-
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
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
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：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
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：CN117992541A
公开(公告)日：2024-05-07
申请号：CN202410087017.9
申请日：2024-01-22
Applicant: 安徽农业大学
IPC: G06F16/27 , G06F16/23 , G06F21/60 , G06F21/64 , G06Q20/38 , H04L67/1042 , H04L67/1097 , H04L9/40 , H04L9/00
Abstract: 本发明公开了一种区块链交易信息的存证和分片扩容方法及系统，方法包括：根据用户类型，利用哈希算法对用户类型对应的信息进行加密；将加密后的信息根据所述用户类型进行对应组合，得到组合后的数据项；利用哈希分片算法将所述数据项存储到星型架构上不同分片的节点上；生成用于记录所述数据项的上链时间的时间戳，并确定所述数据项的哈希值，将所述时间戳和所述哈希值存储至分片节点内，并反馈交易凭证。利用本发明实施例，能够增加交易信息的处理和验证的并发度，提高系统通量，进而提高存储效率、验证速度和交易能力，以实现区块链更高效的数字存证服务，使得更多的数字存证数据能够被快速处理和存储在区块链上。
-
公开(公告)号：CN117540111A
公开(公告)日：2024-02-09
申请号：CN202410028020.3
申请日：2024-01-09
Applicant: 安徽农业大学
IPC: G06F16/9536 , G06F16/906 , G06F16/9535 , G06N3/042 , G06N3/0495 , G06N3/044 , G06N3/0464 , G06N3/045 , G06N3/088
Abstract: 本发明公开了一种基于图神经网络的偏好感知社会化推荐方法，属于社会化推荐方法技术领域，包括以下步骤：S1：输入用户社交信息和用户与物品间交互信息；S2：构建用户社交图和用户物品交互图，初始化用户和物品嵌入；S3：确定最终的一阶用户嵌入；S4：将用户物品交互图分为多个子图；S5：确定二阶或高阶用户嵌入；S6：确定一阶至高阶用户嵌入和物品嵌入进行加权求和，得到最终的用户嵌入和物品嵌入；S7：内积计算用户对物品的偏好程度；S8：根据偏好程度降序排序并生成推荐列表；本发明不仅通过社会化推荐方法解决了传统推荐模型的冷启动和数据稀疏问题，而且解决现有社会化推荐系统的精度低问题，提升推荐模型的推荐精度。
-
Patent Agency Ranking
公开(公告)号：CN112115377B
公开(公告)日：2022-05-27
申请号：CN202010951695.7
申请日：2020-09-11
Applicant: 安徽农业大学
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：CN113343094A
公开(公告)日：2021-09-03
申请号：CN202110683807.X
申请日：2021-06-21
Applicant: 安徽农业大学
IPC: G06F16/9535 , G06F40/284 , G06N3/04 , G06N3/08 , G06Q30/06
Abstract: 本发明公开了一种信息增强的缓解推荐用户冷启动问题的元学习方法，根据用户物品的评论关系构建用户—物品二部图；将用户邻域信息和物品描述文本作为节点信息的来源，对构建的二部图进行随机采样，构建元学习的任务，每个任务代表为一个新用户做冷启动推荐来模拟为新用户实现推荐的场景；再使用bert方法，针对每个元学习任务进行文本数据的特征提取工作，以得到偏好信息；将偏好信息引导元全局参数生成每个用户的嵌入生成函数的局部参数，通过将元学习任务输入到推荐模型得到用户对物品的预测评分，对于元学习参数进行更新，训练好的参数直接运用到未训练过的新用户。本发明缓解了新用户交互少无法评估偏好推荐不准确的问题。
-
公开(公告)号：CN111782765A
公开(公告)日：2020-10-16
申请号：CN202010590113.7
申请日：2020-06-24
Applicant: 安徽农业大学
IPC: G06F16/33 , G06F16/9535 , G06Q30/06 , G06F40/289
Abstract: 本发明公开了一种基于图注意力机制的推荐方法，根据用户——物品购买行为建立用户——物品二部图。将用户评论文本和物品描述文本作为节点信息的来源，使用word2vec方法进行文本数据的特征提取工作，以得到每个节点的初始特征向量。通过在该二部图上搭建图注意力网络的方式，使得二部图中的节点信息可实现以注意力机制为核心的聚合操作，并得到更新后的节点信息。最后，通过MLP全连接网络将更新后的节点信息作为输入，经过多层映射后得到用户对物品的预测评分，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用户分析对物品的偏好程度，找到用户的关注点，从而进行更有效的推荐。
-
公开(公告)号：CN119025762B
公开(公告)日：2025-01-28
申请号：CN202411517228.8
申请日：2024-10-29
Applicant: 安徽农业大学
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：CN118657560A
公开(公告)日：2024-09-17
申请号：CN202410685432.4
申请日：2024-05-30
Applicant: 安徽农业大学
IPC: G06Q30/0251 , G06F40/30 , G06N3/0464 , G06N3/08 , G06V30/148
Abstract: 本发明公开了一种基于多模态语义融合的图Transformer物品推荐方法，包括：1.提取物品的文本描述和图像内容；2.构建用户‑物品交互矩阵和用户‑物品模态交互矩阵；3.初始化用户、物品的特征向量，初始化物品的文本特征和视觉特征；4.通过多层图卷积网络分别得到用户、物品在协同过滤下的表示；5.通过模态自适应图Transformer模型分别得到用户在文本、视觉模态下的表示；6.建模用户与物品的最终表示；7.构建损失函数，得到最优模型；8.根据推荐模型向用户推荐最感兴趣的若干物品。本发明通过协同过滤技术增强多模态语义融合，可以有效利用多模态信息建模用户偏好，从而能提高推荐准确性。
-
-
-
-
-
-
-
-
-
Search Results
34
records
(took 0.024 seconds)
