公开(公告)号：CN118797155B

公开(公告)日：2025-04-22

申请号：CN202410789176.3

申请日：2024-06-19

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  武兴隆 ,  杨洪伟 ,  张伟哲 ,  黄岸峰 ,  邰煜

IPC: G06F16/9535 ,  G06F40/30 ,  G06V30/41 ,  G06V30/40 ,  G06V30/148 ,  G06V30/19 ,  G06V10/82 ,  G06N3/042 ,  G06N3/08

Abstract: 本发明公开了一种基于多视角跨模态语义对齐的多模态推荐方法及系统，涉及多模态推荐技术领域。本发明的技术要点包括：提取训练数据的用户信息、物品信息、用户‑物品交互信息和多模态辅助信息，所述多模态辅助信息包括文本模态和视觉模态；对多模态辅助信息进行处理，获取包含多模态嵌入文本表示和视觉表示的语义信息；将用户信息、物品信息、用户‑物品交互信息和语义信息输入多模态神经网络模型中进行训练；利用训练好的多模态神经网络模型进行多模态推荐。本发明解决了模态间语义鸿沟问题，通过多视角语义建模进行细粒度模态语义对齐，实验结果证明了本发明的优越性和有效性。

公开(公告)号：CN119782622A

公开(公告)日：2025-04-08

申请号：CN202411977708.2

申请日：2024-12-31

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  尹晟 ,  杨洪伟 ,  武兴隆 ,  邰煜 ,  张伟哲

IPC: G06F16/9535 ,  G06F16/9538 ,  G06F18/25 ,  G06F40/30 ,  G06N3/042 ,  G06N3/0499 ,  G06N3/045

Abstract: 本发明一种基于大模型与图神经网络相结合的用户行为序列推荐方法、系统及存储介质，涉及行为序列推荐技术领域，为解决现有的方法难以将大语言模型的文本特征提取能力与序列推荐的动态建模能力进行深度融合，难以实现准确、全面的推荐的问题。本发明的LLM‑SR模型的基于大模型的物品文本表示学习模块通过大语言模型提取物品文本的高质量语义嵌入，结合线性层映射和多层感知机生成适配推荐任务的物品表示；通过基于图神经网络的序列表示学习模块利用会话图和全局图捕捉物品的局部顺序关系和跨会话共现关系，生成用户行为序列的综合表示；通过预测评分计算模块将用户序列表示与候选物品嵌入的点积计算物品评分并排序，生成最终的推荐结果。

公开(公告)号：CN115660147B

公开(公告)日：2024-10-15

申请号：CN202211171903.7

申请日：2022-09-26

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  邰煜 ,  杨洪伟 ,  张伟哲 ,  武兴隆

IPC: G06Q10/04 ,  G06Q50/00 ,  G06N3/045 ,  G06N3/042 ,  G06N3/0464 ,  G06N3/0442 ,  G06N3/048 ,  G06N3/08

Abstract: 一种基于传播路径间与传播路径内影响力建模的信息传播预测方法及系统，涉及信息传播预测技术领域，用以解决在一段时间之后信息在社交网络中流行度增长量的预测问题。本发明的技术要点包括：使用图神经网络对级联图进行建模，得到聚合邻居节点状态与特征的节点表示；通过深度游走算法对整体级联网络图进行采样，获得级联图的序列集合，将图形神经网络嵌入表示与Deepwalk嵌入表示进行拼接来更新序列中各个节点的信息；将附有邻居信息的节点表示序列输入双向LSTM中，同时将时序信息经过注意力机制引导对序列进行整合，增强了级联预测模型的理解能力与预测能力。本发明兼顾级联传播路径间与传播路径内影响力传递性，以及纳入时序与结构因素互补性的有效性。

公开(公告)号：CN117171448B

公开(公告)日：2024-05-28

申请号：CN202311015948.X

申请日：2023-08-11

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  武兴隆 ,  杨洪伟 ,  邰煜 ,  张伟哲 ,  黄岸峰

IPC: G06F16/9536 ,  G06F16/9535 ,  G06N3/09 ,  G06N3/04 ,  G06N3/045

Abstract: 一种基于图神经网络的多行为社会化推荐方法及系统，涉及推荐技术领域，为了解决现在的推荐方法没有区分与交互行为相关联的信任传播过程。本发明提出一个多行为社会化推荐框架MB‑Soc模型，该模型将细粒度的多行为信息集成到社交推荐架构中，MB‑Soc架构由四个主要部分组成：嵌入层、传播层、多行为集成层和预测层。本发明提出了一种全新的多行为社会化推荐框架MB‑Soc来探索社交推荐中的细粒度信任传播过程，对实体的多种类行为在社交网络中的传播进行区分，并完成在社会化推荐场景下的差分化传播。本发明完成了在真实数据集上的可扩展实验，大量实验证明了本发明所提出的MB‑Soc模型的优越性和有效性。

公开(公告)号：CN116842398A

公开(公告)日：2023-10-03

申请号：CN202310765614.8

申请日：2023-06-27

Applicant: 哈尔滨工业大学

Inventor： 何慧 ,  邰煜 ,  杨洪伟 ,  张伟哲 ,  武兴隆 ,  邵源铭

IPC: G06F18/22 ,  G06N3/0499 ,  G06N3/048 ,  G06N3/0464 ,  G06F18/25 ,  G06N3/0455

Abstract: 本发明公开了一种基于屏蔽自注意力网络的话题感知信息转发预测方法及系统，涉及信息转发预测技术领域。本发明的技术要点包括：提取消息中的话题表示，将话题表示与用户嵌入进行融合表示，获得用户‑话题依赖表示；构建包含上下文编码器、掩码生成器、掩码编码器的屏蔽自注意力网络，将用户‑话题依赖表示输入屏蔽自注意力网络，获得上下文用户依赖感知的用户表示；利用注意力机制计算目标用户与历史感染用户列表的相似度，以对用户表示进行优化重建；通过计算对应优化重建后用户表示的级联表示与下一个用户之间的似然关系来获取下一个用户的激活概率。本发明可为舆情研判、个性化推荐、热点话题识别等应用提供有价值的决策辅助支撑。