公开(公告)号：CN113420866B

公开(公告)日：2022-10-11

申请号：CN202110698814.7

申请日：2021-06-23

申请人： 新疆大学

发明人： 秦继伟 ,  武步尘

IPC分类号： G06N3/04 ,  G06N3/08 ,  G06Q10/04

摘要： 本发明公开了基于双重生成对抗网络的评分预测方法，主要涉及深度学习领域；包括步骤：S1、将样本分为用户喜欢的样本、未购买的样本和用户不喜欢的样本三种类型；S2、使用两个GAN，第一个GAN的G为负样本生成器，第二个GAN的G为正样本生成器，负样本生成器用于生成高质量的负样本；S3、将负样本生成器生成的样本作为额外的标记数据输入到正样本生成器中，并随机选取一些未购买的样本作为输入输入到负样本生成器中以生成正样本；S4、第二个GAN输入用户喜欢的购买向量并要求在第一个GAN生成的负样本元素上生成接近0的输出，并将随机采样的未购买向量尽可能生成x(0＜x＜1)；本发明能够提高模型对推荐预测的精度和模型的泛化力。

公开(公告)号：CN118013134A

公开(公告)日：2024-05-10

申请号：CN202410173711.2

申请日：2024-02-07

申请人： 新疆大学

发明人： 秦继伟 ,  韩璐

IPC分类号： G06F16/9536 ,  G06F16/9535 ,  G06N3/045 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/084

摘要： 本发明为一种基于评分偏差偏移的增强型社交推荐方法和模型。一种基于评分偏差偏移的增强型社交推荐方法，包括以下步骤：S1用户建模；S2项目建模；S3融合元路径的图注意力网络；S4评分预测。本发明所述的一种基于评分偏差偏移的增强型社交推荐方法和模型，使用图神经网络来学习用户和项目的表示，同时考虑评级偏差偏移量；通过层次化的图神经网络结构，可以捕捉用户和项目之间的复杂关系以及评级偏差的影响。在训练过程中，通过最小化预测评分与实际评分之间的误差，优化图神经网络的参数，从而可以更准确地预测用户对项目的评分，提供个性化的推荐结果。

公开(公告)号：CN117973503A

公开(公告)日：2024-05-03

申请号：CN202410193789.0

申请日：2024-02-21

申请人： 新疆大学

发明人： 秦继伟 ,  李路

IPC分类号： G06N3/098 ,  G06N3/096 ,  G06F18/2415 ,  H04L9/00 ,  H04L9/32 ,  H04L67/104 ,  H04L67/1097

摘要： 本发明为一种基于区块链的联合学习灾难性遗忘补偿方法。一种基于区块链的联合学习灾难性遗忘补偿方法，包括：S1联合学习任务发布；S2用户选择及任务分配；S3模型训练：经过所需轮次，所述的联合学习请求者通过检索区块获得最后一个全局模型后，联合学习请求者和所有联合学习节点在平台上注销登陆；S4委员会投票：所述的委员会节点接收工人节点的本地模型并进行最佳旧模型的投票，把本地模型和投票结果发送给相联系矿工节点；S5区块挖掘；S6将更新后的全局模型作为S2中的深度学习模型，并返回执行所述的步骤S2，直至更新后的全局模型收敛。本发明所述的一种基于区块链的联合学习灾难性遗忘补偿方法，可提高全局局部遗忘补偿模型的安全性和隐私性。

公开(公告)号：CN109902231A

公开(公告)日：2019-06-18

申请号：CN201910132973.3

申请日：2019-02-22

申请人： 新疆大学

发明人： 秦继伟 ,  蒋云鹏 ,  汪烈军

IPC分类号： G06F16/9535

摘要： 本发明涉及线上学习资源推荐领域，尤其涉及一种基于CBOW模型的学习资源推荐方法。步骤1、收集学习者的历史学习行为，将所有学习行为添加进空白词典来建立学习行为词典；步骤2、由学习行为词典训练CBOW模型得到学习行为间的相似度；步骤3、由训练完成的结果预测学习者未来的行为，得出候选列表一；步骤4、基于学习者对学习资源的评分，采用传统推荐算法中的协同过滤算法进行预测，得出候选列表二；步骤5、根据相同学习者合并两个候选列表，得出最终的项目推荐列表。本发明使用CBOW来表示学习历史行为中学习内容的知识序列，并使用这些特征来计算项目之间的相似性，克服了传统推荐系统中资源序列关系被忽视的问题。

公开(公告)号：CN116484114A

公开(公告)日：2023-07-25

申请号：CN202310470323.6

申请日：2023-04-27

申请人： 新疆大学

发明人： 秦继伟 ,  王涛

IPC分类号： G06F16/9536 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/048 ,  G06N3/084 ,  G06N3/0985

摘要： 本发明涉及一种非对称邻域聚合的残差图卷积协同过滤推荐方法和设备。该方法根据用户特征信息、物品特征信息及其交互数据构造用户对物品的二部图，对用户和物品的特征信息进行独热编码，然后使用线性嵌入层将其映射为初始的节点嵌入向量；将节点嵌入向量在改进的图卷积层进行特征传播，对所有层的节点嵌入向量进行加权平均，得到用户和物品的最终嵌入向量；在预测层对最终嵌入向量进行内积运算，得到目标用户对目标物品的评分。本发明利用一种新的特征传播机制来更新用户和物品的节点嵌入向量，充分捕捉用户与物品之间的高阶交互关系，不仅缓解了过度平滑效应，还充分利用了用户和物品的低阶节点特征，从而有效地提高了推荐的精度。

公开(公告)号：CN113420233A

公开(公告)日：2021-09-21

申请号：CN202110700334.X

申请日：2021-06-23

申请人： 新疆大学

发明人： 秦继伟 ,  曾威

IPC分类号： G06F16/9536 ,  G06F16/36

摘要： 本发明公开了协同知识感知增强网络推荐方法，主要涉及计算机应用技术领域；包括步骤：S1、构建知识图谱；S2、将用户和项目交互中的显式编码的协同信息和知识图谱中的关联知识无缝地结合起来，通过知识感知神经注意力机制融入用户和项目在知识图谱中的传播信息；S3、构建交叉压缩单元，通过交叉压缩单元得到项目原始嵌入，然后与知识图谱传播信息进行融合；S4、进行评分预测；本发明能够更好地适应数据稀疏及用户冷启动问题，以此提高模型性能和泛化力。

公开(公告)号：CN109885748A

公开(公告)日：2019-06-14

申请号：CN201910132455.1

申请日：2019-02-22

申请人： 新疆大学

发明人： 秦继伟 ,  蒋云鹏 ,  汪烈军

IPC分类号： G06F16/951 ,  G06F16/9535 ,  G06F16/33 ,  G06F16/36

摘要： 本发明涉及用户兴趣点预测及相关项目推荐技术领域，尤其涉及一种基于语意特征的优化推荐方法。该方法包括以下步骤：步骤1，收集项目信息，将其添加到空白词典建立项目词典；步骤2，通过Word2vec模型提取项目语意特征，计算项目间的相似度；步骤3，根据项目间的相似度预测用户感兴趣的项目，应用Top-N推荐算法得出推荐的项目列表。本发明使用Word2vec技术提取语意特征，并使用这些特征来计算项目之间的相似性，克服了传统推荐系统中项目内容语意特征被忽视的问题。本发明基于语意特征进行项目推荐，相比传统推荐算法，本方法推荐的准确性更高。

公开(公告)号：CN109871488A

公开(公告)日：2019-06-11

申请号：CN201910132974.8

申请日：2019-02-22

申请人： 新疆大学

发明人： 秦继伟 ,  韩晓凤 ,  汪烈军

IPC分类号： G06F16/9535 ,  G06K9/62 ,  G06N3/00 ,  G06N3/08 ,  G06N3/12 ,  H04L29/08

摘要： 本发明涉及Web服务技术领域，尤其涉及一种融合可用度和用户偏好的Web服务构建方法及Web服务。包括以下步骤：步骤1、用户偏好的分类：根据用户偏好的类别将Web服务的服务质量属性按照定性偏好和定量偏好进行分类；步骤2、根据服务之间的调用关系定义服务组合的调用结构并计算服务组合的全局可用度，再根据全局可用度，获得服务组合优劣排序；步骤3、根据步骤1、2得到的三个服务组合优劣排序，采用多目标优化算法算出最终服务组合优劣排序。本发明在组合服务时应用了定性和定量偏好，在定性偏好度量中，运用了神经网络中的BP算法来调整初始属性权重，使得用户偏好能够得到精确表达。

公开(公告)号：CN117892815A

公开(公告)日：2024-04-16

申请号：CN202410066742.8

申请日：2024-01-17

申请人： 新疆大学

发明人： 秦继伟 ,  夏博绅

IPC分类号： G06N5/022 ,  G06N3/042 ,  G06N3/0455 ,  G06N3/047 ,  G06N3/0895 ,  G06N5/04 ,  G06N3/0464 ,  G06F40/30

摘要： 本发明为一种基于知识图谱的图对比推荐方法。一种基于知识图谱的图对比推荐方法，包括以下步骤：S1：知识图谱嵌入采样：采用TransE向量映射方法处理知识图谱数据，从项目的一阶知识图谱数据中采样不同的部分生成项目的3个语义表示视图；S2：语义编码；S3：多视图特征对比；S4：预测推荐：利用内积来计算用户项目在向量空间中的关联度，将其作为系统的最终推荐预测指标。本发明所述的一种基于知识图谱的图对比推荐方法，能够有效提升GNN在与知识图谱数据结合时信息聚合和用户偏好表示方面的能力，缓解无效连接在图卷积的消息聚合过程中被放大从而影响推荐系统效果这一问题。

公开(公告)号：CN116566693A

公开(公告)日：2023-08-08

申请号：CN202310569769.4

申请日：2023-05-19

申请人： 新疆大学

发明人： 秦继伟 ,  罗锦涛

IPC分类号： H04L9/40 ,  G06F18/2415 ,  G06F18/2411 ,  G06F18/214 ,  G06F18/243 ,  G06F18/27 ,  G06Q40/04

摘要： 本发明涉及一种基于网络嵌入的以太坊钓鱼账号检测方法。该方法利用以太坊数据中标记的钓鱼账号信息和账号的历史交易记录，构造一个带有账号交易时间与金额信息的大型交易网络；使用基于有偏随机游走的网络嵌入算法提取网络中所有账号的特征；提取的所有账号的特征输入到机器学习分类器中训练，对钓鱼账号与非钓鱼账号进行分类，实现对钓鱼账号的检测。本发明提出的交易网络，在交易边上引入了额外的权重，该权重的引用使得节点在构建后的交易网络中游走时，能够充分利用邻居节点的特征，并深度挖掘交易网络中节点的隐含特征，从而提高以太坊的钓鱼账号的识别能力。引入了平衡参数来平衡交易边上交易金额与交易时间段的影响，实现最佳检测效果。