/06
Abstract: 本发明提供一种基于注意力机制的产品推荐方法和系统，涉及推荐技术领域。本发明通过计算目标产品与用户历史交互的产品的相似度，并与注意力机制相结合，避免了用户所有的历史交互产品对目标产品产生的影响相同的结果，同时结合了目标产品的评论文本数据，考虑到用户是否与某一产品进行交互不仅受到该用户的历史行为影响，即受到该用户的兴趣影响，还受到其他用户对目标产品的评价的影响，在产品推荐过程中，考虑目标产品的评论文本数据，更加贴近现实情况，从而提高了产品的推荐精度。
-
公开(公告)号：CN113221019B
公开(公告)日：2022-10-25
申请号：CN202110362445.4
申请日：2021-04-02
Applicant: 合肥工业大学
IPC: G06F16/9536 , G06F16/9535 , G06F16/958 , G06K9/62
Abstract: 本发明提供一种基于即时学习的个性化推荐方法、系统、存储介质和电子设备，涉及信息推荐领域。本发明包括获取查询用户对推荐信息的第一历史评分矩阵；计算查询用户与其他用户的相似性，获取相似用户的第二历史评分矩阵，得到相似样本矩阵；将相似样本矩阵输入局部加权回归模型中，得到回归系数矩阵；根据第一历史评分矩阵和回归系数矩阵，获取查询用户对待推荐信息的评分预测值。将时间要素考虑到推荐算法之中，从历史数据中找出与当前查询样本最匹配的样本数据进行局部建模，从而可以有效解决变量的非线性和跳跃性的变化问题，提高输出推荐的预测精度，有利于体现用户兴趣即时变化，解决了已有的个性化推荐算法不能即时反应用户的兴趣漂移问题。
-
公开(公告)号：CN114611011A
公开(公告)日：2022-06-10
申请号：CN202210232835.4
申请日：2022-03-09
IPC: G06F16/9536 , G06F16/35 , G06F40/289 , G06Q50/00
Abstract: 本发明公开了一种考虑动态舆情主题的高影响力用户发现方法，其步骤包括：1、构建不同时期的用户在线关系网络，2、设计动态有参贝叶斯模型生成不同时期的舆情主题，3、识别不同时期的高影响力用户。本发明在应对大规模社交网络时，能有效、快速、准确地发现用户关注度高的舆情主题，有助于舆情主题检测，并能有效发现不同时期的舆情主题演变及高影响力用户，从而为决策者提供重要信息，帮助决策者在特定时间内引导民众舆情，及时了解舆情主题变化。
-
-
-
-
-
-
-
-
-
Search Results
182
records
(took 0.069 seconds)
