公开(公告)号：CN111368203A

公开(公告)日：2020-07-03

申请号：CN202010157620.1

申请日：2020-03-09

Applicant: 电子科技大学

Inventor： 李赵宁 ,  钱伟中 ,  杨茂林

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

Abstract: 本发明提出了一种基于图神经网络的新闻推荐方法及其系统，首先通过用户行为生成层用户行为序列生成用户-新闻交互行为结构图，通过行为矩阵生成层生成用户-新闻行为交互矩阵，再由节点向量化模型层处理用户-新闻交互行为结构图生成全局目标新闻特征向量、由概率矩阵分解层处理用户-新闻行为交互矩阵得到局部目标新闻特征向量、用户特征向量；然后由融合层将全局目标新闻特征向量、局部目标新闻特征向量线性叠加为目标新闻特征向量，再对目标新闻特征向量、用户特征向量做内积得到用户对新闻的预测评分；将所有新闻的预测评分进行排序，选取顺序排在前K个的进行推荐。本发明满足了推荐新闻的时效性且有效结合用户的行为偏好及内容偏好。

公开(公告)号：CN111294619A

公开(公告)日：2020-06-16

申请号：CN202010129277.X

申请日：2020-02-28

Applicant: 电子科技大学

Inventor： 李恒 ,  雷航 ,  杨茂林 ,  曾敬鸿 ,  朱迪 ,  付守伟

IPC: H04N21/25 ,  H04N21/466 ,  G06F16/9535 ,  G06N3/04 ,  G06N3/08

Abstract: 本发明提供了一种用于IPTV领域的长短期兴趣建模方法，通过区分长期点击序列Lt-1和短期点击序列St，将长期点击序列Lt-1和短期点击序列St嵌入映射得到长期点击序列嵌入表示 和短期点击序列嵌入表示 进而计算出家庭长期偏好和用户短期兴趣US，然后根据家庭长期偏好和用户短期兴趣US得到用户混合偏好Uhybird，并根据用户混合偏好Uhybird算出点击率Ru。本发明通过上述操作实现了更加精准地兴趣爱好预测与推送。

公开(公告)号：CN110191363B

公开(公告)日：2020-05-01

申请号：CN201910471328.4

申请日：2019-05-31

Applicant: 电子科技大学

Inventor： 江春华 ,  戴鑫铉 ,  曾敬鸿 ,  杨茂林 ,  桑楠 ,  李恒 ,  李赵宁 ,  陈丹

IPC: H04N21/25 ,  H04N21/466

Abstract: 本发明公开了一种面向家庭组用户的推荐模型，包括步骤S4：在动态时序推荐算法TimeSVD++的基础上，建立一天内时段变化的周期模型，用户u在时间段t内对物品进行评分，设立衰减因子为将家庭组用户中最活跃的成员与其对应的观影时段间的关系纳入用户偏置以及用户隐性因子的设置，对不在活跃时段的评分数据按照时段相似度进行偏差处理。本发明的模型已不再是简单的线性变化模型，而是随一天内时段变化的周期模型。解决了现有技术中设置的衰减因子削弱了时间差距过大时评分记录对预计评分的影响的问题。

公开(公告)号：CN118733220A

公开(公告)日：2024-10-01

申请号：CN202410778069.0

申请日：2024-06-17

Applicant: 电子科技大学

Inventor： 杨茂林 ,  胡伟 ,  桑楠 ,  陈泽玮 ,  胡清华 ,  邹明航 ,  王磊

IPC: G06F9/48

Abstract: 本发明公开了一种混合实时任务调度方法、系统、存储介质及终端，属于实时任务调度技术领域，所述方法主要包括以下步骤：S1、建立同步任务和独立任务的任务模型；S2、对所述同步任务采用表调度机制，对所述独立任务采用分组固定优先级抢占式调度；其中，通过调度窗口扩大因子将同步任务的调度窗口分散，使得独立任务在同步任务的调度窗口间隙中执行；S3、对独立任务进行可调度性分析。本发明相比于现有的混合调度算法，在对同步任务的调度表进行规划时，使得同步任务的调度窗口分散，从而使得独立任务能够在同步任务的调度窗口间隙中得以执行，提高了任务调度的灵活性，同时充分利用系统资源。

公开(公告)号：CN112615735B

公开(公告)日：2021-09-28

申请号：CN202011435334.3

申请日：2020-12-10

Applicant: 电子科技大学

Inventor： 向超 ,  詹会兰 ,  杨茂林 ,  雷航

IPC: H04L12/24 ,  G06K9/62

Abstract: 本发明提出了一种基于贝叶斯网络的告警根因分析方法及过滤方法，通过构建告警贝叶斯网络，并用于分析告警之间的关联关系，以准确找到根源告警。同时，本发明结合Spark计算引擎并行优化算法，很大程度上提高了算法的时间效率；并且对网络告警进行预处理，过滤网络中发生频率高、持续时间短而重要程度低的颤动告警，以提高告警训练数据的质量，使得构建的告警贝叶斯网络模型的准确度更高。本发明基于上述操作，在准确率和时间效率表现优异，并且在大数据的环境下，能通过和spark框架结合，提升算法的时间效率，能更好的适应大数据环境。

公开(公告)号：CN110191363A

公开(公告)日：2019-08-30

申请号：CN201910471328.4

申请日：2019-05-31

Applicant: 电子科技大学

Inventor： 江春华 ,  戴鑫铉 ,  曾敬鸿 ,  杨茂林 ,  桑楠 ,  李恒 ,  李赵宁 ,  陈丹

IPC: H04N21/25 ,  H04N21/466

Abstract: 本发明公开了一种面向家庭组用户的推荐模型，包括步骤S4：在动态时序推荐算法TimeSVD++的基础上，建立一天内时段变化的周期模型，用户u在时间段t内对物品进行评分，设立衰减因子为将家庭组用户中最活跃的成员与其对应的观影时段间的关系纳入用户偏置以及用户隐性因子的设置，对不在活跃时段的评分数据按照时段相似度进行偏差处理。本发明的模型已不再是简单的线性变化模型，而是随一天内时段变化的周期模型。解决了现有技术中设置的衰减因子削弱了时间差距过大时评分记录对预计评分的影响的问题。