公开(公告)号：CN114357283B

公开(公告)日：2024-08-02

申请号：CN202111505740.7

申请日：2021-12-10

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  贺壮壮 ,  涂立静 ,  李景霞

IPC: G06F16/9535 ,  G06F16/9536 ,  G06Q50/00 ,  G06N3/0464

Abstract: 本发明公开了一种基于评论和自注意力机制的推荐方法，通过利用用户和物品的交互行为分别获得用户与物品的表征矩阵，应用用户—评论的自注意力模块得到用户与评论之间的隐式关系，丰富用户的表征矩阵；将处理后的用户表征矩阵与物品表征矩阵拼接起来，并将其作为联合表征矩阵输入到全连接层中，经过计算得到用户对物品的预测评分；对预测评分进行降序排列，选取评分最高的N个商品进行推荐。本发明通过使用自注意力机制处理评论，使模型的性能优于现有的技术下的推荐模型，最终提高了真实环境下推荐物品的准确度。

公开(公告)号：CN112347362A

公开(公告)日：2021-02-09

申请号：CN202011283015.5

申请日：2020-11-16

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  刘玉良 ,  李方 ,  涂立静 ,  李景霞 ,  王伟娜

IPC: G06F16/9535 ,  G06F40/284 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明公开了一种基于图自编码器的个性化推荐方法，利用用户与物品的交互行为，构建邻接矩阵，并对其进行归一化处理，使用图卷积网络进行卷积操作，获取节点的隐层表示；利用用户评论文本和物品描述文本作为节点信息的来源，得到每个节点的初始特征向量，再使用图注意力网络聚合邻居节点特征，更新节点信息；利用用户和物品的属性特征，构建全连接网络计算得到隐层特征；将隐层特征进行拼接得到新的节点信息，构建全连接网络，进行编码，使用双线性解码器重构用户对物品的评分作为预测评分，针对得到的预测评分采用Top‑N推荐生成推荐物品列表。本发明能更精确的帮助分析用户对物品的偏好程度，找到用户的关注点，从而进行更有效的推荐。

公开(公告)号：CN112131982A

公开(公告)日：2020-12-25

申请号：CN202010949092.3

申请日：2020-09-10

Applicant: 安徽农业大学

Inventor： 刘连忠 ,  宁井铭 ,  吴国栋 ,  江朝晖 ,  张晴晴 ,  李栋梁 ,  李孟杰

IPC: G06K9/00 ,  G06K9/62 ,  G06N3/04

Abstract: 本发明提供一种基于卷积神经网络的茶树嫩芽识别方法，包括下列步骤：步骤1、使用图像采集设备进行目标茶树图像的连续采集；步骤2、对采集的茶树图像进行预处理得到待处理茶树图像；步骤3、构建用于嫩芽识别的卷积神经网络，使用不同场景条件下的训练输入图像对神经网络进行训练，建立茶树嫩芽识别模型；步骤4、利用所述茶树嫩芽识别模型识别待处理茶树图像中的嫩芽及其所在位置，并显示识别结果。其中，所用的卷积神经网络结构使用了多个池化窗口来提高对目标大小变化的适应能力。本发明的方法可以有效实现复杂场景下茶树嫩芽的准确识别，增强了对环境变化的适应能力，大大提高了嫩芽识别的准确性和可靠性。

公开(公告)号：CN112115377A

公开(公告)日：2020-12-22

申请号：CN202010951695.7

申请日：2020-09-11

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  查志康 ,  李方 ,  涂立静 ,  李景霞 ,  王伟娜

IPC: G06F16/9536 ,  G06N3/04 ,  G06N3/08 ,  G06Q30/06 ,  G06Q50/00

Abstract: 本发明公开了一种基于社交关系的图神经网络链路预测推荐方法，建立用户——物品二部图，根据用户之间的社交关系构建含有用户社交关系的物品互动拓扑图。将评论文本和购买关系作为节点信息的来源，使用Bert进行文本数据和网络结构的特征提取工作，以得到每个节点的初始特征向量。通过在该GNN上使用残差连接的方式，使得图中的节点信息尽可能地保留原始图谱的的结构信息，并得到更新后的节点信息。最后，通过链路预测算法得到用户对物品的偏好程度，并且针对得到的预测评分，采用Top‑n推荐，生成推荐物品列表。本发明通过评论对节点特征进行个性化描述，并且能将用户——物品构成拓扑图的结构信息充分运用，从而进行更有效的推荐。

公开(公告)号：CN106777359B

公开(公告)日：2019-06-07

申请号：CN201710040092.X

申请日：2017-01-18

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  史明哲

IPC: G06F16/33 ,  G06F16/9535

Abstract: 本发明公开了一种基于受限玻尔兹曼机的文本业务推荐方法，是通过输入业务需求描述，自动获取其相似信息，利用LDA主题模型提取主题，并结合RBM未知偏好主题预测模型得到用户的偏好主题，通过计算用户偏好主题和相应待推荐业务的主题相似度，进而为用户推荐，省去用户花费大量的时间去寻找需求业务及对各个业务进行决策分析的工作量。本发明能帮助用户过滤掉无效业务信息及对未知潜在偏好主题进行预测，从而能提供优质个性化的潜在业务信息。

公开(公告)号：CN114445180B

公开(公告)日：2025-04-15

申请号：CN202210055478.9

申请日：2022-01-18

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  朱文涛 ,  李景霞 ,  何章伟 ,  刘涵伟 ,  刘旭旭

IPC: G06Q30/0601 ,  G06F16/36 ,  G06F16/9535 ,  G06F16/958 ,  G06N3/044 ,  G06N3/084 ,  G06N5/022

Abstract: 本发明公开了一种基于知识图谱的个性化推荐方法及装置，方法包括：S1：将用户、物品以及物品的属性值抽象为实体节点，基于用户与物品之间的关系建立第一边，将物品与物品属性值之间的属性关系作为第二边，进而构建出包含用户与物品的协同知识图谱，并根据协同知识图谱获取实体节点之间的嵌入表示；S2：针对实体节点中用户u与实体节点中物品i之间的连接路径，根据各个实体节点的嵌入对连接路径进行聚合处理，得到连接路径的嵌入表示；S3：使用实体节点之间的嵌入表示以及连接路径的嵌入表示训练预先搭建的模型直至模型收敛，得到目标预测模型，所述目标预测模型用于向用户推荐物品。本方法以端到端的方式可以进行更加准确的物品推荐。

公开(公告)号：CN119025762A

公开(公告)日：2024-11-26

申请号：CN202411517228.8

申请日：2024-10-29

Applicant: 安徽农业大学

Inventor： 谷贺旭 ,  涂立静 ,  陈海斌 ,  吴国栋 ,  张彦聪

IPC: G06F16/9536 ,  G06F16/9535 ,  G06F18/22 ,  G06N3/042 ,  G06N3/045 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/084

Abstract: 本发明属于智能推荐领域，具体公开了一种基于图神经网络的长短期兴趣感知协同推荐方法，包括：输入用户历史会话数据，构建用户会话全图；初始化项目嵌入，并确定最终的项目嵌入；确定每个会话对应的最终嵌入；确定会话全图的最终嵌入，即具有短期兴趣的用户交互嵌入；基于用户画像对用户嵌入，构建用户相似度矩阵，确定具有长期兴趣的用户相似度嵌入；基于用户交互嵌入，构建内容相似度矩阵，确定具有长期兴趣的内容相似度嵌入；确定用户的最终兴趣嵌入；内积计算用户对项目的偏好程度并生成推荐列表。本发明通过综合考虑用户长短期兴趣，更加准确地捕捉用户的个性化需求，提升推荐结果的相关性和准确性。

公开(公告)号：CN113496259B

公开(公告)日：2024-09-10

申请号：CN202110725548.2

申请日：2021-06-29

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  刘玉良 ,  涂立静 ,  杨宇 ,  汪菁瑶 ,  范维成 ,  毕海娇

IPC: G06N3/042 ,  G06N3/0464 ,  G06N3/08

Abstract: 本发明公开了一种融入标签信息的图神经网络推荐方法，包括以下步骤：步骤1、构建用户‑物品交互图以及物品‑物品关联图；步骤2、学习用户‑物品交互图中节点的特征表示；步骤3、学习所述物品‑物品关联图中节点的特征表示；步骤4、利用用户‑物品交互图中节点的特征表示、物品‑物品关联图中节点的特征表示构建多层感知机预测用户对物品的交互偏好值；步骤5、基交互偏好值向用户推荐物品。相较于使用单一交互数据的传统推荐方法，本发明能进行更合理更精确的推荐，并在一定程度上缓解物品冷启动问题。

公开(公告)号：CN118536581A

公开(公告)日：2024-08-23

申请号：CN202410667615.3

申请日：2024-05-28

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  鲍宪立 ,  李景霞 ,  高博文 ,  王云跃 ,  陈海斌 ,  涂立静

IPC: G06N5/01 ,  G06N3/042 ,  G06N3/08 ,  G06F16/9535 ,  G06N3/0442

Abstract: 本发明公开了一种融合异质路径嵌入与时间衰减的动态图推荐方法，包括以下步骤：步骤1、构建动态多路异构图；步骤2、当动态多路异构图中有新的边产生，通过路径重要性度量函数来评估动态多路异构图中每条路径的重要性并更新动态多路异构图；步骤3、构建动态关系增强表示更新器，得到每个用户节点、物品节点各自的特征表示；步骤4、构建动态时序信息扩散器，对每个用户节点、物品节点的特征表示进行更新；步骤5、根据步骤4更新后的用户节点、物品节点的特征表示，预测用户与物品下一刻产生交互的评分。本发明能够实时捕捉用户与推荐物品之间的交互行为。

公开(公告)号：CN118469738A

公开(公告)日：2024-08-09

申请号：CN202410618002.0

申请日：2024-05-17

Applicant: 安徽农业大学

Inventor： 吴国栋 ,  高博文 ,  鲍宪立 ,  王云跃 ,  黄苗苗 ,  李景霞 ,  涂立静

IPC: G06Q50/02 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0475 ,  G06F21/64 ,  G06F18/10 ,  G06F18/25 ,  G06N3/084

Abstract: 本发明涉及生成对抗网络、人工智能生成内容和区块链存证技术领域，尤其是一种多模态农作物生长数据的生成及存证方法，步骤1、采集农作物生长过程中的多模态数据并进行预处理；步骤2、构建Conditional WGAN‑GP模型；步骤3、通过Conditional WGAN‑GP模型生成农作物生长多模态数据；步骤4、将生成的数据打包上链；本发明采用先进的生成对抗网络模型，并结合了丰富的历史农作物生长数据，包括多源传感器采集的环境参数、无人机拍摄的高分辨率农田图像、以及详细的农事活动记录文本等多模态信息。这些模型通过学习农作物生长过程中的时空规律和环境响应特性，能够生成具有高度真实感和多样性的虚拟农作物生长数据，涵盖从播种到收获的全周期生长状态及环境影响因素，通过区块链技术存证，保证了数据的可靠性和不可篡改性。