-
公开(公告)号：CN120068930A
公开(公告)日：2025-05-30
申请号：CN202510230105.4
申请日：2025-02-28
Applicant: 华南农业大学
Abstract: 本发明公开了一种基于图提示的跨域推荐方法及系统，涉及跨域推荐技术领域，包括：在源域和目标域分别构建知识图，提取实体和关系以形成结构化信息；接着，通过TransE方法训练知识图嵌入，并利用图注意力网络在源域预训练图编码器模型，通过图对比学习微调图编码器模型参数，提高实体嵌入表示的鲁棒性，然后，在目标域进行图提示调整，包括软图提示和个性化图提示，以缩小源域和目标域的嵌入空间差异及训练目标差异。最后，个性化提示向量与增强的嵌入向量用于用户评分预测，以更精准地满足个性化需求，实现跨领域推荐的目标。本发明将预训练和微调相结合，在目标域中能够根据实际需求对推荐进行个性化调整，显著提高了推荐的准确度。
-
公开(公告)号：CN120067949A
公开(公告)日：2025-05-30
申请号：CN202510230094.X
申请日：2025-02-28
Applicant: 华南农业大学
IPC: G06F18/2433 , G06F18/20 , G06F18/10 , G06F18/213 , G06N3/0455 , G06N3/08 , G06N3/0442 , G06N3/042 , G06N5/022
Abstract: 本发明公开了基于知识感知的多尺度时间序列异常段检测方法及系统，涉及数据挖掘技术领域，包括：获取企业的多变量时间序列并进行预处理，将多变量时间序列分解为趋势分量和季节分量，构建时间序列知识图，基于时间序列知识图使用关系图注意力网络及门控递归单元构建趋势分量的时间动态特性，获取趋势分量的预测值；将多变量时间序列的季节分量分解为单变量序列并分割为补丁，利用多尺度Transformer捕捉季节分量的各个模式，提取季节分量的模式特征，获取季节分量的预测值；计算趋势分量的预测值和季节分量的预测与实际观测值的偏差，生成异常分数进行异常判定。本发明有效提高了多维时间序列异常检测的准确性和鲁棒性。
-
公开(公告)号：CN118820588B
公开(公告)日：2025-02-07
申请号：CN202410830003.1
申请日：2024-06-25
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06Q30/0201 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于图卷积和自注意力机制的购物篮推荐方法及系统，包括：基于包含购物篮、商品项、商品类型、价格以及用户等多个类型节点的图结构数据，通过图卷积网络聚合每个节点的邻接信息，从而更全面捕捉节点与图结构之间的内在联系。同时，构建用户的价格特征学习模块以精确表达相邻用户之间的相似价格偏好。通过引入注意力机制精确分配价格、用户、商品、购物篮之间的权重，使得模型可以结合用户偏好，做出具有针对性和个性化的推荐。本发明优化了推荐算法的性能，提高了用户的满意度，实现推荐系统与用户需求的更精确的匹配。
-
Patent Agency Ranking
公开(公告)号：CN118797163B
公开(公告)日：2025-03-21
申请号：CN202410937718.7
申请日：2024-07-12
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于数据增强与表征对齐的购物篮推荐方法及系统，包括：将购物篮数据嵌入表征输入到降噪自编码器及变分自编码器进行数据增强得到两种更具鲁棒性的购物篮嵌入表征，基于自编码器的解码器完成对两种重构购物篮表征对齐，并且与原来的购物篮嵌入表征构成三组正样本对，基于预设数量K抽出与用户购物篮不相关的项目，与三组购物篮嵌入表征构成3*K组负样本，通过对比学习，最大化正样本对的相似性，最小化负样本对的相似性，完成模型的训练。本发明利用自编码器对购物篮的嵌入表征进行数据增强，进而构建对比学习，用来优化购物篮的嵌入表征，从而提升下一个购物篮推荐任务的效果。
-
公开(公告)号：CN118820588A
公开(公告)日：2024-10-22
申请号：CN202410830003.1
申请日：2024-06-25
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06Q30/0201 , G06N3/0464 , G06N3/0442 , G06N3/08
Abstract: 本发明公开了一种基于图卷积和自注意力机制的购物篮推荐方法及系统，包括：基于包含购物篮、商品项、商品类型、价格以及用户等多个类型节点的图结构数据，通过图卷积网络聚合每个节点的邻接信息，从而更全面捕捉节点与图结构之间的内在联系。同时，构建用户的价格特征学习模块以精确表达相邻用户之间的相似价格偏好。通过引入注意力机制精确分配价格、用户、商品、购物篮之间的权重，使得模型可以结合用户偏好，做出具有针对性和个性化的推荐。本发明优化了推荐算法的性能，提高了用户的满意度，实现推荐系统与用户需求的更精确的匹配。
-
公开(公告)号：CN118799038B
公开(公告)日：2024-11-19
申请号：CN202411260400.6
申请日：2024-09-10
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06N3/0442 , G06N3/08 , G06N5/02 , G06N5/045 , G06Q30/0202 , G06F16/36 , G06F18/25
Abstract: 本发明涉及一种基于知识强化的购物篮可解释推荐方法与系统，属于购物推荐技术领域，通过基于购物篮知识图谱中的三步图构建购物篮临时表征序列，通过LSTM生成用户的购物篮序列级别的表征。基于用户近期购买的商品及其次数，进行加权学习生成用户的复购表征。学习权重融合用户的预训练表征、购物篮序列级别的表征和复购表征，得到用户预测向量。使用用户预测向量代替用户预训练表征，使用强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径。通过知识图谱、用户购物篮序列和复购行为建模等构建用户及其他实体表征，并使用强化学习实现可解释购物篮推荐，提升电子商务的推荐准确性，提高了用户体验，促进了交易达成。
-
公开(公告)号：CN118799038A
公开(公告)日：2024-10-18
申请号：CN202411260400.6
申请日：2024-09-10
Applicant: 华南农业大学
IPC: G06Q30/0601 , G06N3/0442 , G06N3/08 , G06N5/02 , G06N5/045 , G06Q30/0202 , G06F16/36 , G06F18/25
Abstract: 本发明涉及一种基于知识强化的购物篮可解释推荐方法与系统，属于购物推荐技术领域，通过基于购物篮知识图谱中的三步图构建购物篮临时表征序列，通过LSTM生成用户的购物篮序列级别的表征。基于用户近期购买的商品及其次数，进行加权学习生成用户的复购表征。学习权重融合用户的预训练表征、购物篮序列级别的表征和复购表征，得到用户预测向量。使用用户预测向量代替用户预训练表征，使用强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径。通过知识图谱、用户购物篮序列和复购行为建模等构建用户及其他实体表征，并使用强化学习实现可解释购物篮推荐，提升电子商务的推荐准确性，提高了用户体验，促进了交易达成。
-
公开(公告)号：CN118797163A
公开(公告)日：2024-10-18
申请号：CN202410937718.7
申请日：2024-07-12
Applicant: 华南农业大学
IPC: G06F16/9535 , G06Q30/0601 , G06N3/0455 , G06N3/0895
Abstract: 本发明公开了一种基于数据增强与表征对齐的购物篮推荐方法及系统，包括：将购物篮数据嵌入表征输入到降噪自编码器及变分自编码器进行数据增强得到两种更具鲁棒性的购物篮嵌入表征，基于自编码器的解码器完成对两种重构购物篮表征对齐，并且与原来的购物篮嵌入表征构成三组正样本对，基于预设数量K抽出与用户购物篮不相关的项目，与三组购物篮嵌入表征构成3*K组负样本，通过对比学习，最大化正样本对的相似性，最小化负样本对的相似性，完成模型的训练。本发明利用自编码器对购物篮的嵌入表征进行数据增强，进而构建对比学习，用来优化购物篮的嵌入表征，从而提升下一个购物篮推荐任务的效果。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.015 seconds)
