公开(公告)号：CN118505352A

公开(公告)日：2024-08-16

申请号：CN202410698708.2

申请日：2024-05-31

Applicant: 电子科技大学

Inventor： 蔡世民 ,  宗雨欣 ,  周洲 ,  傅佳旭 ,  胡铮

IPC: G06Q30/0601 ,  G06F18/10 ,  G06N3/0895 ,  G06N3/042 ,  G06N3/048 ,  G06F16/9535 ,  G06F16/9536 ,  G06F18/213

Abstract: 该发明公开了一种基于多行为交互和对比学习的推荐方法，涉及信息处理技术领域。本发明的核心在于引入了一种多行为交互模型，该模型能够有效融合用户的多种行为数据，并利用对比学习策略增强模型对用户行为的理解能力。通过综合利用用户的多种交互行为，本发明能够更全面地理解和挖掘用户的偏好，从而提高推荐的准确性和个性化程度。针对传统推荐算法往往只关注单一的交互行为所面临的严重数据稀疏和冷启动问题，引入符合实际应用场景的多种用户项目交互行为类型进行推荐，以图神经网络为强有力的学习工具，在神经协同过滤的框架下充分建模不同行为和不同行为语义所反映的不同偏好强度，并进一步地进行消息传播和聚合。

公开(公告)号：CN118467803A

公开(公告)日：2024-08-09

申请号：CN202410532825.1

申请日：2024-04-30

Applicant: 电子科技大学

Inventor： 蔡世民 ,  熊友 ,  周洲 ,  黄茂伟 ,  吕琳媛

IPC: G06F16/906 ,  G06F16/9535 ,  G06F16/215 ,  G06F18/24 ,  G06Q50/00 ,  G06N3/0464 ,  G06N3/084

Abstract: 该发明公开了一种基于图对比学习的水军识别方法，属于机器学习领域中的欺诈检测或网络安全领域。本方法以用户发帖文本信息为用户特征信息，并将用户发帖文本中的单词作为网络节点与用户社交网络融合形成用户‑单词异构图，实现了用户特征信息与社交网络结构信息的深度融合。此外，本方法将对比学习技术应用在水军识别领域，在现有图对比学习技术的基础上，针对异构图的特点对不同类型的边采取不同方法计算边丢弃概率生成增强图，提高了水军识别效果。本发明识别效果好，准确率与F1值均优于现有方法。

公开(公告)号：CN116304299A

公开(公告)日：2023-06-23

申请号：CN202310003507.1

申请日：2023-01-03

Applicant: 电子科技大学

Inventor： 蔡世民 ,  刘一龙 ,  宗雨欣 ,  周洲

IPC: G06F16/9535 ,  G06F16/22 ,  G06N3/045 ,  G06N3/063 ,  G06N3/08 ,  G06N5/01 ,  G06N3/048

Abstract: 该发明公开了一种融和用户兴趣演化和梯度提升算法的个性化推荐方法，属于机器学习领域中的推荐系统研究领域。本发明模型推荐的产品与客户在训练数据结束后7天内购买的产品具有较高的符合率。在实验中，通过对原始数据的预处理和特征工程处理，提高了模型的排序和预测精度，提供了一种在该场景下有用的特征工程方法。给出了影响推荐系统排名结果的几个重要特征，为不断提高算法和推荐系统的准确性提供了一定的参考。本发明方法运用领域广泛，不仅仅是服装的个性化推荐，还可以移植到各种不同的推荐领域中，如音乐推荐，书籍推荐等。

公开(公告)号：CN114693397B

公开(公告)日：2023-04-28

申请号：CN202210260316.9

申请日：2022-03-16

Applicant: 电子科技大学

Inventor： 蔡世民 ,  胡铮 ,  陈道强 ,  刘浩林 ,  曾重庆

IPC: G06Q30/0601 ,  G06F40/126

Abstract: 该发明公开了一种基于注意力机制的多视角多模态的商品推荐方法，属于推荐算法领域。本发明将物品所在场景的多模态信息融入推荐算法中；对数据进行预处理构建了物品相关关系图和物品的描述文本信息；将这些信息输入模型中进行训练，使得模型既使用了用户‑物品的历史交互，又捕捉了物品的描述性文本信息和物品间的相似性信息。不同于其他推荐方法单纯对用户的偏好进行建模，本发明同时对用户的偏好和厌恶进行建模；对用户的历史序列通过用户平均分进行划分，得到用户的偏好序列和厌恶序列，模型对用户的偏好的厌恶分别进行建模。提升了对用户的表征能力。

公开(公告)号：CN111325390B

公开(公告)日：2023-04-18

申请号：CN202010096509.6

申请日：2020-02-17

Applicant: 电子科技大学

Inventor： 蔡世民 ,  李健强 ,  王锐杰

IPC: G06Q10/04 ,  G06Q10/101 ,  G06F16/31 ,  G06F16/38 ,  G06F16/383

Abstract: 该发明公开了一种基于兴趣演化的学者合作关系预测方法,涉及数据挖掘领域。本发明考虑到传统方法缺陷的影响，并对于各研究兴趣进行基于时间的权重值计算，目的是在于提供一种时序状态下的准确兴趣刻画方法，从而利用相应的兴趣维度匹配进行合作关系预测。本发明所涉及到的相关系统流程包括:数据采集、数据预处理、时间权重计算和合作关系预测；利用数据驱动，利用论文著作的关键词频数进行学者的兴趣识别，再利用论文的时间节点进行学者的兴趣权重区分，参照以上两个因素形成随时间演化的学者研究领域的兴趣程度刻画；除此之外，将以上方法的结果进行科研学者兴趣匹配，再融入到整个合作关系预测方法当中，从而达到精确地匹配。

公开(公告)号：CN111241283B

公开(公告)日：2023-04-07

申请号：CN202010040201.X

申请日：2020-01-15

Applicant: 电子科技大学

Inventor： 蔡世民 ,  王锐杰 ,  李健强

IPC: G06N5/025 ,  G06F40/284 ,  G06F40/216 ,  G06F16/35 ,  G06F18/25

Abstract: 该发明公开了一种科研学者画像的快速表征方法，涉及数据挖掘领域。该发明在数据库中用多字段联合查询，通过数据融合匹配的方式将多个分散数据集结合，形成了科研学者 与摘要文本 之间的一对多关系；对全数据集的摘要语料进行相应的文本向量表示，以此作为表征学者画像维度差异性的关键语料。区别于过去基于统计学基础所构建的学者画像维度，本发明利用机器学习方法，在相关算法的基础上，对于所有摘要文本语料进行了聚类，利用同类结果的相似关系检索关键词字段，经统计排序最终形成画像标签的排序向量集合，用于表征科研学者的研究兴趣。同时，这一排序向量对于科研学者的研究领域相似度计算和社区划分等方面都具有应用价值。

公开(公告)号：CN114741495A

公开(公告)日：2022-07-12

申请号：CN202210204792.9

申请日：2022-03-02

Applicant: 电子科技大学长三角研究院(湖州)

Inventor： 黄羿炜 ,  徐舒琪 ,  吕琳媛 ,  张符融 ,  蔡世民

IPC: G06F16/335 ,  G06F16/38 ,  G06K9/62

Abstract: 本发明提供了一种学术论文审稿人的推荐方法，涉及计算机算法领域，不依赖复杂的文本分析，无需获取完整文本信息，计算成本低，有效性和准确性高；该方法包括：S1、根据待审论文的摘要和/或关键词从数据库中获取相关领域内已发表论文以及对应作者的数据；S2、根据获取的论文数据和学者数据构建学者‑论文双层网络模型；S3、进行作者匹配实验，根据实验结果确定最优扩散参数；S4、将待审论文以及其作者并入已构建的学者‑论文双层网络模型中，并结合已确定值的最优扩散参数，采用资源扩散的方式获得各学者的资源值；S5、根据各学者的资源值生成推荐列表并推荐相应学者作为所述待审论文的审稿人。

公开(公告)号：CN111966828B

公开(公告)日：2022-05-03

申请号：CN202010729459.0

申请日：2020-07-27

Applicant: 电子科技大学

Inventor： 蔡世民 ,  陈明仁 ,  戴礼灿

IPC: G06F16/35 ,  G06F16/9532 ,  G06K9/62

Abstract: 该发明公开了一种基于文本上下文结构和属性信息叠加网络的报刊新闻分类方法，属于信息处理领域。本发明使用文本向量表征方法将不定长度的文本转化为固定长度的向量避免了文本信息的丢失和冗余；从训练数据的角度来说，采用加权随机采样，通过权重调节样本被选择的可能性，优化训练样本的构成；从特征提取的角度来说，本文不仅考虑到上下文结果信息同时也兼顾文本属性信息，优化特征提取过程。本发明不仅改进了文本特征的提取方式，还额外地将属性特征纳入特征构建的过程中。使用文本向量表征方法将不定长度的文本转化为固定长度的向量避免了文本信息的丢失和冗余，优化了文本特征的提取方式；额外添加了新闻的特征信息，丰富了特征的来源。

公开(公告)号：CN113158041A

公开(公告)日：2021-07-23

申请号：CN202110418032.3

申请日：2021-04-19

Applicant: 电子科技大学

Inventor： 蔡世民 ,  贺小雨 ,  陈明仁

IPC: G06F16/9535 ,  G06F40/284 ,  G06F16/33 ,  G06K9/62 ,  G06N3/08

Abstract: 该发明公开了一种基于多属性特征的文章推荐方法，属于信息处理领域。用多属性文章特征的推荐方法，提取更多文章特征，提升推荐性能：利用基于文章引文网络的struc2vec嵌入向量，基于带有文章作者、机构信息的异构网络的metapath2vec嵌入向量，文章标题、摘要内容doc2vec的嵌入向量，在原引文网络的基础上，通过重构图的方法，该方法能够按照权重结合同构引文网络、异构文章网络、文本信息的嵌入结果。对于多属性特征的重构网络，使用能够结合结构信息和同质信息的方法进行图嵌入，提升推荐性能：通过node2vec方法得到文章节点含有结构信息和同质信息的嵌入向量，最终通过向量相似度进行推荐。

公开(公告)号：CN105354729A

公开(公告)日：2016-02-24

申请号：CN201510925459.7

申请日：2015-12-14

Applicant: 电子科技大学

Inventor： 尚明生 ,  刘冠君 ,  蔡世民

IPC: G06Q30/02

CPC classification number: G06Q30/0253 ,  G06Q30/0255

Abstract: 该发明公开了一种电子商务系统中的商品推荐方法，属于商品流行性的预测领域。计算当前所有商品的流行度，获得流行度最大的c件商品；统计所有用户对步骤1获得c件商品的已知选择信息，选择信息包括该用户选择或未选择某一商品；根据获得用户对商品的选择信息，计算出步骤1得到的c件商品两两之间的相似度；针对c件商品中每一件商品，从这c件商品中选出与其最相似的q件商品，其中q＜c；计算步骤1获得的c件商品对各用户的推荐分数，若用户选择过待推荐商品，则推荐分数为0；若用户未选择过推荐商品，则根据该用户对该推荐商品最相似的q件商品的选择情况确定推荐分数；根据推荐分数确定是否对该用户推荐该商品。具有提高商品推荐的准确率及有效新颖性的效果。