-
公开(公告)号：CN115329202A
公开(公告)日：2022-11-11
申请号：CN202211044162.6
申请日：2022-08-30
申请人： 电子科技大学
IPC分类号： G06F16/9535 , G06F16/9035 , G06N3/04 , G06N3/08
摘要： 本发明涉及互联网领域，具体涉及一种基于时间感知的逆倾向得分的项目推荐方法，本发明通过对曝光倾向计算引入改进后的逆倾向得分计算方法(TE‑DeepFM)，且改进后的逆倾向计算方法计算项目曝光倾向和用户项目曝光偏好的匹配值，使得本发明提出的方法充分考虑了数据间曝光与点击之间的因果关系，从而达到通过本方法生成的项目推荐列表更符合用户期望，增加“曝光‑点击”的概率；本发明解决了传统的推荐方法得到的推荐列表与用户期望存在较大差距的问题。
-
公开(公告)号：CN114154071A
公开(公告)日：2022-03-08
申请号：CN202111501438.4
申请日：2021-12-09
申请人： 电子科技大学
IPC分类号： G06F16/9535 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于注意力机制的情感时序推荐方法，包括以下步骤：S1、收集评论信息和时间信息，并将其输入嵌入层，得到具有时态信息的用户因素和项目因素；S2、将有时态信息的用户因素和项目因素输入至blstm层进行情感特征提取，得到用户和项目之间的交互序列；S3、将用户和项目之间的交互序列通过注意力层输入至cnn层，得到用户表示和项目表示；S4、将用户表示和项目表示输入至输出层，得到精确评分，进而将最高精确评分对应项目作为情感时序推荐结果。
-
公开(公告)号：CN116071119A
公开(公告)日：2023-05-05
申请号：CN202210983716.2
申请日：2022-08-16
申请人： 电子科技大学
IPC分类号： G06Q30/0601
摘要： 本发明涉及互联网领域，具体涉及一种基于多行为推荐模型的模型不可知反事实解释方法，S1、确定要进行解释的模型；S2、交互物品项的各行为类型重要性排序；S3、过滤行为类型子集；S4、过滤候选解释；S5、确定待定解释；S6、获得更多候选解释；S7、决定最终解释，通过对单行为与多行为推荐系统中交互历史、偏好、结果的因果分析，以及对行为类型间关系的分析，明确了在指定被解释项、指定交互物品的情况下，各行为类型的重要性分数，以及行为类型子集的过滤与重要性分数，实现了依据行为类型对候选解释搜索空间的过滤；解决了传统模型不可知解释方法不能对多行为推荐模型进行真实而有操作性的解释的问题。
-
公开(公告)号：CN114154071B
公开(公告)日：2023-05-09
申请号：CN202111501438.4
申请日：2021-12-09
申请人： 电子科技大学
IPC分类号： G06F16/9535 , G06N3/0442 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于注意力机制的情感时序推荐方法，包括以下步骤：S1、收集评论信息和时间信息，并将其输入嵌入层，得到具有时态信息的用户因素和项目因素；S2、将有时态信息的用户因素和项目因素输入至blstm层进行情感特征提取，得到用户和项目之间的交互序列；S3、将用户和项目之间的交互序列通过注意力层输入至cnn层，得到用户表示和项目表示；S4、将用户表示和项目表示输入至输出层，得到精确评分，进而将最高精确评分对应项目作为情感时序推荐结果。
-
公开(公告)号：CN114090890B
公开(公告)日：2023-04-28
申请号：CN202111396495.0
申请日：2021-11-23
申请人： 电子科技大学
IPC分类号： G06F16/9535 , G06Q30/0601 , G06F16/45 , G06F16/483 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明公开了一种基于图卷积网络的反事实项目推荐方法，本发明通过对图卷积网络GCN引入满意度，且满意度与项目曝光特征、项目内容特征、用户项目曝光特征偏好和项目内容特征偏好均有关，使得本发明提出的方法充分考虑了数据间的因果关系，从而达到通过本方法生成的项目推荐列表更符合用户期望，大大减少“点击欺骗”的概率；本发明解决了传统的推荐方法得到的推荐列表与用户期望存在较大差距的问题。
-
公开(公告)号：CN116071119B
公开(公告)日：2023-12-08
申请号：CN202210983716.2
申请日：2022-08-16
申请人： 电子科技大学
IPC分类号： G06Q30/0601
摘要： 本发明涉及互联网领域，具体涉及一种基于多行为推荐模型的模型不可知反事实解释方法，S1、确定要进行解释的模型；S2、交互物品项的各行为类型重要性排序；S3、过滤行为类型子集；S4、过滤候选解释；S5、确定待定解释；S6、获得更多候选解释；S7、决定最终解释，通过对单行为与多行为推荐系统中交互历史、偏好、结果的因果分析，以及对行为类型间关系的分析，明确了在指定被解释项、指定交互物品的情况下，各行为类型的重要性分数，以及行为类型子集的过滤与重要性分数，实现了依据行为类型对候选解释搜索空间的过滤；解决了传统模型不可知解释方法不能对多行为推荐模型进行真实而有操作性的解释的问题。
-
公开(公告)号：CN114090890A
公开(公告)日：2022-02-25
申请号：CN202111396495.0
申请日：2021-11-23
申请人： 电子科技大学
IPC分类号： G06F16/9535 , G06Q30/06 , G06F16/45 , G06F16/483 , G06N3/04 , G06N3/08
摘要： 本发明公开了一种基于图卷积网络的反事实项目推荐方法，本发明通过对图卷积网络GCN引入满意度，且满意度与项目曝光特征、项目内容特征、用户项目曝光特征偏好和项目内容特征偏好均有关，使得本发明提出的方法充分考虑了数据间的因果关系，从而达到通过本方法生成的项目推荐列表更符合用户期望，大大减少“点击欺骗”的概率；本发明解决了传统的推荐方法得到的推荐列表与用户期望存在较大差距的问题。
-
-
-
-
-
-
搜索结果
7 条记录 (耗时 0.019 秒)
