-
公开(公告)号：CN112100518B
公开(公告)日：2023-11-28
申请号：CN202010995705.7
申请日：2020-09-21
IPC: G06F16/9536 , G06Q50/00 , G06F40/216 , G06F40/289
Abstract: 本发明公开了一种考虑用户在线关系网络的舆情主题发现方法，其步骤包括：1构建用户在线关系网络，2设计有参贝叶斯模型user link topic model生成文本主题，3利用坍塌式吉布斯抽样算法进行参数推断。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，从而为决策者提供重要信息，用于评估在过去特定时间内对于民众舆情引导效果，并有助于及时了解用户当下所关心的热点话题。
-
公开(公告)号：CN116664249A
公开(公告)日：2023-08-29
申请号：CN202310712055.4
申请日：2023-06-15
Applicant: 合肥工业大学
IPC: G06Q30/0601 , G06F18/2415
Abstract: 本发明公开了一种考虑用户偏好不确定性的评论感知推荐方法，包括以下步骤：1.使用用户评论与评分构建数据集，2、构建非对称的用户偏好和产品特征表征学习模型，并融合用户偏好和商品特征构建评分预测模型，3、模型的训练与优化。本发明提出了非对称深度学习推荐方法，综合考虑了用户评论在学习用户偏好和产品表征方面的差异性，同时引入了用户偏好不确定性，从而能提高产品推荐性能。
-
公开(公告)号：CN116226352A
公开(公告)日：2023-06-06
申请号：CN202310314415.5
申请日：2023-03-28
Applicant: 合肥工业大学
IPC: G06F16/332 , G06F16/33 , G06F40/30 , G06N3/08 , G06N3/049 , G06N3/0464
Abstract: 本发明公开了一种考虑问答时空依赖关系的答案选择方法，其步骤包括：1.构建问答数据并进行数据预处理；2.使用BERT模型获取问答对的词级相似矩阵；3.拼接同一问题线程下多个答案的相似矩阵得到问答对时空张量；4.使用ConvLSTM模型进行问答匹配度预测。本发明使用BERT获取隐含语义相关性的问答对词级相似矩阵，基于词级相似矩阵构建问答对时空张量，并通过ConvLSTM模型学习问答数据中的时空依赖关系信息，最终实现对问题的回答选择，从而能准确地推荐出与问题匹配程度最高的最佳答案。
-
公开(公告)号：CN116150480A
公开(公告)日：2023-05-23
申请号：CN202310011459.0
申请日：2023-01-05
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06F16/9536 , G06Q50/00 , G06N3/049 , G06N3/08 , G06N3/0442
Abstract: 本发明公开了一种融合多模态评论信息的用户个性化需求预测方法，其步骤包括：1.基于用户的购买历史记录，构建用户‑商品的购买关系网络；2.利用用户发表的多模态评论内容，构建网络图中边的属性；3.利用多模态变分自编码器挖掘用户在文本和图像两种模态上的主题分布；4.利用图注意力网络建模用户与商品之间的交互信息和多模态评论内容的语义信息；5.选取合适的损失函数来训练和优化模型。本发明结合了变分自编码器和图注意力网络，既能够分别从文本和图像这两种模态的数据中充分且全面地挖掘出用户对商品的偏好信息，又能够准确地对用户和商品进行表征，从而能达到更加精确的用户个性化需求的预测效果。
-
公开(公告)号：CN111090995B
公开(公告)日：2023-03-31
申请号：CN201911116869.1
申请日：2019-11-15
Applicant: 合肥工业大学
IPC: G06F40/284 , G06F40/258 , G06F16/31 , G06V30/19
Abstract: 本发明提供一种短文本主题识别方法和系统，涉及数据处理领域。本发明首先基于预训练的主题识别模型，获取待测短文本集合的短文本‑主题分布和主题‑词分布，词包括背景词和主题词；然后基于短文本‑主题分布和主题‑词分布，计算各主题词在短文本下所占权重；最后基于主题词在短文本下所占权重，选取焦点主题。本发明将短文本中词的做了区分，认为词包括背景词和主题词，除去在主题识别过程中背景词的影响，提高主题识别的准确率，从而准确的识别出焦点主题，为后续的个性化营销、推荐和信息检索等实际场景提供准确的数据支持。
-
Patent Agency Ranking
公开(公告)号：CN112101380B
公开(公告)日：2022-09-02
申请号：CN202010888949.5
申请日：2020-08-28
Applicant: 合肥工业大学
Abstract: 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。
-
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
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：CN114187049A
公开(公告)日：2022-03-15
申请号：CN202111528337.6
申请日：2021-12-14
Applicant: 合肥工业大学
Abstract: 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
Applicant: 合肥工业大学
IPC: G06F16/9536 , G06F16/9535 , G06Q50/00 , G06N3/08
Abstract: 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
Applicant: 合肥工业大学
Abstract: 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。
-
-
-
-
-
-
-
-
-
Search Results
161
records
(took 0.154 seconds)
