-
公开(公告)号：CN115098692B
公开(公告)日：2024-09-20
申请号：CN202210614778.6
申请日：2022-05-30
申请人： 清华大学
IPC分类号： G06F16/36 , G06F16/335 , G06F16/9535 , G06F40/295 , G06F40/30 , G06Q30/0601
摘要： 本发明提供一种跨域推荐方法、装置、电子设备及存储介质，其中，所述方法应用于数据稀疏的目标域，目标域的目标域实体包括待推荐用户实体和待推荐商品实体，所述方法包括：获取知识图谱和源域，其中，源域中的源域实体包括源域用户实体和源域商品实体；基于知识图谱，对目标域实体和源域实体进行转换，得到目标域实体向量和源域实体向量；基于目标域实体向量和源域实体向量，通过图注意力模型得到待推荐用户实体的融合偏好特征；基于待推荐用户实体的融合偏好特征，通过跨域贝叶斯机制进行推荐，得到待推荐用户实体关于待推荐商品实体的推荐排序。通过本发明提高了对待推荐用户实体进行商品实体推荐的推荐效率。
-
公开(公告)号：CN114722269B
公开(公告)日：2024-09-06
申请号：CN202210219700.4
申请日：2022-03-08
申请人： 清华大学
IPC分类号： G06F16/9535 , G06F16/9538 , G06N3/0464 , G06N3/042 , G06N3/048 , G06N3/08 , G06Q30/0601 , G06F40/30
摘要： 本申请提出的一种基于图神经网络的物品推荐方法、装置及存储介质中，获取用户信息、物品信息以及用户‑物品的交互信息，利用用户信息、物品信息以及用户‑物品的交互信息，构建用户与物品之间的有向网络图，构建基于图神经网络的ApeGNN模型，利用有向网络图对ApeGNN模型进行训练，得到目标ApeGNN模型。获取每个用户待推荐的物品信息，利用目标ApeGNN模型得到待推荐物品的预测分数，根据预测分数确定排序结果，并根据排序结果输出每个用户对应的推荐物品信息。其中，本申请考虑了用户和物品在每一层中的语义差异性，从而提高了物品推荐的准确度。
-
公开(公告)号：CN113705237B
公开(公告)日：2024-07-23
申请号：CN202110881415.4
申请日：2021-08-02
申请人： 清华大学
IPC分类号： G06F40/295 , G06F40/30 , G06F16/35
摘要： 本发明提供一种融合关系短语知识的关系抽取方法、装置和电子设备，包括：确定待抽取关系语句，以及该语句中的待抽取关系的两个实体的位置信息；将所述待抽取关系语句和所述位置信息输入抽取模型，输出所述两个实体的关系类型；其中，所述抽取模型是基于样本语句、对应的样本头尾实体位置和对应的头尾实体间关系类型标签进行训练得到的，所述抽取模型训练时的网络结构包括语句编码器、协同切割关系短语表示网络、关系记忆网络和关系短语类别分类网络。本发明提供的方法、装置和电子设备，实现了融合关系短语的语义信息到关系类型中，提高了语句中关系类型抽取的准确率。
-
公开(公告)号：CN118364167A
公开(公告)日：2024-07-19
申请号：CN202410322639.5
申请日：2024-03-20
申请人： 清华大学
IPC分类号： G06F16/9535 , G06Q30/0601 , G06N20/20
摘要： 本申请提出了一种图对比学习的多样化物品推荐方法及装置，该方法包括：使用随机高斯噪声来扰动编码器，在原始图的基础上得到增强视图；设计原始图和增强视图的对比范式，计算对比学习损失；根据对比学习获得的用户表征与物品表征，构建行列式点过程DPP中的半正定核矩阵；基于半正定核矩阵，从集合选择的角度设计基于DPP似然的目标函数，并计算基于DPP似然的损失；联合优化对比学习损失和基于DPP似然的损失，输出目标多样化物品列表。基于本申请提出的方案，通过计算DPP似然损失代替传统的BPR损失，并联合优化对比学习损失和DPP似然损失，能够得到目标用户最喜欢且更加多样化的物品推荐列表。
-
公开(公告)号：CN118132829A
公开(公告)日：2024-06-04
申请号：CN202311824291.1
申请日：2023-12-27
申请人： 清华大学
IPC分类号： G06F16/9535 , G06F16/901 , G06N3/042 , G06F16/9536
摘要： 本发明公开了异构图神经网络在学术推荐中的矩阵完成方法及系统，该方法，包括获取学术网络中用户与物品的交互信息；基于交互信息构建用户与物品关系的异构图；基于异构图分别进行用户和物品的模型建模，以根据构建的用户模型和物品模型确定用户表征向量和物品嵌入信息；将用户表征向量和物品嵌入信息输入至图神经网络模型以计算用户和物品的相似度，并基于相似度对物品列表中的物品进行相似度得分排序，以根据得分排序结果预测用户点击的物品。本发明可以利用辅助信息来推荐学术论文，通过使用关系感知的异构GNN来有效增强学术论文推荐。
-
公开(公告)号：CN118020097A
公开(公告)日：2024-05-10
申请号：CN202180101578.4
申请日：2021-08-11
申请人： 罗伯特·博世有限公司 , 清华大学
IPC分类号： G09B5/00
摘要： 提供了一种用于使神经网络系统能够发现多个课程的概念之间的先决条件关系的方法，其中，多个课程中的每个课程包含一系列视频。该方法包括：收集学生行为数据，学生行为数据至少包括跨多个课程的视频观看行为数据；至少基于视频观看行为模式将学生行为数据建模为先决条件特征，其中，视频观看行为模式由来自视频观看行为数据的一个或多个视频对形成；以及至少基于先决条件特征来训练神经网络系统。提供了众多其它方面。
-
公开(公告)号：CN118020080A
公开(公告)日：2024-05-10
申请号：CN202180101405.2
申请日：2021-08-06
申请人： 罗伯特·博世有限公司 , 清华大学
IPC分类号： G06N5/022
摘要： 本公开内容提供了一种用于为在线课程建立知识库的方法。所述方法包括：从多个课程中获得多个概念，其中，所述多个课程包括视频和练习；将所述课程中包括的所述视频和所述练习中的每一项链接到所述多个概念中的一个或多个相关概念；以及将多个学生行为中的每个学生行为链接到所述多个概念中的一个或多个相关概念，其中，所建立的知识库包括以下各项：包括所述视频和所述练习的所述多个课程、所述多个学生行为、所述多个概念、所述视频与所述多个概念之间的链接、所述练习与所述多个概念之间的链接、所述学生行为与所述多个概念之间的链接。
-
公开(公告)号：CN117709307A
公开(公告)日：2024-03-15
申请号：CN202311716558.5
申请日：2023-12-13
申请人： 清华大学
IPC分类号： G06F40/166 , G06F18/25 , G06F18/214 , G06F40/237
摘要： 本发明提出一种自然合理的多语言预训练模型生成语言约束方法，包括，获取不同语言的单语言词表；将所述单语言词表与多语言预训练模型的内置词表相融合，得到融合词表集；获取提示文本与生成时所需的语言；调用所述融合词表集中所需的语言对应的融合词表进行生成，输出生成的结果。通过本发明提出的方法，既防止了生成结果中出现不自然的多语言夹杂情况，又能够保留合理借用的其他语言专有词汇，不干扰模型在正常情况下的生成结果，从而使多语言模型在限定回答使用的语言的情况下也能生成自然合理的文本。
-
公开(公告)号：CN116992334A
公开(公告)日：2023-11-03
申请号：CN202311064423.5
申请日：2023-08-22
申请人： 清华大学
摘要： 本发明公开了面向学术网络节点分类方法和装置，该方法，包括构建基于学术网络的无向图网络；利用预设的特征变换矩阵和低秩矩阵以及邻接矩阵和特征矩阵建立优化目标函数；利用优化目标函数分别求解对于特征变换矩阵和低秩矩阵的梯度信息，并基于梯度信息对特征变换矩阵和低秩矩阵的矩阵参数进行更新以得到更新后的矩阵参数；根据更新后的矩阵参数得到特征变换矩阵和低秩矩阵对于学术实体节点的分类预测概率矩阵，并基于分类预测概率矩阵得到学术网络节点的分类预测结果。本发明可以实现在有噪声情况下对学术网络节点进行合理的分类。
-
公开(公告)号：CN116168204A
公开(公告)日：2023-05-26
申请号：CN202211098643.5
申请日：2022-09-08
申请人： 清华大学
摘要： 本发明公开了一种通过小批量采样改进对比学习的方法及装置，其中，该方法包括：获取实例数据集，利用实例数据集构建邻近图；在邻近图上对所述实例数据集中的实例进行预设数量采样，得到预设数量的训练数据；其中，训练数据用于学习实例的嵌入表示；将训练数据输入多种网络模型进行特征提取，得到训练实例特征；利用训练实例特征和损失函数对多种网络模型进行训练，并使用优化器更新模型参数得到训练好的多种网络模型。本发明通过连接在整个数据集上的相似实例，在邻近图上采样可以更好地探索全局hard负样本。在三个模态上呈现出显著的性能提升，证明了本采样方法的有效性和普遍性，还可以和其他的模型结合以提升模型性能。
-
-
-
-
-
-
-
-
-
搜索结果
189 条记录 (耗时 0.037 秒)