-
公开(公告)号：CN114417837A
公开(公告)日：2022-04-29
申请号：CN202210060381.7
申请日：2022-01-19
申请人： 合肥工业大学
IPC分类号： G06F40/242 , G06F40/289
摘要： 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：CN114187049A
公开(公告)日：2022-03-15
申请号：CN202111528337.6
申请日：2021-12-14
申请人： 合肥工业大学
摘要： 本发明公开了一种基于减少泡沫购买的凑单推荐优化方法，包括：1、获取消费者的购物车信息与消费者的历史评分数据；2、根据历史评分数据采用Funk‑SVD算法进行矩阵分解获取消费者对没有评分信息商品的效用；3、根据消费者的购物车信息获取购物车中商品的替代产品集；4、根据商品的评分与商品特征，最终形成推荐列表。本发明考虑消费者偏好和网络零售商的条件免运费促销策略，从而达到更好的推荐效果和较高的推荐精度，有效降低网络零售商的泡沫购买率。
-
公开(公告)号：CN113987368A
公开(公告)日：2022-01-28
申请号：CN202111271683.0
申请日：2021-10-29
申请人： 合肥工业大学
IPC分类号： G06F16/9536 , G06F16/9535 , G06Q50/00 , G06N3/08
摘要： 本发明公开了一种融合同质关系和影响关系的用户个性化偏好挖掘方法，其步骤包括：1、用户建模；2、产品建模；3、评分预测；4、模型训练。本发明能结合局部同质性和全局影响力的社交关系，并融合注意力模型建模影响用户偏好的差异，从而有效且全面地建模用户的个性化偏好，从而提高推荐系统的准确性并增强推荐结果的可解释性。
-
公开(公告)号：CN109271491B
公开(公告)日：2021-09-28
申请号：CN201811300270.9
申请日：2018-11-02
申请人： 合肥工业大学
摘要： 本发明实施例公开一种基于非结构化文本信息的云服务推荐方法，该方法包括：S1、获取多个云服务的描述性文本信息；S2、根据所述多个云服务的描述性文本信息应用HDP模型对所述多个云服务进行聚类，得到至少一类云服务；S3、获取用户点击的云服务，在所述至少一类云服务中查找所述用户点击的云服务所在的目标类云服务，确定所述目标类云服务中云服务的排序；S4、根据所述目标类云服务中云服务的排序，向所述用户推荐云服务。本发明实施例挖掘不同云服务描述性文本间的关系将相似的云服务放在一起，基于同一类云服务中云服务的排序，向所述用户推荐云服务，从而能够提高云服务推荐准确度。
-
公开(公告)号：CN109300057B
公开(公告)日：2021-08-10
申请号：CN201811011747.1
申请日：2018-08-31
申请人： 合肥工业大学
IPC分类号： G06Q50/00
摘要： 本发明提供一种基于社交用户隐特征表示的网络群体形成机制发现方法，涉及网络技术领域。包括以下步骤：基于用户连接关系构建社交网络；利用node2vec方法学习获得所述社交网络的隐特征表示；基于所述社交网络的隐特征表示生成不同影响机制下的网络；分析所述不同影响机制下的网络特性，确定真实网络的形成机制。本发明结合选择机制和影响机制，基于用户隐偏好动态生成网络，更加形象的刻画了真实社交网络的变化，从而更加准确的确定真实网络的形成机制。
-
公开(公告)号：CN108109058B
公开(公告)日：2021-06-29
申请号：CN201810033637.9
申请日：2018-01-11
申请人： 合肥工业大学
IPC分类号： G06Q30/06 , G06F16/9535
摘要： 本发明公开了一种融合人格特质和物品标签的单分类协同过滤方法，包括：首先基于用户人格特质计算用户间的相似度，根据其相似度计算用户对物品的偏好程度；然后基于物品标签计算用户对物品的偏好程度；紧接着融合基于人格的用户对物品的偏好和基于物品标签的用户对物品的偏好得到用户对物品的总偏好程度，利用其总偏好程度构建矩阵分解模型；最后根据模型进行推荐。本发明使用人格特质和物品标签作为额外的信息来识别出缺失数据中混合在一起的正例和负例，从而有效地解决数据稀疏问题和新用户冷启动问题，继而提高个性化推荐的精度。
-
公开(公告)号：CN112860976A
公开(公告)日：2021-05-28
申请号：CN202110265794.4
申请日：2021-03-11
申请人： 合肥工业大学
IPC分类号： G06F16/953 , G06F16/958 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于多模态层次注意力机制的欺诈网站检测方法，包括：1使用长短期记忆网络对网页网址以及文本内容进行抽取；2通过注意力机制网络自动提取模态内不同特征的重要性权重；3通过注意力机制网络自动学习不同模态特征的重要性；4融合多模态特征，构建共享字典学习方法，将不同模态空间中特征映射到相同语义空间，并完成欺诈网站检测。本发明能够解决现有检测方法无法实时检测、以及误识别问题，从而进一步提高欺诈网站识别的准确率。
-
公开(公告)号：CN109190040B
公开(公告)日：2021-05-28
申请号：CN201811013374.1
申请日：2018-08-31
申请人： 合肥工业大学
IPC分类号： G06F16/9535 , G06Q30/06 , H04L29/08
摘要： 本发明提供了一种基于协同演化的个性化推荐方法及装置。一种基于协同演化的个性化推荐方法，包括：基于贝叶斯定理获取预先设置的模型的学习目标；所述模型至少包括：用户消费行为的概率模型、用户加群行为的概率模型、产品的隐特征矩阵、用户的隐偏好张量和群组的隐偏好张量；基于所述学习目标，利用随机梯度下降法和投影梯度法来更新所述模型的最优参数，得到训练好的模型；利用所述训练好的参数预测用户在T+1时刻的加群行为、偏好及标记行为。本发明实施例中可以在动态场景中同时考虑到用户的历史偏好和加入群组的影响来预测用户的加群行为和偏好，以及标记行为。
-
公开(公告)号：CN109933678B
公开(公告)日：2021-04-06
申请号：CN201910170610.9
申请日：2019-03-07
申请人： 合肥工业大学
摘要： 本发明实施例提供了一种艺术品推荐方法、装置、可读介质及电子设备，首先，对艺术品的图片风格特征进行学习后在进行聚类，使得风格相近的艺术品被归类与降维，达到了解决数据的稀疏度问题；然后，特征划分狄利克雷过程模型可以对用户群组的偏好进行筛选，得到可以代表用户群组的群兴趣的风格标签，再根据这些风格标签对用户群组的群兴趣进行更细粒度地划分；最后，根据得到的各潜在群组的风格标签分布以及用户属于各潜在群组的概率分布进行个性化推荐，并生成推荐列表。本发明实施例的技术方案可以有效提升预测的准确率和召回率。
-
公开(公告)号：CN112101380A
公开(公告)日：2020-12-18
申请号：CN202010888949.5
申请日：2020-08-28
申请人： 合肥工业大学
摘要： 本发明提供一种基于图文匹配的产品点击率预测方法和系统、存储介质，涉及产品点击率预测技术领域。本发明提供的产品点击率预测方法通过将图片分为包含更多原始像素信息的小块，提取到的图片特征更加完整；同时依据图片特征、文本特征以及图文匹配融合特征得到联合特征用于预测产品的点击率，如此一方面考虑到图片特征和文本特征自身对点击率的影响，一方面将三者之间进行特征互补，极大的提高了预测点击率的准确度。
-
-
-
-
-
-
-
-
-
搜索结果
155 条记录 (耗时 0.032 秒)
