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。

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

Inventor： 吴国栋 ,  王云跃 ,  陈海斌 ,  黄苗苗 ,  鲍宪立 ,  李景霞 ,  涂立静

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。