-
公开(公告)号：CN118377979A
公开(公告)日：2024-07-23
申请号：CN202410813896.9
申请日：2024-06-24
申请人： 杭州电子科技大学 , 杭州电子科技大学滨江研究院有限公司
IPC分类号： G06F16/9537 , G06F16/9535 , G06F16/36 , G06F18/25
摘要： 本发明公开了一种基于时序知识图谱的兴趣点推荐方法、介质及电子设备。本发明以用户的历史行为轨迹和多模态信息为基础，构建了动态时序知识图谱和静态群组知识图谱，分别用于学习用户随时间变化的兴趣偏好和不随时间变化的稳定特征。同时，本发明运用深度学习方法建立了一个兴趣点推荐模型，可结合用户评论情感嵌入序列从两个知识图谱中提取兴趣点融合特征表示和用户融合特征表示，以准确预测下一时刻目标用户最可能访问的兴趣点。本发明具有准确度高、可扩展性强等特点，可为个性化地用户行为轨迹预测提供支持。
-
公开(公告)号：CN118377965A
公开(公告)日：2024-07-23
申请号：CN202410526812.3
申请日：2024-04-29
申请人： 杭州电子科技大学
IPC分类号： G06F16/9535 , G06F16/901 , G06N3/0464 , G06N3/096 , G06N3/0985
摘要： 本发明公开了一种因子感知图阶段性负采样表示学习个性化服务方法，步骤如下：S1、输入用户的历史标记数据；S2、根据用户和服务之间的交互构建用户‑服务邻接矩阵；S3、构建负样本候选集合；S4、在无向图G中迭代地执行图卷积生成用户和物品的嵌入表征；S5、利用解耦技术分解出负因子，并对负因子的语义进行约束；S6、利用用户增强挑选出真正的负面实例以进行训练；S7、将正负实例与真负实例相结合，生成合成的硬负实例，以进行进一步性能优化；S8、对正面实例和令人困惑的正面实例之间进行迁移学习；S9、将用户和服务在不同层的嵌入表示相加作为最终表示；S10、推荐：计算最终表示的内积作为每个服务的推荐得分，为用户推荐分数最高的若干个服务。
-
公开(公告)号：CN115858926B
公开(公告)日：2023-09-01
申请号：CN202211505338.3
申请日：2022-11-29
申请人： 杭州电子科技大学
IPC分类号： G06F16/9535 , G06N3/0464 , G06N3/08
摘要： 本发明公开了一种基于用户的复杂多模式兴趣提取与建模的序列推荐方法，包括如下步骤：步骤1、得到长期嵌入序列和短期嵌入序列；步骤2、通过长期嵌入序列和短期嵌入序列得到更新的长期嵌入序列和短期嵌入序列；步骤3、将更新的长短期嵌入序列中最后一个物品的嵌入向量作为用户的长短期动态兴趣，通过加权计算得到用户的长短期静态兴趣；步骤4、将长短期动态兴趣和长短期静态兴趣进行拼接然后进行非线性变化得到用户的长短期进化兴趣；步骤5、通过逐元素求和得到用户的动静态兴趣和进化兴趣；步骤6、进行加权求和到融合的用户兴趣；步骤7、计算融合兴趣与所有物品嵌入的乘积作为每个物品的推荐得分，该方法实现更准确的用户个性化序列推荐。
-
公开(公告)号：CN114299728B
公开(公告)日：2023-04-21
申请号：CN202111680770.1
申请日：2021-12-29
申请人： 杭州电子科技大学
IPC分类号： G08G1/065 , G08G1/01 , G06F30/27 , G06F119/02
摘要： 本发明涉及一种结合注意力机制与动态时空卷积模型的车辆流量预测方法，针对现有模型无法有效利用道路间车流量转移关系的问题，提出了道路级流量转移嵌入模块，学习到道路间的流量转移时间序列的张量表示；针对现有方法无法捕获动态变化的空间依赖的问题，提出了动态空间注意力模块，用于计算动态变化的空间依赖矩阵；针对现有模型无法有效对时序重要性有效建模的问题，提出了动态时间注意力模块，用于计算时序注意力权重。通过上述组件，本模型可以有效利用道路流量转移数据、捕获道路间动态变化的时空依赖关系，从而提高道路电动自行车流量预测的准确性。
-
公开(公告)号：CN112784177B
公开(公告)日：2022-04-15
申请号：CN202110062234.9
申请日：2021-01-18
申请人： 杭州电子科技大学
IPC分类号： G06F16/9537 , G06N7/00 , G06Q30/06
摘要： 本发明公开了一种空间距离自适应的下一个兴趣点推荐方法。该方法结合马尔科夫链并且能够自适应用户个人偏好进行兴趣点推荐。使用马尔科夫链捕获用户签到序列的时序关系，并且为每个用户生成个性化的转移矩阵用于捕获用户个人偏好。引入张量分解模型解决数据集签到数据稀疏的问题，使每个转移矩阵都受到相似用户、相似兴趣点、用户潜在偏好的影响，生成更完善和高质量的用户转移矩阵，通过这个转移矩阵捕获完善的用户个人偏好和兴趣点之间的转移关系。通过用户签到序列学习用户的个性化潜在行为模式，从而捕获到有效的用户潜在个人偏好。通过融合空间距离的方法对用户长期潜在个人偏信息作出取舍，根据兴趣点间的距离自适应用户个人偏好。
-
公开(公告)号：CN113626597A
公开(公告)日：2021-11-09
申请号：CN202110830568.6
申请日：2021-07-22
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于门控三塔的智能制造装备故障预测方法，包括：S1通道塔编码器；S2带有多尺度聚合模块的滑窗塔编码器；S3带有跨塔注意力模块的文本塔编码器；S4门控模块。本发明首先将通道嵌入矩阵输入到通道塔编码器，得到通道特征；将时序嵌入矩阵输入到带有多尺度聚合模块的滑窗塔编码器，得到聚合时序特征；进一步，将文本表示输入至文本塔编码器得到文本特征并将文本特征和时序特征输入至跨塔注意力模块得到加权文本特征；最后通过门控模块融合通道特征、聚合时序特征和加权文本特征进行故障类别预测；通过计算交叉熵损失优化参数，使得模型能够动态地自适应融合多台智能制造装备的三种特征，从而提升故障预测的准确率。
-
公开(公告)号：CN110688565B
公开(公告)日：2021-10-15
申请号：CN201910830872.3
申请日：2019-09-04
申请人： 杭州电子科技大学
IPC分类号： G06F16/9535 , G06Q10/04
摘要： 本发明公开了一种基于多维霍克斯过程和注意力机制的下一个物品推荐方法，包括：S1基于多维霍克斯过程和注意力机制的物品关键特征向量和用户兴趣向量的获取；S2用户动态兴趣的预测与建模；S3序列感知的推荐。本发明利用多维霍克斯过程和注意力机制从用户物品交互序列中提取物品的特征向量和用户兴趣向量，再结合用户的交互序列记录预测用户的动态兴趣，最后在推荐的时候综合考虑用户的兴趣偏好和物品的关键特征向量，从而改进推荐效果，提升推荐准确率。
-
公开(公告)号：CN113362242A
公开(公告)日：2021-09-07
申请号：CN202110621167.X
申请日：2021-06-03
申请人： 杭州电子科技大学
摘要： 本发明公开了一种基于多特征融合网络的图像修复方法，包括：S1基于多特征融合的生成网络；S2编码器中基于多级特征提取的下采样模块；S3解码器中基于多级特征提取的上采样模块；S4解码器中基于亚像素的上采样层；S5基于块的判别网络。本发明首先将待修复图像输入基于多特征融合的生成网络中，得到具有一定结构信息的初始修复图像；然后将初始修复图像输入到基于多特征融合的精细生成网络中，进一步填充高频信息；通过计算重建损失、结构损失和对抗损失，优化网络参数，使得修复后的图像具有清晰合理的结构信息及有序的纹理信息，提升修复后图像的视觉质量。
-
公开(公告)号：CN111949865A
公开(公告)日：2020-11-17
申请号：CN202010795451.4
申请日：2020-08-10
申请人： 杭州电子科技大学
IPC分类号： G06F16/9535 , G06F16/9537
摘要： 本发明提出了一种基于图神经网络与用户长短期偏好的兴趣点推荐方法。本发明通过将用户的历史签到数据中的每一天访问的兴趣点序列作为一个会话序列；基于这些会话构造有向图，其中每个会话序列视为子图，每个节点代表一个兴趣点，每个有向边表示用户在访问此边的源兴趣点之后访问了指向的兴趣点。基于此图，通过图神经网络捕获兴趣点之间的联系并准确地生成兴趣点的向量表示。而基于这些兴趣点的表示向量，之后通过结合注意力机制为用户推荐下一步要访问的兴趣点。本发明分别从用户和兴趣点的角度进行融合成一个更好的地理信息模型。为此，在该模型中使用了用户和兴趣点之间的地理距离和用户在相邻兴趣点上的签到频次，解决了签到数据稀疏问题。
-
公开(公告)号：CN110688583A
公开(公告)日：2020-01-14
申请号：CN201910830873.8
申请日：2019-09-04
申请人： 杭州电子科技大学
IPC分类号： G06F16/9536
摘要： 本发明公开了一种基于层次化物品协同过滤推荐方法，包括以下步骤：收集用户对物品的行为数据以及物品的元数据；对收集的行为数据和物品的元数据进行建模和物品相似度计算；基于层次化物品协同过滤的推荐。本发明主要是利用多种数据，包括用户对物品的行为数据和物品的元数据信息，以此计算物品之间的相似度并实施基于层次化物品协同过滤的推荐，缓解数据稀疏和冷启动问题的影响，进而改进推荐结果的准确率和多样性。
-
-
-
-
-
-
-
-
-
搜索结果
58 条记录 (耗时 0.079 秒)