公开(公告)号：CN118628162B

公开(公告)日：2024-12-03

申请号：CN202411105564.1

申请日：2024-08-13

Applicant: 华南农业大学

Inventor： 高月芳 ,  张天晨 ,  曾振华 ,  叶双福 ,  黄玲 ,  邝颖杰

IPC: G06Q30/0202 ,  G06N3/0442 ,  G06N3/0455 ,  G06N3/08 ,  G06F17/18 ,  G06F18/232

Abstract: 本发明公开了基于聚类分析和注意力机制的客户复购意愿预测方法及系统，获取用户的历史购买信息，根据所述历史购买信息构建时间序列，并基于时间序列对用户的购买行为特征进行聚类，根据聚类结果划分用户得到不同的用户群；基于深度学习方法构建时间序列特征提取模型，对聚类后得到的用户群分别训练，通过所述时间序列特征提取模型，提取不同用户群内的用户画像特征；根据决策策略模型将预测概率超过阈值的用户输出作为具有复购意愿的客户名单。通过本发明能够有效实现客户复购意愿的精准预测，并提供了一套高效、节能的B2B客户复购意愿预测系统，实现智能决策和高效监控。

公开(公告)号：CN118799038B

公开(公告)日：2024-11-19

申请号：CN202411260400.6

申请日：2024-09-10

Applicant: 华南农业大学

Inventor： 黄玲 ,  邹晗 ,  黄晓东 ,  谭子星 ,  李哲远 ,  高月芳 ,  邝颖杰

IPC: G06Q30/0601 ,  G06N3/0442 ,  G06N3/08 ,  G06N5/02 ,  G06N5/045 ,  G06Q30/0202 ,  G06F16/36 ,  G06F18/25

Abstract: 本发明涉及一种基于知识强化的购物篮可解释推荐方法与系统，属于购物推荐技术领域，通过基于购物篮知识图谱中的三步图构建购物篮临时表征序列，通过LSTM生成用户的购物篮序列级别的表征。基于用户近期购买的商品及其次数，进行加权学习生成用户的复购表征。学习权重融合用户的预训练表征、购物篮序列级别的表征和复购表征，得到用户预测向量。使用用户预测向量代替用户预训练表征，使用强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径。通过知识图谱、用户购物篮序列和复购行为建模等构建用户及其他实体表征，并使用强化学习实现可解释购物篮推荐，提升电子商务的推荐准确性，提高了用户体验，促进了交易达成。

公开(公告)号：CN118865226A

公开(公告)日：2024-10-29

申请号：CN202410785667.0

申请日：2024-06-18

Applicant: 温氏食品集团股份有限公司 ,  华南农业大学

Inventor： 蒋荣金 ,  邝颖杰 ,  邓惠敏 ,  伍明煜 ,  梁炎斌 ,  刘桂平 ,  叶炜程 ,  侯刚 ,  梁云 ,  姜伟鹏 ,  郑润 ,  吴梓豪

IPC: G06V20/52 ,  G06V40/10 ,  G06V10/82 ,  G06N3/096

Abstract: 本发明公开了一种基于深度学习算法的人车猪闯入监控方法、系统及设备，包括：利用获取的报警图像构建摄像头数据库；利用改进的CenterNet目标检测模型对报警图像进行人、车辆、猪只的检测，得到已标识的图像；改进的CenterNet目标检测模型检测出人、车辆、猪只后将对应的图片发送到业务端的判别模块中；判别结果会储存到对应的摄像头数据库中；基于持续学习的原始样本重播方法和梯度情景记忆方法，对新场景报警图像进行模型训练，从而减轻遗忘。本发明在使用检测模型时，在保证单帧图像目标检测的准确性与实时性的同时，加入了特征金字塔结构、中心池化结构和级联角点池化结构，增强了模型对特征的能力，提高了闯入特定镜头场景行为判别的稳定性。

公开(公告)号：CN118799038A

公开(公告)日：2024-10-18

申请号：CN202411260400.6

申请日：2024-09-10

Applicant: 华南农业大学

Inventor： 黄玲 ,  邹晗 ,  黄晓东 ,  谭子星 ,  李哲远 ,  高月芳 ,  邝颖杰

IPC: G06Q30/0601 ,  G06N3/0442 ,  G06N3/08 ,  G06N5/02 ,  G06N5/045 ,  G06Q30/0202 ,  G06F16/36 ,  G06F18/25

Abstract: 本发明涉及一种基于知识强化的购物篮可解释推荐方法与系统，属于购物推荐技术领域，通过基于购物篮知识图谱中的三步图构建购物篮临时表征序列，通过LSTM生成用户的购物篮序列级别的表征。基于用户近期购买的商品及其次数，进行加权学习生成用户的复购表征。学习权重融合用户的预训练表征、购物篮序列级别的表征和复购表征，得到用户预测向量。使用用户预测向量代替用户预训练表征，使用强化学习在购物篮知识图谱上进行路径推理，得到购物篮的推荐商品及解释路径。通过知识图谱、用户购物篮序列和复购行为建模等构建用户及其他实体表征，并使用强化学习实现可解释购物篮推荐，提升电子商务的推荐准确性，提高了用户体验，促进了交易达成。

公开(公告)号：CN118797163A

公开(公告)日：2024-10-18

申请号：CN202410937718.7

申请日：2024-07-12

Applicant: 华南农业大学

Inventor： 黄玲 ,  李哲远 ,  谭子星 ,  黄晓东 ,  高月芳 ,  邝颖杰

IPC: G06F16/9535 ,  G06Q30/0601 ,  G06N3/0455 ,  G06N3/0895

Abstract: 本发明公开了一种基于数据增强与表征对齐的购物篮推荐方法及系统，包括：将购物篮数据嵌入表征输入到降噪自编码器及变分自编码器进行数据增强得到两种更具鲁棒性的购物篮嵌入表征，基于自编码器的解码器完成对两种重构购物篮表征对齐，并且与原来的购物篮嵌入表征构成三组正样本对，基于预设数量K抽出与用户购物篮不相关的项目，与三组购物篮嵌入表征构成3*K组负样本，通过对比学习，最大化正样本对的相似性，最小化负样本对的相似性，完成模型的训练。本发明利用自编码器对购物篮的嵌入表征进行数据增强，进而构建对比学习，用来优化购物篮的嵌入表征，从而提升下一个购物篮推荐任务的效果。