-
公开(公告)号：CN119579284A
公开(公告)日：2025-03-07
申请号：CN202411742675.3
申请日：2024-11-29
Applicant: 合肥工业大学
IPC: G06Q30/0601 , G06F18/213 , G06F18/25 , G06Q10/087
Abstract: 本发明公开了一种融合库存信息的多样性推荐优化方法，包括：1.构建用户和商品的数据集合；2.构建矩阵分解模型；3.构建效用最大化函数；嵌入商品库存约束、商品类型约束对推荐结果进行优化；4.采用启发式算法求解用户对于商品的预测评分，并获取最终推荐结果。本发明采用了矩阵分解的商品推荐模型，同时融合了商品的库存信息，减少了推荐系统推荐缺货产品的情况，从而能提高系统推荐公平性和用户对平台的满意度。
-
公开(公告)号：CN119226625A
公开(公告)日：2024-12-31
申请号：CN202411427978.6
申请日：2024-10-14
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06F40/30 , G06N3/042 , G06N3/045 , G06N3/0464 , G06N3/084 , G06N5/045
Abstract: 本发明公开了一种基于大语言模型增强的物品方面级偏好解耦推荐方法，包括：1、基于用户的评分和评论数据构建用户‑物品交互矩阵；2、利用大语言模型，结合Prompt，从评论中提取用户对物品的方面偏好及用户意图；3、构建偏好预测模型，解耦用户‑物品交互矩阵为子意图交互矩阵，利用GCN对子意图交互矩阵进行卷积操作，得到各意图下的用户和物品嵌入；4、利用注意力机制，得到加权融合所有意图的用户和物品嵌入；5、计算预测得分；6、构建并优化损失函数；7、对预测得分降序排序，取前X个物品作为推荐列表。本发明利用大语言模型从用户评论中推断出用户意图，并结合GCN和注意力机制得到加权融合所有意图的用户和物品嵌入，从而能提高推荐精度。
-
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：CN113704404B
公开(公告)日：2024-03-05
申请号：CN202110995578.5
申请日：2021-08-27
Applicant: 合肥工业大学
IPC: G06F16/33 , G06F16/31 , G06F18/2415
Abstract: 本发明公开了一种基于专业生成内容的产品替代性信息抽取方法，包括：1构建专业生成内容数据集合并表示，2建模市场竞争结构，获得市场环境下与产品相关的竞争信息和替代性关系，3构建有参贝叶斯模型，4整合变分推理和坍塌式吉布斯抽样，使用坍塌式变分贝叶斯推断算法进行参数推断。本发明在应对社交媒体中的大规模的专业生成内容时，能够有效、快速、准确地发现专业生成内容中的产品竞争关系，抽取出市场中产品间的替代性信息，帮助企业发现市场中产品间的替代性关系，有助于企业识别直接或间接竞争对手，为企业提供重要的竞争情报。
-
公开(公告)号：CN114417837B
公开(公告)日：2024-02-13
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。
-
Patent Agency Ranking
公开(公告)号：CN115577180A
公开(公告)日：2023-01-06
申请号：CN202211350762.5
申请日：2022-10-31
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06F16/22 , G06F16/906 , G06N3/04 , G06N3/063 , G06N3/08 , G06Q50/20
Abstract: 本发明公开了一种考虑课程先导关系和课程分类的序列推荐方法，包括：1、根据用户与课程的交互数据，构造知识图谱，捕捉课程间的先导关系；2、根据用户学习的历史课程序列，利用门控图神经网络和注意力机制建模用户课程层面的兴趣；3、根据用户学习的历史课程序列、课程分类信息，利用GRU建模用户分类层面的长期兴趣转移；4、结合用户的两方面兴趣以及课程间的先导关系，预测用户对课程的偏好，选取合适的损失函数来优化模型。5、利用推荐模型预测用户对课程的偏好，为用户推荐下一个课程。本发明结合了知识图谱与图神经网络，既能捕捉课程之间的先导关系，又能从课程层面和分类层面捕捉用户的兴趣变化，从而实现更准确的推荐效果。
-
公开(公告)号：CN115525819A
公开(公告)日：2022-12-27
申请号：CN202210337382.1
申请日：2022-03-31
IPC: G06F16/9535 , G06K9/62 , G06N3/04 , G06N3/08
Abstract: 本发明公开了一种面向信息茧房的跨领域推荐方法，包括：1、获取用户对产品评分的数据集并进行数据预处理；2、构建跨领域知识迁移推荐模型的跨域知识迁移模块；3、构建跨领域知识迁移推荐模型的目标域意外性提取模块；4、利用训练集的数据对模型进行训练，并根据测试结果调整优化模型的超参数；5、将测试集数据输入到训练好的模型中，对输出的全部物品预测得分排序，最后选择前N项产品推荐给用户。本发明可产生对于用户而言感到既相关又意外的推荐产品，在保证推荐准确性的同时也能提升推荐的意外性，从而能提升用户满意度。
-
公开(公告)号：CN115455172A
公开(公告)日：2022-12-09
申请号：CN202210923703.6
申请日：2022-08-02
Applicant: 合肥工业大学
IPC: G06F16/335 , G06F16/33 , G06F40/30 , G06Q50/18
Abstract: 本发明提供一种基于深度学习的专利组合推荐方法及系统，涉及专利推荐技术领域。本申请将预先获取的专利数据集划分成专利文本数据、专利关系数据，以及专利结构化数据，然后由这三类数据获取专利文本相似度矩阵和专利表征向量，同时将每个企业对应的企业专利数据集按照时间顺序划分为真实专利组合；接着利用专利组合表征学习模型学习并更新专利表征向量；最后利用上述真实专利组合和更新专利表征向量训练LSTM模型，并基于训练后最优的LSTM模型获取每个专利预测评分，基于专利文本相似度矩阵获取专利相似性评分，最终综合考虑专利预测评分和专利相似性评分为企业进行专利组合推荐。本发明相比于现有技术专利组合推荐精度更高，可为企业批量推荐专利。
-
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：CN114387997A
公开(公告)日：2022-04-22
申请号：CN202210072804.7
申请日：2022-01-21
Applicant: 合肥工业大学 , 合肥供水集团有限公司
Abstract: 本发明公开了一种基于深度学习的语音情感识别方法，其步骤包括：1获取会话语音集合并进行分帧和加窗处理；2提取语音帧的LLDs特征序列和语谱图；3提取LLDs序列的表征；4提取语谱图的表征。5使用特征融合与结果融合的策略以得到最后的情感预测结果。本发明能有效预测语音的情感类别，并能提高预测准确性。
-
-
-
-
-
-
-
-
-
Search Results
42
records
(took 0.031 seconds)
