-
公开(公告)号：CN110209962B
公开(公告)日：2021-02-26
申请号：CN201910505584.0
申请日：2019-06-12
Applicant: 合肥工业大学
IPC: G06F16/955 , G06F16/34 , G06K9/62 , G06Q50/00
Abstract: 本发明提供主题层次高影响力用户的获取方法和系统，涉及数据处理技术领域。本发明结合社交网络两个方面的用户数据信息：用户链接信息和用户文本信息，提出一种有参贝叶斯模型—稀疏链接主题模型，稀疏链接主题模型基于用户感兴趣的焦点主题进行构建和训练，替代原有用户对主题具有广泛关注的假设，这样模型对数据分析的结果才更贴近实际情况，能够更准确地发现主题层次高影响力用户，从而更好地发掘用户的社会关系与实际需求。
-
公开(公告)号：CN110046228B
公开(公告)日：2021-06-11
申请号：CN201910311522.6
申请日：2019-04-18
Applicant: 合肥工业大学
IPC: G06F16/33 , G06F16/35 , G06F40/289
Abstract: 本发明提供一种短文本主题识别方法和系统，涉及数据处理技术领域。本发明包括以下步骤：S1、获取第一语料集和第二语料集，所述第一语料集为待处理的短文本数据集，所述第二语料集为辅助语料集；S2、基于所述第二语料集上单词得到隐特征向量，基于所述第一语料集构建狄利克雷过程混合模型；S3、基于所述隐特征向量和所述狄利克雷过程混合模型构建非参主题模型；S4、对所述非参主题模型的主题后验分布进行参数推断；S5、基于参数推断识别出第一语料集中主题数量，同时得到第一语料集中文档‑主题分布以及主题‑词分布。本发明通构建狄利克雷过程混合模型以及引进词的隐特征向量表示，能有效缓解稀疏性问题，从而提高短文本主题识别的准确性。
-
公开(公告)号：CN108804689B
公开(公告)日：2020-10-16
申请号：CN201810614031.4
申请日：2018-06-14
Applicant: 合肥工业大学
IPC: G06F16/9535 , G06F16/332 , G06N3/04
Abstract: 本发明的面向问答平台的融合用户隐连接关系的标签推荐方法，可解决传统标签推荐方法推荐结果有限不能满足用户需求的技术问题。包括构建问题集合、问题对应的标签集合、用户集合；构建用户网络；经处理得到用户的特征向量；再得到问题的特征向量；将所述用户的特征向量和所述问题的特征向量做拼接，经过一层全连接网络，得到融合用户隐性连接的多特征向量集；将所述多特征向量集使用逻辑回归模型映射成概率，基于输出的概率值对标签进行降序排序，取前top个标签；训练初步模型，训练终止后，得到最终的推荐模型；当用户在向网站提交问题时，从所述推荐模型中把前top个标签推荐给用户。本发明能提高标签系统的多样性及准确性，能够满足用户需求。
-
公开(公告)号：CN108804689A
公开(公告)日：2018-11-13
申请号：CN201810614031.4
申请日：2018-06-14
Applicant: 合肥工业大学
Abstract: 本发明的面向问答平台的融合用户隐连接关系的标签推荐方法，可解决传统标签推荐方法推荐结果有限不能满足用户需求的技术问题。包括构建问题集合、问题对应的标签集合、用户集合；构建用户网络；经处理得到用户的特征向量；再得到问题的特征向量；将所述用户的特征向量和所述问题的特征向量做拼接，经过一层全连接网络，得到融合用户隐性连接的多特征向量集；将所述多特征向量集使用逻辑回归模型映射成概率，基于输出的概率值对标签进行降序排序，取前top个标签；训练初步模型，训练终止后，得到最终的推荐模型；当用户在向网站提交问题时，从所述推荐模型中把前top个标签推荐给用户。本发明能提高标签系统的多样性及准确性，能够满足用户需求。
-
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。
-
Patent Agency Ranking
公开(公告)号：CN109271491B
公开(公告)日：2021-09-28
申请号：CN201811300270.9
申请日：2018-11-02
Applicant: 合肥工业大学
Abstract: 本发明实施例公开一种基于非结构化文本信息的云服务推荐方法，该方法包括：S1、获取多个云服务的描述性文本信息；S2、根据所述多个云服务的描述性文本信息应用HDP模型对所述多个云服务进行聚类，得到至少一类云服务；S3、获取用户点击的云服务，在所述至少一类云服务中查找所述用户点击的云服务所在的目标类云服务，确定所述目标类云服务中云服务的排序；S4、根据所述目标类云服务中云服务的排序，向所述用户推荐云服务。本发明实施例挖掘不同云服务描述性文本间的关系将相似的云服务放在一起，基于同一类云服务中云服务的排序，向所述用户推荐云服务，从而能够提高云服务推荐准确度。
-
公开(公告)号：CN109933678B
公开(公告)日：2021-04-06
申请号：CN201910170610.9
申请日：2019-03-07
Applicant: 合肥工业大学
Abstract: 本发明实施例提供了一种艺术品推荐方法、装置、可读介质及电子设备，首先，对艺术品的图片风格特征进行学习后在进行聚类，使得风格相近的艺术品被归类与降维，达到了解决数据的稀疏度问题；然后，特征划分狄利克雷过程模型可以对用户群组的偏好进行筛选，得到可以代表用户群组的群兴趣的风格标签，再根据这些风格标签对用户群组的群兴趣进行更细粒度地划分；最后，根据得到的各潜在群组的风格标签分布以及用户属于各潜在群组的概率分布进行个性化推荐，并生成推荐列表。本发明实施例的技术方案可以有效提升预测的准确率和召回率。
-
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。
-
公开(公告)号：CN110209962A
公开(公告)日：2019-09-06
申请号：CN201910505584.0
申请日：2019-06-12
Applicant: 合肥工业大学
IPC: G06F16/955 , G06F16/34 , G06K9/62 , G06Q50/00
Abstract: 本发明提供主题层次高影响力用户的获取方法和系统，涉及数据处理技术领域。本发明结合社交网络两个方面的用户数据信息：用户链接信息和用户文本信息，提出一种有参贝叶斯模型—稀疏链接主题模型，稀疏链接主题模型基于用户感兴趣的焦点主题进行构建和训练，替代原有用户对主题具有广泛关注的假设，这样模型对数据分析的结果才更贴近实际情况，能够更准确地发现主题层次高影响力用户，从而更好地发掘用户的社会关系与实际需求。
-
公开(公告)号：CN110046228A
公开(公告)日：2019-07-23
申请号：CN201910311522.6
申请日：2019-04-18
Applicant: 合肥工业大学
Abstract: 本发明提供一种短文本主题识别方法和系统，涉及数据处理技术领域。本发明包括以下步骤：S1、获取第一语料集和第二语料集，所述第一语料集为待处理的短文本数据集，所述第二语料集为辅助语料集；S2、基于所述第二语料集上单词得到隐特征向量，基于所述第一语料集构建狄利克雷过程混合模型；S3、基于所述隐特征向量和所述狄利克雷过程混合模型构建非参主题模型；S4、对所述非参主题模型的主题后验分布进行参数推断；S5、基于参数推断识别出第一语料集中主题数量，同时得到第一语料集中文档-主题分布以及主题-词分布。本发明通构建狄利克雷过程混合模型以及引进词的隐特征向量表示，能有效缓解稀疏性问题，从而提高短文本主题识别的准确性。
-
-
-
-
-
-
-
-
-
Search Results
12
records
(took 0.019 seconds)
