-
公开(公告)号：CN112100518A
公开(公告)日：2020-12-18
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：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：CN114611011B
公开(公告)日：2024-03-29
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。
-
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。
-
公开(公告)号：CN112925980A
公开(公告)日：2021-06-08
申请号：CN202110265791.0
申请日：2021-03-11
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06Q30/06
Abstract: 本发明公开了一种基于文本和图像的用户个性化偏好挖掘方法，其步骤包括：1构建用户集合并提取用户购买产品信息中的产品文本描述信息及图像信息，2设计有参贝叶斯模型STILT(SparseTextandImageLinkTopic)建模偏好内容及用户的兴趣内容，3利用坍塌式吉布斯抽样算法进行参数推断。本发明能结合图片和文本的多模态数据来有效挖掘用户的个性化偏好，将用户偏好聚焦在一定范围内，从而能提高用户个性化偏好挖掘的全面性、精确性和快速性，有助于对用户进行精准推荐，并制定个性化推荐策略。
-
Patent Agency Ranking
公开(公告)号：CN111667298B
公开(公告)日：2022-09-30
申请号：CN202010297189.0
申请日：2020-04-15
Applicant: 合肥工业大学
Abstract: 本发明提供一种用户个性化需求预测方法和系统，涉及个性化需求预测领域。包括以下步骤：本发明通过获取用户数据、产品数据和用户兴趣数据，并形成历史数据；基于历史数据得到用户隐群；基于历史数据设定用户隐群的兴趣选择器，基于用户隐群和兴趣选择器获取隐群‑兴趣分布；基于历史数据设定用户兴趣的产品选择器；对用户兴趣进行采样，得到目标兴趣；基于目标兴趣和产品选择器获取兴趣‑产品分布；基于隐群‑兴趣分布和兴趣‑产品分布构建双稀疏模型，基于双稀疏模型获取用户个体‑兴趣分布；基于用户个体‑兴趣分布和兴趣‑产品分布获取用户对产品的偏好得分，基于偏好得分获取用户的产品推荐结果。本发明可以准确预测用户的个性化需求。
-
公开(公告)号：CN112925980B
公开(公告)日：2022-08-19
申请号：CN202110265791.0
申请日：2021-03-11
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06Q30/06
Abstract: 本发明公开了一种基于文本和图像的用户个性化偏好挖掘方法，其步骤包括：1构建用户集合并提取用户购买产品信息中的产品文本描述信息及图像信息，2设计有参贝叶斯模型STILT(SparseTextandImageLinkTopic)建模偏好内容及用户的兴趣内容，3利用坍塌式吉布斯抽样算法进行参数推断。本发明能结合图片和文本的多模态数据来有效挖掘用户的个性化偏好，将用户偏好聚焦在一定范围内，从而能提高用户个性化偏好挖掘的全面性、精确性和快速性，有助于对用户进行精准推荐，并制定个性化推荐策略。
-
公开(公告)号：CN111090995A
公开(公告)日：2020-05-01
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 , G06K9/62
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。
-
公开(公告)号：CN117408741A
公开(公告)日：2024-01-16
申请号：CN202311495863.6
申请日：2023-11-10
Applicant: 合肥工业大学
IPC: G06Q30/0202 , G06Q30/0601 , G06N3/084 , G06N3/0455
Abstract: 本发明公开了一种基于图文多模态预训练模型的产品匹配预测方法，包括：1.使用预训练图像编码网络，获取产品图像数据的特征编码；2.使用预训练的属性对编码网络，获取产品属性数据的特征编码；3.使用注意力机制融合产品的属性对特征编码；4.使用多模态特征融合与产品匹配的预测网络，融合图像与属性两种模态的特征编码数据，并基于融合后的特征编码数据，进行产品匹配度的预测。本发明通过使用两种预训练模型，充分利用产品在其专业领域上的先验知识，获取更加精确的特征编码数据，从而能够得到更加准确的产品匹配度预测结果。
-
公开(公告)号：CN111667298A
公开(公告)日：2020-09-15
申请号：CN202010297189.0
申请日：2020-04-15
Applicant: 合肥工业大学
Abstract: 本发明提供一种用户个性化需求预测方法和系统，涉及个性化需求预测领域。包括以下步骤：本发明通过获取用户数据、产品数据和用户兴趣数据，并形成历史数据；基于历史数据得到用户隐群；基于历史数据设定用户隐群的兴趣选择器，基于用户隐群和兴趣选择器获取隐群-兴趣分布；基于历史数据设定用户兴趣的产品选择器；对用户兴趣进行采样，得到目标兴趣；基于目标兴趣和产品选择器获取兴趣-产品分布；基于隐群-兴趣分布和兴趣-产品分布构建双稀疏模型，基于双稀疏模型获取用户个体-兴趣分布；基于用户个体-兴趣分布和兴趣-产品分布获取用户对产品的偏好得分，基于偏好得分获取用户的产品推荐结果。本发明可以准确预测用户的个性化需求。
-
-
-
-
-
-
-
-
-
Search Results
13
records
(took 0.04 seconds)
