公开(公告)号：CN114117220B

公开(公告)日：2024-09-20

申请号：CN202111420425.4

申请日：2021-11-26

Applicant: 东北大学

Inventor： 于亚新 ,  刘树越 ,  乔勇鹏 ,  王子腾 ,  夏子芳 ,  乔佳琪

IPC: G06F16/9535 ,  G06F16/28 ,  G06N3/0464 ,  G06N3/092 ,  G06N3/042

Abstract: 本发明提供一种基于知识增强的深度强化学习交互式推荐系统及方法，涉及推荐技术领域。本系统包括数据采集清洗模块、环境模拟器构建模块、知识图谱构建模块、图卷积模块、用户状态表示模块、策略网络模块和值网络模块。本发明结合知识图谱中丰富的语义信息，利用图卷积网络结构，沿着高阶连通性递归地传播相邻实体的嵌入表示，并采用图注意力网络思想，利用知识图谱中丰富的语义信息增强项目表示，同时又融合了用户‑项目二部图，从集体的用户行为充分挖掘潜在关系，从而准确捕捉用户的动态偏好，并利用深度强化学习自主学习最优推荐策略，从而提高推荐准确度。

公开(公告)号：CN117909598A

公开(公告)日：2024-04-19

申请号：CN202410109968.1

申请日：2024-01-26

Applicant: 东北大学

Inventor： 于亚新 ,  曾驰丞 ,  杨帆 ,  王佳成 ,  白彬沂 ,  姚嘉硕 ,  范召鹏 ,  杨添

IPC: G06F16/9536 ,  G06N3/042 ,  G06N3/0442 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/082 ,  G06Q50/00

Abstract: 本发明设计一种基于多通道去噪的社交网络活动推荐系统及方法，属于信息推荐和数据挖掘领域技术领域；采用多通道方式生成用户关系和用户‑活动关系嵌入表示，并采用图注意力网络思想，针对每个邻居实体节点学习目标实体节点语义能力不同，利用注意力机制区分连接相邻节点的关系的重要程度，从而根据不同的重要程度将邻居节点信息聚合到目标实体中，增强了项目的嵌入表示，缓解数据稀疏的问题；不仅能减少对大量的高维数据建模的成本，生成较为完整的用户表示，获取更为完整的数据信息，还能提高数据质量，减少社交关系冗余问题，充分提取高维数据的丰富信息，进行鲁棒去噪，提高实用性，从而实现提高社交网络平台系统推荐价值的目的。

公开(公告)号：CN104462592B

公开(公告)日：2017-07-07

申请号：CN201410848410.1

申请日：2014-12-29

Applicant: 东北大学

Inventor： 刘欣 ,  于亚新 ,  于双羽 ,  李玉龙

IPC: G06F17/30 ,  G06Q50/00

Abstract: 本发明一种基于不确定语义的社交网用户行为关系推演系统及方法，属于数据挖掘和服务信息推荐领域，本发明基于用户地理位置相似性与用户活动相似性推演出用户是否具有行为关系；通过地理位置与活动相似性推断出与用户具有行为关系的用户，从而可以对未知用户行为做出准确预测，可以极大地提升信息推荐服务的质量；实验证明，本发明在未知本发明在未知用户行为预测的准确性上优于现在已有的行为预测方法，具有很高的实际应用价值，所以如果能够得到推广，将能极大地提高用户行为预测的准确性，对企事业明确目标客户人群，做出正确决策具有显著的意义。

公开(公告)号：CN101408901B

公开(公告)日：2010-07-14

申请号：CN200810229043.1

申请日：2008-11-26

Applicant: 东北大学

Inventor： 王国仁 ,  于亚新 ,  王波涛 ,  丁国辉 ,  王斌 ,  赵相国 ,  赵宇海 ,  信俊昌 ,  乔百友 ,  韩东红 ,  张恩德 ,  李淼

IPC: G06F17/30

Abstract: 一种基于主题词条的跨类型数据的概率聚类方法，属于数据库领域，包括以下步骤：(1)定义主题词条的类型；将跨类型数据分为主题相关词条、主题半相关词条和主题不相关词条；(2)对每类词条分配概率；(3)用概率表示数据主题；(4)构建数据的主题词条概率相似性矩阵M；对步骤(3)中跨类型数据的任意两个数据dx和dy，计算dx和dy任意两种描述形式的相似度，将相似度大于某一阈值的相似性的概率相加，将任意两个数据的直接相关概率存储在矩阵M中；(5)基于矩阵M构建聚类模型Mc；(6)基于聚类模型Mc的聚类方法。本发明利用与主题相关的词条项的相似性来对跨类型数据进行聚类，提高了数据聚类的精度，减少了聚类时间。

公开(公告)号：CN118709133A

公开(公告)日：2024-09-27

申请号：CN202410800969.0

申请日：2024-06-20

Applicant: 东北大学

Inventor： 于亚新 ,  姚嘉硕 ,  范召鹏 ,  王佳成 ,  李佚名 ,  叶育松

IPC: G06F18/25 ,  G06F18/10 ,  G06F18/21 ,  G06F18/214 ,  G06N3/0464 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明提供一种基于多视角自监督对比学习的多模态推荐方法，涉及推荐系统技术领域。本发明通过基于特征交叉矫正的两阶段模态表征模块缩小了跨模态语义差距，有效减少了噪声；通过二元重编织进行用户‑项目图结构扰动，净化了历史数据中的虚假交互，更好的拟合了真实场景；最后通过构建项目‑项目亲和图实现模态信息增强，大大提升项目嵌入的语义关联度，在减小计算复杂度的同时解决了信息混叠和模态语义丢失的问题。对于上述多视角进行自监督对比学习，最大化不同视图下的节点的互信息，更好地表征了节点，有效提高了推荐系统的准确性和鲁棒性。

公开(公告)号：CN118674001A

公开(公告)日：2024-09-20

申请号：CN202410797522.2

申请日：2024-06-20

Applicant: 东北大学

Inventor： 白彬沂 ,  于亚新 ,  于之晟 ,  司一廷 ,  叶育松 ,  李佚名

IPC: G06N3/092 ,  G06N3/042 ,  G06N3/0464 ,  G06N5/04

Abstract: 本发明提供一种融合图卷积与大语言模型的状态动作关系强化学习方法，涉及强化学习技术领域，通过结合GCN和LLM的强力特性——对空间信息处理和自然语言理解的双重优势，深入学习和内化环境中的复杂空间关系以及状态转移中的时间序列动态，利用GCN捕捉状态间的复杂空间结构，以及利用LLM处理和生成基于历史行为的时间序列数据，为RL智能体提供更准确的环境预测和策略规划工具，提升在复杂交互环境中的表现。GCN负责揭示状态之间的空间相互作用，而LLM则解析长期依赖和模式，提供连贯的决策支持，为RL智能体提供更准确的环境预测和策略规划工具，提升在复杂交互环境中的表现。

公开(公告)号：CN112199609B

公开(公告)日：2021-09-21

申请号：CN202011285422.X

申请日：2020-11-17

Applicant: 东北大学

Inventor： 于亚新 ,  吴晓露 ,  包健 ,  王亚龙

IPC: G06F16/9536 ,  G06F16/9537 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供一种自注意力下时空语义间隔感知的POI推荐系统及方法，涉及推荐技术领域。本发明系统包括系统，包括数据采集清洗模块、个性化时间间隔模块、个性化空间间隔模块、语义相关性计算模块、时空语义间隔感知自我注意模块和POI推荐模块；通过将用户交互序列建模为具有不同时间间隔的序列，不仅考虑了用户签到数据的绝对位置，同时将这些不同时间间隔纳入推荐系统；基于用户的历史签到数据，通过考虑签到数据之间的时间间隔、空间间隔以及语义相关性，有效捕获用户的动态偏好，合理的向用户推荐其下一步会去的地方，提高推荐准确度。

公开(公告)号：CN105719191B

公开(公告)日：2019-10-11

申请号：CN201610038214.7

申请日：2016-01-20

Applicant: 东北大学

Inventor： 于亚新 ,  隋鸣飞 ,  张海军 ,  苏诚成

IPC: G06Q50/00 ,  G06F16/35

Abstract: 本发明涉及一种多尺度空间下不确定行为语义的社交群体发现方法，属于数据挖掘和知识发现领域，本发明基于用户社交网Twitter行为轨迹，根据其发布推文地理位置的相似性以及推文词条所表达的不确定活动语义的相似性，来发现用户是否具相似有行为关系，从而找到对应的相似行为用户群体；实验证明，本发明在发现用户相似行为群体的准确性上优于现在已有的判断方法，具有很高的实际应用价值，如果能够得到极大推广，势必会有助于产业创新、促进跨界融合、惠及社会民生，推动我国经济和社会的创新发展。

公开(公告)号：CN103413054B

公开(公告)日：2016-05-11

申请号：CN201310368605.1

申请日：2013-08-20

Applicant: 东北大学

Inventor： 于亚新 ,  王国仁 ,  杨宝栓 ,  闫珂 ,  张旭 ,  邹显鹏 ,  朱歆华 ,  许虎

IPC: G06F19/00

Abstract: 本发明一种基于用户计算机交互事件的网瘾检测装置及方法，属于数据挖掘领域，本发明通过人们常用的上网工具，采集可量化的人机交互操作数据，并利用这些数据计算分析用户上网行为，从而检测出用户是否罹患网瘾，并对该上网工具进行有效控制；本专利检测网瘾的正确率可高达85%以上，有效避免了现有检测方法的失误，提高检测的准确度；本发明还可降低检测成本，用户可随时进行检测，对于中小学生应用价值高，有效预防并控制网瘾行为，减少网瘾伤害。

公开(公告)号：CN104268171A

公开(公告)日：2015-01-07

申请号：CN201410462802.4

申请日：2014-09-11

Applicant: 东北大学

Inventor： 于亚新 ,  田宏增 ,  隋鸣飞 ,  续宗泽 ,  王国仁

IPC: G06F17/30

CPC classification number: G06F17/30864 ,  G06F17/2735

Abstract: 本发明一种基于活动相似和社交信任的社交网好友推荐系统及方法，属于信息推荐和数据挖掘领域，该方法主要是利用用户社交信任值和活动偏好相似性来实现基于位置社交网络中好友推荐，由于活动可以体现用户兴趣偏好，因此通过用户间活动相似性发现与其偏好相似的好友；由于社交信任能反映用户间交互紧密程度，因此根据不同程度信任关系进行好友推荐具有更合理的可解释性；实验证明，本发明推荐效果在准确性和合理解释性上均优于现存的好友推荐方法，实际应用价值很高，如果能得到推广，对企事业单位明确目标客户范围，提高广告服务的关联度和准确性，提高广告营销价值均有重要的指导和决策意义。