-
公开(公告)号：CN108804577A
公开(公告)日：2018-11-13
申请号：CN201810505164.8
申请日：2018-05-24
Applicant: 联通在线信息科技有限公司 , 北京邮电大学
CPC classification number: G06K9/6256 , G06K9/6267
Abstract: 本发明公开一种资讯标签兴趣度的预估方法，包括：创建并维护含标签的候选资讯库；根据用户人口学信息得到用户属性资讯标签兴趣度向量；获取预设时间段内多个用户的历史行为数据并进行预处理，得到已训练的深度学习模型；获取当前用户的历史行为数据并进行预处理，得到当前用户的用户行为资讯标签兴趣度向量；根据当前用户的用户属性资讯标签兴趣度向量和用户行为资讯标签兴趣度向量计算得到用户‑资讯标签兴趣度向量，最终确定用户最感兴趣的若干个资讯标签。本发明解决用户兴趣度预估的冷启动问题，避免了直接从互联网中选取资讯时常会出现的资讯质量低的问题，同时降低了对用户兴趣度预估问题的计算量，适用于每个样本含有多个标签的场景。
-
Patent Agency Ranking
公开(公告)号：CN103812784A
公开(公告)日：2014-05-21
申请号：CN201410025453.X
申请日：2014-01-20
Applicant: 北京邮电大学
IPC: H04L12/807
Abstract: 本发明公开了一种基于双向滑动窗口的内容网络的拥塞控制方法，用于缓解兴趣包请求过快、数据流量持续增长引起的网络拥塞问题；每个节点维护两个滑动窗口，即兴趣包发送窗口和数据包发送窗口，两个窗口的长度根据网络拥塞状况实时调节并彼此制约；由于内容网络本身的特点，兴趣包与数据包的大小不同，占用链路带宽也不相同，因此，针对两种窗口引入不同粒度的拥塞控制方法。本发明实现了一种基于双向滑动窗口的内容网络的拥塞控制方法，提高了网络的可靠性和有效性。
-
公开(公告)号：CN103812784B
公开(公告)日：2017-01-25
申请号：CN201410025453.X
申请日：2014-01-20
Applicant: 北京邮电大学
IPC: H04L12/807
Abstract: 本发明公开了一种基于双向滑动窗口的内容网络的拥塞控制方法，用于缓解兴趣包请求过快、数据流量持续增长引起的网络拥塞问题；每个节点维护两个滑动窗口，即兴趣包发送窗口和数据包发送窗口，两个窗口的长度根据网络拥塞状况实时调节并彼此制约；由于内容网络本身的特点，兴趣包与数据包的大小不同，占用链路带宽也不相同，因此，针对两种窗口引入不同粒度的拥塞控制方法。本发明实现了一种基于双向滑动窗口的内容网络的拥塞控制方法，提高了网络的可靠性和有效性。
-
公开(公告)号：CN108804577B
公开(公告)日：2022-11-01
申请号：CN201810505164.8
申请日：2018-05-24
Applicant: 联通在线信息科技有限公司 , 北京邮电大学
IPC: G06F16/9535 , G06K9/62
Abstract: 本发明公开一种资讯标签兴趣度的预估方法，包括：创建并维护含标签的候选资讯库；根据用户人口学信息得到用户属性资讯标签兴趣度向量；获取预设时间段内多个用户的历史行为数据并进行预处理，得到已训练的深度学习模型；获取当前用户的历史行为数据并进行预处理，得到当前用户的用户行为资讯标签兴趣度向量；根据当前用户的用户属性资讯标签兴趣度向量和用户行为资讯标签兴趣度向量计算得到用户‑资讯标签兴趣度向量，最终确定用户最感兴趣的若干个资讯标签。本发明解决用户兴趣度预估的冷启动问题，避免了直接从互联网中选取资讯时常会出现的资讯质量低的问题，同时降低了对用户兴趣度预估问题的计算量，适用于每个样本含有多个标签的场景。
-
公开(公告)号：CN108629665B
公开(公告)日：2021-07-16
申请号：CN201810433175.X
申请日：2018-05-08
Applicant: 北京邮电大学 , 联通在线信息科技有限公司
IPC: G06Q30/06
Abstract: 本发明公开一种个性化商品推荐方法和系统，方法包括：获取预设时间段内多个用户的历史行为数据，按照预定规则整理后得到第一训练样本；基于余弦相似度方法得到影响因子作为第二训练样本；将第一训练样本和第二训练样本作为深度学习模型的训练样本进行训练，得到已训练的深度学习模型；输出模型预测出的用户感兴趣的商品列表。本发明有效地利用用户历史行为中商品的时序信息，使历史行为中的商品在推荐系统计算中根据其交互行为发生的时间顺序而具有不同的权重值，商品影响因子体现了商品的全局特征及该用户对该商品的兴趣程度，有效增加深度学习模型获取到的特征量，有效提升对冷启动用户的个性化推荐效果。
-
公开(公告)号：CN108629665A
公开(公告)日：2018-10-09
申请号：CN201810433175.X
申请日：2018-05-08
Applicant: 北京邮电大学 , 联通在线信息科技有限公司
IPC: G06Q30/06
Abstract: 本发明公开一种个性化商品推荐方法和系统，方法包括：获取预设时间段内多个用户的历史行为数据，按照预定规则整理后得到第一训练样本；基于余弦相似度方法得到影响因子作为第二训练样本；将第一训练样本和第二训练样本作为深度学习模型的训练样本进行训练，得到已训练的深度学习模型；输出模型预测出的用户感兴趣的商品列表。本发明有效地利用用户历史行为中商品的时序信息，使历史行为中的商品在推荐系统计算中根据其交互行为发生的时间顺序而具有不同的权重值，商品影响因子体现了商品的全局特征及该用户对该商品的兴趣程度，有效增加深度学习模型获取到的特征量，有效提升对冷启动用户的个性化推荐效果。
-
-
-
-
-
Search Results
6
records
(took 0.031 seconds)
