公开(公告)号：CN118364175A

公开(公告)日：2024-07-19

申请号：CN202410529996.9

申请日：2024-04-29

Applicant: 燕山大学

Inventor： 宫继兵 ,  郑少杰 ,  暴阳豪 ,  赵金烨 ,  张锦

IPC: G06F16/9535 ,  G06F16/906 ,  G06F16/35 ,  G06N3/094 ,  G06N3/084 ,  G06N3/0455

Abstract: 本发明提供了一种基于关系感知和语义增强的论文推荐方法，属于智能推荐系统领域，采用了先进的预训练和微调技术，包括Bert‑LSTM、Bert‑ATT和ChatGLM，构建了一个高效的论文学科分类器；通过这种方式，为推荐论文池中的每一篇论文赋予了伪标签；设计了一个基于用户‑论文交互的辅助任务，旨在预测两篇论文是否属于同一学科；本发明采用了对比学习方法，这种方法通过提高同学科论文或用户嵌入之间的相似性，同时拉远不同学科表示之间的距离；还采用了分步更新的策略；最终，使用收敛后的模型来计算用户对论文的评分，并生成个性化的推荐列表。本发明在充分利用语义关系的基础上，不仅提高了推荐系统的新颖性和用户满意度，而且实现了更精准、个性化的论文推荐。

公开(公告)号：CN116501991A

公开(公告)日：2023-07-28

申请号：CN202310427585.4

申请日：2023-04-20

Applicant: 燕山大学

Inventor： 宫继兵 ,  张锦 ,  郞月 ,  赵金烨 ,  郑少杰 ,  丛方鹏

IPC: G06F16/9537 ,  G06F16/9535 ,  G06F16/36 ,  G06N3/0442 ,  G06N3/0475 ,  G06N3/084 ,  G06N3/082

Abstract: 本发明公开了应用于匿名登录场景的基于点击序列时间增强的推荐方法，属于推荐领域，包括数据预处理；构建时间信息增强的会话图；生成会话图上节点的隐向量；生成用户局部兴趣表征；将图神经网络生成的隐向量按照会话时的点击排列作为BiLSTM的输入，使用变长序列处理方法处理不等长的序列，最终得到包含了次序依赖信息的向量，通过Dropout算法对节点特征进行随机Mask以降低噪声数据的影响，最后通过Attention层生成该匿名用户在该会话序列中的全局兴趣；生成用户的最终兴趣表征，回归预测。本发明融合了用户的交互时间信息，增强了序列间节点的长短期依赖，进一步挖掘了用户的潜在兴趣，能够有效提升匿名场景推荐效果。

公开(公告)号：CN115345223A

公开(公告)日：2022-11-15

申请号：CN202210906539.8

申请日：2022-07-29

Applicant: 燕山大学

Inventor： 宫继兵 ,  赵智永 ,  张锦 ,  赵祎 ,  房小涵 ,  丛方鹏

IPC: G06K9/62 ,  G06N3/04 ,  G06Q10/04 ,  G06Q50/06 ,  H02J3/00

Abstract: 本发明公开了一种基于建筑和环境的神经网络SGE电力预测方法，属于深度学习和电力预测技术领域，包括：现实数据集构建，对建筑物信息、环境信息、电力信息进行数据预处理；特征工程，对所述现实数据集的特征进行时间戳处理、特征选择和特征缩放，得到特征时序矩阵；将特征时序矩阵输入SGE电力预测方法；将SGE模型最终电力负荷预测值与电力负荷真实值进行对比，得出模型的效果。本发明SGE模型相较于其他模型可以实现较快的收敛，并且可解释性强，对噪声数据具有一定的鲁棒性，在处理异常数据上有较为优秀的表现。

公开(公告)号：CN118467822A

公开(公告)日：2024-08-09

申请号：CN202410574523.0

申请日：2024-05-10

Applicant: 燕山大学

Inventor： 宫继兵 ,  徐以丽 ,  张锦 ,  赵金烨 ,  郑少杰 ,  暴阳豪 ,  林宇庭

IPC: G06F16/9535 ,  G06Q30/0601

Abstract: 本发明公开了一种基于特征对比和全域图增强的序列推荐方法，属于推荐系统技术领域，包括以下步骤：步骤S1：生成节点特征向量矩阵；步骤S2：构建全域上下文图；步骤S3：生成序列级表征；步骤S4：生成全域级序列表征；步骤S5：生成用户最终序列表征：将步骤S3和步骤S4中训练得到的用户序列的序列级表和全域级表征进行融合，作为行为序列的最终表示；步骤S6：计算评分预测下一次点击：在全部的商品上面做评分，并从中选出评分最高的k个商品推荐给用户。本发明融合了序列学习和图学习的优势，通过构建对比学习任务进行优化，使得模型更专注于提取序列中的关键特征，缓解了数据不平衡的问题，能够有效提升序列推荐效果。

公开(公告)号：CN115840852A

公开(公告)日：2023-03-24

申请号：CN202211581727.4

申请日：2022-12-09

Applicant: 燕山大学

Inventor： 宫继兵 ,  赵金烨 ,  赵祎 ,  郑少杰 ,  张锦 ,  彭吉全 ,  林宇庭

IPC: G06F16/9535 ,  G06F16/906 ,  G06F17/16 ,  G06F18/2321

Abstract: 本发明提供了一种应用于推荐场景的基于时空会话图的归纳式矩阵补全方法，该方法包括：基于用户‑项目二部图提取每个训练用户‑项目对的一跳邻居图，这些局部图包含了丰富的用户与项目交互的图模式信息。根据用户与物品之间的交互时间密度对物品进行聚类，得到用户‑项目对的会话子图序列，聚合用户的会话子图表征得到用户的局部兴趣表征。利用元学习得到会话子图之间的隐含关系，获得用户兴趣的全局表征。之后利用多头注意力机制学习用户、项目的时空邻居表征向量，将全局表征与用户、项目的时空邻居表征融合得到用户兴趣的最终表征。本发明融合了时空信息，进一步挖掘了用户的潜在兴趣，与多种最新方法相比，该方法具有竞争优势。

公开(公告)号：CN118540239A

公开(公告)日：2024-08-23

申请号：CN202410621742.X

申请日：2024-05-20

Applicant: 燕山大学

Inventor： 宫继兵 ,  林宇庭 ,  彭吉全 ,  赵金烨 ,  张锦

IPC: H04L43/08 ,  H04L45/02 ,  H04L45/24

Abstract: 本发明公开了一种基于多路邻域节点自适应选择的异质图异常检测方法，属于深度学习和图数据挖掘技术领域，包括以下步骤：给定元路径模式，构建具有多维语义信息的多维图；扩展多路邻域的采样范围，动态调整邻域节点的采样概率，采样出适量的邻域节点；按照采样节点序列的依赖性、动态性和复杂性仿真强化学习任务中的基本环境要素；在多维图中部署多智能体，自适应地从多维采样节点序列中顺序选择出同配节点；利用关系感知邻域聚合学习全面的节点表征嵌入；将目标节点的表征嵌入传递到下游任务中进行异质图表示学习。本发明能够实现对异质图中邻域节点的细粒度选择，不仅增强中心节点在信息聚合过程的可靠性，还提高异质图在表示学习方面的性能。