一种基于大语言模型的抑郁症监测方法及系统

    公开(公告)号:CN118692692A

    公开(公告)日:2024-09-24

    申请号:CN202411164551.1

    申请日:2024-08-23

    申请人: 清华大学

    发明人: 高宸 李勇 兰孝翀

    摘要: 本发明涉及语言分析技术领域,提供了一种基于大语言模型的抑郁症监测方法及系统,包括:获取用户在社交平台发布的历史贴文,基于历史贴文通过预设的大语言模型提取抑郁症状特征、情绪历程特征和文本历史特征;将所述抑郁症状特征、情绪历程特征和文本历史特征进行集成拼接,构建最终特征向量;将所述最终特征向量输入至预训练的预测模型,通过所述预测模型经过多次迭代后输出预测值,基于预测值生成解释性输出。本发明解决了现有技术中根据社交记录进行抑郁症判断准确性差、成本高的问题。

    基于异质社交关系的商品推荐方法、装置和电子设备

    公开(公告)号:CN113379494B

    公开(公告)日:2024-05-31

    申请号:CN202110648210.1

    申请日:2021-06-10

    申请人: 清华大学

    摘要: 本发明提供一种基于异质社交关系的商品推荐方法、装置和电子设备,包括:确定待推荐商品的用户;将用户输入推荐模型,输出所有商品的推荐度;推荐模型是基于样本用户、对应的购买商品标签以及存在社交关系的用户标签进行训练得到的,所述推荐模型训练时的网络结构包括异质社交关系表示超图卷积网络、商品向量表示超图卷积网络、关系向量表示超图卷积网络、用户嵌入表示超图卷积网络和商品用户推荐度计算网络,异质社交关系表示超图卷积网络用于将输入的样本用户结合样本用户存在社交关系的用户标签组成的两用户一商品超边三元组采用向量进行表示;基于推荐度,确定为所述用户推荐的商品。本发明提供的方法提高了商品推荐的有效性。

    一种基于图卷积神经网络的捆绑推荐方法及系统

    公开(公告)号:CN111611472B

    公开(公告)日:2024-02-27

    申请号:CN202010244341.9

    申请日:2020-03-31

    申请人: 清华大学

    摘要: 本发明实施例提供一种基于图卷积神经网络的捆绑推荐方法及系统。该方法包括:获取用户与捆绑历史交互数据、用户与物品历史交互数据和捆绑与物品从属关系数据;再输入至捆绑推荐模型中,得到捆绑推荐模型输出的用户与捆绑交互可能性推荐结果;其中所述捆绑推荐模型通过基于用户数据集合、捆绑数据集合和物品数据集合构建统一异构图,提取物品层级图卷积传播特征和捆绑层级图卷积传播特征之后进行联合预测及特征连接,并基于难负样本学习策略训练所得到的。本发明实施例通过将用户、捆绑和物品之间的交互关系和从属关系重构为图,并利用图神经网络的强大能力从复杂的拓扑结构和高阶连通性中学习三种关联实体表示,能达到更好的推荐性能。

    基于图注意力网络的长尾商品推荐方法及系统

    公开(公告)号:CN111681067B

    公开(公告)日:2023-10-31

    申请号:CN202010306909.5

    申请日:2020-04-17

    摘要: 本发明实施例提供一种基于图注意力网络的长尾商品推荐方法及系统,该方法包括:获取待推荐商品交互信息,所述待推荐商品交互信息包括待推荐商品ID信息集合、用户ID信息集合、待推荐商品流行度信息和用户商品交互记录信息,所述待推荐商品流行度信息表示用户与商品之间的交互数量信息;将所述待推荐商品交互信息输入到训练好的商品推荐模型,得到待推荐商品的推荐结果;所述训练好的商品推荐模型是通过图注意力网络构建的,并由标记为负样本的样本商品ID信息和样本用户ID信息训练得到的。本发明实施例基于图注意力网络提升长尾商品的推荐效果,使得向用户推荐的商品中包含更多长尾商品。

    地点推荐方法、装置、设备及存储介质

    公开(公告)号:CN112328911B

    公开(公告)日:2023-05-23

    申请号:CN202011187249.X

    申请日:2020-10-30

    IPC分类号: G06F16/9537

    摘要: 本申请公开了一种地点推荐方法、装置、设备及存储介质,涉及用户兴趣推荐领域。该方法包括:构建用户地点关系图,用户地点关系图中的连接线用于连接结点间的交互关系和辅助关系,辅助关系包括用户间的社交关系和地点间的地理位置关系中的至少一种,地理位置关系包括地点节点在地图中的位置关系;基于用户地点关系图进行向量传播和向量更新得到用户结点的用户表征向量和地点结点的地点表征向量,向量传播和向量更新用于根据结点间的连接线进行向量传播和迭代学习、提取用户地点关系图中的邻接关系;根据目标用户的用户结点与至少两个地点结点的至少两个预测分数输出目标用户的推荐地点。该方法能提高地点推荐的准确度。

    资源推荐方法、推荐模型训练方法、装置及存储介质

    公开(公告)号:CN116010695A

    公开(公告)日:2023-04-25

    申请号:CN202310003626.7

    申请日:2023-01-03

    摘要: 本公开关于一种资源推荐方法、推荐模型训练方法、装置及存储介质,所述方法包括:获取预设对象的预设对象属性、候选多媒体资源的候选资源信息以及预设对象对应的预设位置信息;将预设对象属性、预设位置信息以及候选资源信息输入关联关系确定模型进行位置资源关系确定,得到预设关系确定结果;预设关系确定结果表征针对预设对象的预设对象属性,预设位置信息与候选资源信息是否存在关联关系;根据预设关系确定结果,从预设对象属性、预设位置信息以及候选资源信息中确定待识别数据;将待识别数据输入资源推荐模型进行资源推荐,得到目标推荐结果;目标推荐结果表征向预设对象推荐候选多媒体资源的概率。本公开提高了推荐结果的准确率。

    视频推荐方法、装置及电子设备

    公开(公告)号:CN115630188A

    公开(公告)日:2023-01-20

    申请号:CN202211154166.X

    申请日:2022-09-21

    申请人: 清华大学

    摘要: 本发明提供一种视频推荐方法、装置及电子设备,涉及信息处理技术领域,该方法包括:将获取的待推荐视频集合中的各待推荐视频分别划分为预设数量个视频片段;将提取的用户特征和视频片段视觉特征输入视频推荐模型,获得视频推荐模型输出的用户属性信息对应用户对待推荐视频的兴趣度;根据兴趣度从待推荐视频集合中确定目标推荐视频输出给用户;视频推荐模型基于用户对应的样本原始视频、样本正反馈视频片段集合和样本负反馈视频片段集合训练得到,样本正反馈视频片段集合为用户完整观看的样本原始视频的视频片段的集合,样本负反馈视频片段集合为用户跳过行为发生时刻所在的视频片段的集合。本发明提供的技术方案能够提高视频推荐的准确性。

    多媒体资源推荐方法、装置、电子设备及存储介质

    公开(公告)号:CN113190757A

    公开(公告)日:2021-07-30

    申请号:CN202110535282.5

    申请日:2021-05-17

    摘要: 本公开关于一种多媒体资源推荐方法、装置、电子设备及存储介质,涉及计算机技术领域。本公开实施例,通过用户账号曾经交互过的多媒体资源,对用户账号的兴趣进行整合分析,通过多媒体资源根据相似度确定的聚集情况,分析哪些多媒体资源为用户账号的核心兴趣,通过多媒体资源与候选多媒体资源之间的相似度,能够分析出哪些多媒体资源与候选多媒体资源比较相似,结合这两种因素,自然能够从用户账号曾经交互过的多媒体资源中,分析出与候选多媒体资源相似且能够代表用户账号的核心兴趣的多媒体资源,以此来为用户账号来进行多媒体资源推荐,能够使得推荐的目标多媒体资源符合用户账号的核心兴趣,符合用户偏好,提高推荐结果的准确性。

    基于多层次知识图谱的仪器推荐方法及装置

    公开(公告)号:CN117290611A

    公开(公告)日:2023-12-26

    申请号:CN202311577580.6

    申请日:2023-11-24

    摘要: 本发明提供一种基于多层次知识图谱的仪器推荐方法及装置,涉及仪器推荐技术领域,方法包括:获取目标用户的仪器使用数据,目标用户的仪器使用数据包括仪器使用信息和目标用户与仪器的交互信息;根据仪器使用信息,得到仪器知识图谱,以及根据目标用户与仪器的交互信息,得到仪器交互二部图;将仪器知识图谱和仪器交互二部图输入至仪器推荐模型中,得到仪器推荐模型输出的仪器推荐结果。本发明不仅依赖用户的历史交互数据,还考虑仪器在仪器知识图谱中的位置和与其他仪器的关系,以及其在特定应用领域的重要性,从而显著提升推荐系统对用户需求的理解,以为用户提供更加合适、有针对性的推荐。