-
公开(公告)号：CN108763400A
公开(公告)日：2018-11-06
申请号：CN201810496356.7
申请日：2018-05-22
Applicant: 合肥工业大学
CPC classification number: G06Q30/0601
Abstract: 本发明提供了一种基于对象行为和主题偏好的对象划分方法及装置。所述方法包括：获取第一数量个目标对象的初始文档集合；利用潜在狄利克雷分布模型获取到所述每个目标对象的主题偏好向量；标准化所述每个目标对象的行为向量；利用所述主题偏好向量和所述标准行为向量更新所述初始文档集合；基于所述每个目标对象的更新文档集合，利用潜在狄利克雷混合模型计算所述每个目标对象所属的类别组；分别获取所述每个类别组内所有目标对象的主题偏好向量的平均值和标准行为向量的平均值得到所述每个类别组的特征向量。本发明实施例可以实现对多种不同特征进行建模，有利于确定各目标对象的分类，提高对象划分结果。
-
公开(公告)号：CN105976220A
公开(公告)日：2016-09-28
申请号：CN201610264552.2
申请日：2016-04-25
Applicant: 合肥工业大学
IPC: G06Q30/06
CPC classification number: G06Q30/0631
Abstract: 本发明公开了一种基于项目使用次数的矩阵分解推荐方法，包括如下步骤：1)用三元组表示用户对项目的使用次数；2)标准化用户对项目的使用次数；3)利用FPTree算法获得项目集的频繁二项集；4)基于项目的使用人数，获得项目集的流行度；5)利用所建立的推荐算法模型，预测用户对项目的使用次数；5)建立用户对项目的真实使用次数与其预测使用次数的损失函数；6)基于损失函数，利用随机梯度下降法获取各未知参数，进而预测用户对项目的使用次数；7)对用户未使用项目的预测使用次数降序排序，将排序靠前的项目推荐给用户。本发明不仅比传统的基于项目相似度的矩阵分解方法速度快，而且其精度优于传统矩阵分解方法和协同过滤的方法。
-
公开(公告)号：CN108537638B
公开(公告)日：2020-12-15
申请号：CN201810325618.3
申请日：2018-04-12
Applicant: 合肥工业大学
IPC: G06Q30/06
Abstract: 本发明提供了一种基于贝叶斯回归的利基产品推荐方法及装置。该利基产品推荐方法通过获取用户的兴趣偏好、邻居的兴趣偏好和产品的口碑，得到用户的总体偏好向量，然后再获取用户的特殊偏好向量，之后根据总体偏好向量和特殊偏好向量确定加权贝叶斯回归模型，最后根据加权贝叶斯回归模型为向各利基产品的排序靠前的设定数量个用户推荐。可见，本实施例中结合用户整体和用户个体，可以有针对性推荐利基产品，可以提高推荐效率和推荐成功率，进而提升用户的购物体验。
-
公开(公告)号：CN108256055B
公开(公告)日：2020-03-17
申请号：CN201810036105.0
申请日：2018-01-15
Applicant: 合肥工业大学
IPC: G06F40/216 , G06F16/36
Abstract: 本发明公开了一种基于数据增强的主题建模方法，其特征是按如下步骤进行：步骤一、获取文档集合并表示；步骤二、使用潜在狄利克雷分布模型抽取所述文档集合D的主题，得到K个主题‑词分布和|D|个文档主题分布；步骤三、对单词进行主题影响力赋值；步骤四、对每篇文档进行数据增强；步骤五、建立数据增强的主题模型，并得到最终的主题‑词分布。本发明能在数据稀疏情况下充分利用文档信息进行数据增强，从而提高主题质量。
-
公开(公告)号：CN108564445A
公开(公告)日：2018-09-21
申请号：CN201810335754.0
申请日：2018-04-13
Applicant: 合肥工业大学
IPC: G06Q30/06
Abstract: 本发明提供一种利基项目推荐方法及装置。包括：根据描述内容获取M个已知项目和N个利基项目中每个项目的主题分布；基于主题分布从每个项目中随机抽取一个主题确定为所述每个项目的主题；聚集具有相同主题的已知项目和利基项目，得到N个聚集组；基于主题建立每个聚集组的分层贝叶斯线性回归模型；获取所述每个聚集组的分层贝叶斯线性回归模型的模型参数；基于回归模型获取所述每个聚集组中利基项目与所有用户的相关度，向相关度较大的预设数量位用户推荐所述利基项目。本实施例能够数据稀疏的情况下充分利用用户信息，有利于提高利基项目推荐的转换率。另外，本发明实施例提供了一种利基项目推荐的方法，能够区分出利基项目和长尾项目。
-
Patent Agency Ranking
公开(公告)号：CN108256055A
公开(公告)日：2018-07-06
申请号：CN201810036105.0
申请日：2018-01-15
Applicant: 合肥工业大学
Abstract: 本发明公开了一种基于数据增强的主题建模方法，其特征是按如下步骤进行：步骤一、获取文档集合并表示；步骤二、使用潜在狄利克雷分布模型抽取所述文档集合D的主题，得到K个主题‑词分布和|D|个文档主题分布；步骤三、对单词进行主题影响力赋值；步骤四、对每篇文档进行数据增强；步骤五、建立数据增强的主题模型，并得到最终的主题‑词分布。本发明能在数据稀疏情况下充分利用文档信息进行数据增强，从而提高主题质量。
-
公开(公告)号：CN108564445B
公开(公告)日：2022-03-22
申请号：CN201810335754.0
申请日：2018-04-13
Applicant: 合肥工业大学
IPC: G06Q30/06
Abstract: 本发明提供一种利基项目推荐方法及装置。包括：根据描述内容获取M个已知项目和N个利基项目中每个项目的主题分布；基于主题分布从每个项目中随机抽取一个主题确定为所述每个项目的主题；聚集具有相同主题的已知项目和利基项目，得到N个聚集组；基于主题建立每个聚集组的分层贝叶斯线性回归模型；获取所述每个聚集组的分层贝叶斯线性回归模型的模型参数；基于回归模型获取所述每个聚集组中利基项目与所有用户的相关度，向相关度较大的预设数量位用户推荐所述利基项目。本实施例能够数据稀疏的情况下充分利用用户信息，有利于提高利基项目推荐的转换率。另外，本发明实施例提供了一种利基项目推荐的方法，能够区分出利基项目和长尾项目。
-
公开(公告)号：CN108733824B
公开(公告)日：2020-07-03
申请号：CN201810496873.4
申请日：2018-05-22
Applicant: 合肥工业大学
IPC: G06F16/332 , G06F16/36
Abstract: 本发明提供了一种考虑专家知识的交互式主题建模方法及装置。所述方法包括：获取初始文档集合；利用潜在狄利克雷分布模型LDA对初始文档集合进行主题提取，得到K个第一主题‑词分布；对每个主题‑词分布下的词语进行排序，获取每个主题‑词分布下的概率值较大的前L个词语；基于专家数据库对L个词语中每个词语进行评分，得到每个主题的待分配概率；根据待分配概率调整所述每个第一主题‑词分布下的所有词语的概率，得到每个主题的第二主题‑词分布；基于第二主题‑词分布，利用带约束的交互式主题模型获取初始文档集合的第三主题‑词分布。本发明实施例由专家对词语评分，可以提高第三主题‑词分布的准确度。
-
公开(公告)号：CN108733824A
公开(公告)日：2018-11-02
申请号：CN201810496873.4
申请日：2018-05-22
Applicant: 合肥工业大学
IPC: G06F17/30
Abstract: 本发明提供了一种考虑专家知识的交互式主题建模方法及装置。所述方法包括：获取初始文档集合；利用潜在狄利克雷分布模型LDA对初始文档集合进行主题提取，得到K个第一主题-词分布；对每个主题-词分布下的词语进行排序，获取每个主题-词分布下的概率值较大的前L个词语；基于专家数据库对L个词语中每个词语进行评分，得到每个主题的待分配概率；根据待分配概率调整所述每个第一主题-词分布下的所有词语的概率，得到每个主题的第二主题-词分布；基于第二主题-词分布，利用带约束的交互式主题模型获取初始文档集合的第三主题-词分布。本发明实施例由专家对词语评分，可以提高第三主题-词分布的准确度。
-
公开(公告)号：CN108537638A
公开(公告)日：2018-09-14
申请号：CN201810325618.3
申请日：2018-04-12
Applicant: 合肥工业大学
IPC: G06Q30/06
Abstract: 本发明提供了一种基于贝叶斯回归的利基产品推荐方法及装置。该利基产品推荐方法通过获取用户的兴趣偏好、邻居的兴趣偏好和产品的口碑，得到用户的总体偏好向量，然后再获取用户的特殊偏好向量，之后根据总体偏好向量和特殊偏好向量确定加权贝叶斯回归模型，最后根据加权贝叶斯回归模型为向各利基产品的排序靠前的设定数量个用户推荐。可见，本实施例中结合用户整体和用户个体，可以有针对性推荐利基产品，可以提高推荐效率和推荐成功率，进而提升用户的购物体验。
-
-
-
-
-
-
-
-
-
Search Results
14
records
(took 0.024 seconds)
